常見機(jī)器學(xué)習(xí)用例TOP 7，在你身邊無處不在！

作者：讀芯術(shù) 2019-08-25 08:02:16

今天我們就來看看，在日常生活中有哪些最常見的機(jī)器學(xué)習(xí)用例（有時(shí)我們甚至沒有意識(shí)到這些例子涉及機(jī)器學(xué)習(xí)）。

想象一下——你明天要去面試一個(gè)向往已久的機(jī)器學(xué)習(xí)崗位。一切都必須按計(jì)劃進(jìn)行，否則就會(huì)功虧一簣。

所以，你告訴智能小助手：

定一個(gè)明天早上7點(diǎn)的鬧鐘
在Uber上預(yù)約一個(gè)直達(dá)面試地點(diǎn)的快車，早上8:30來接我
計(jì)算一下車費(fèi)
在谷歌地圖上看看路上要花多長(zhǎng)時(shí)間
最后列出面試前還需要再多看幾眼的資料

這樣的好處是什么?你不需要忙前忙后或是親自花時(shí)間打字。只需要給虛擬智能小助手發(fā)送指令，機(jī)器學(xué)習(xí)算法就會(huì)讓系統(tǒng)開始為你工作!

這不是某個(gè)科幻場(chǎng)景(也不是機(jī)器終于有了“人心”)——這是正在發(fā)生的事實(shí)。隨著計(jì)算能力的進(jìn)步，機(jī)器學(xué)習(xí)應(yīng)用不斷發(fā)展，而我們也正在經(jīng)歷一場(chǎng)真正的全球變革。

那么，今天我們就來看看，在日常生活中有哪些最常見的機(jī)器學(xué)習(xí)用例(有時(shí)我們甚至沒有意識(shí)到這些例子涉及機(jī)器學(xué)習(xí))。

本文涵蓋了以下常見的機(jī)器學(xué)習(xí)用例：

1. 機(jī)器學(xué)習(xí)在智能手機(jī)中的用例

你知道嗎，智能手機(jī)中的大多數(shù)功能都是由機(jī)器學(xué)習(xí)支持的。

沒錯(cuò)!從幫你定鬧鐘、找餐廳的語音助手到通過面部識(shí)別解鎖手機(jī)等一系列簡(jiǎn)單的功能-機(jī)器學(xué)習(xí)已經(jīng)真正融入到了我們最喜歡的設(shè)備當(dāng)中。

(1) 語音助手

還記得前文提到的虛擬智能小助手嗎?它的原理就是語音識(shí)別概念——這是機(jī)器學(xué)習(xí)領(lǐng)域中的一個(gè)新興話題。

現(xiàn)在語音助手已經(jīng)很普遍了。你肯定用過(或者至少聽過)以下常見的語音助手：

蘋果的Siri
谷歌助手
亞馬遜的Alexa
谷歌Duplex
微軟的Cortana
三星的Bixby

這些語音助手有什么共同點(diǎn)?它們都是由機(jī)器學(xué)習(xí)算法支持的!這些語音助手使用自然語言處理(NLP)識(shí)別語音(即我們所說的話)，然后使用機(jī)器學(xué)習(xí)將其轉(zhuǎn)換為數(shù)字，并據(jù)此做出響應(yīng)。

隨著機(jī)器學(xué)習(xí)技術(shù)的進(jìn)步，這一領(lǐng)域已經(jīng)日漸成熟，這些語音助手也會(huì)越來越智能。你可以觀看下文的精彩教程，學(xué)習(xí)建立自己的語音識(shí)別系統(tǒng)：

學(xué)習(xí)如何構(gòu)建自己的語音-文本模型(運(yùn)用Python) 傳送門：

https://www.analyticsvidhya.com/blog/2019/07/learn-build-first-speech-to-text-model-python/

(2) 智能手機(jī)相機(jī)

等等，機(jī)器學(xué)習(xí)跟智能手機(jī)相機(jī)有什么關(guān)系?事實(shí)上關(guān)系可大了。

我們每天點(diǎn)開看到的精美圖片和這些圖片的深度，都有機(jī)器學(xué)習(xí)的足跡。機(jī)器學(xué)習(xí)分析給定圖片中的每個(gè)像素，以檢測(cè)對(duì)象、模糊背景和采取一系列美化技巧。

這些機(jī)器學(xué)習(xí)算法可以改進(jìn)和增強(qiáng)智能手機(jī)的攝像頭：

對(duì)象檢測(cè)可以定位和識(shí)別圖像中的對(duì)象(或人)
填補(bǔ)圖片中缺失的部分
使用特定類型的神經(jīng)網(wǎng)絡(luò)利用生成對(duì)抗網(wǎng)絡(luò)(GANs)來增強(qiáng)圖像，甚至通過想象圖像的樣子來擴(kuò)展其邊界等。

有興趣了解更多相關(guān)信息來學(xué)習(xí)如何使用機(jī)器學(xué)習(xí)構(gòu)建自己的智能手機(jī)攝像頭軟件?無需等待!以下教程可以帶你入門：

谷歌像素相機(jī)背后的深度學(xué)習(xí)技術(shù)介紹!

傳送門：

https://www.analyticsvidhya.com/blog/2019/02/tutorial-semantic-segmentation-google-deeplab/

(3) 蘋果和谷歌應(yīng)用商店的推薦

蘋果(Apple App Store)和谷歌(Goole Play Store)應(yīng)用商店都有推薦這個(gè)功能。“為您推薦”這個(gè)功能的依據(jù)就是已經(jīng)下載過的應(yīng)用程序(或是以前使用過的)。

例如，如果你下載了一些與體育和美食相關(guān)的應(yīng)用程序，那么“為您推薦”通常都會(huì)推送類似的應(yīng)用程序。谷歌應(yīng)用商店可以根據(jù)你的喜好進(jìn)行個(gè)性化，同時(shí)推送你更有可能下載的應(yīng)用程序。

那么蘋果和谷歌商店是如何做到的呢?四個(gè)大字——推薦引擎。這是目前機(jī)器學(xué)習(xí)中非常熱門的概念。構(gòu)建推薦引擎的方法多種多樣，你可以根據(jù)以下教程選擇適合自己的方法：

• 從零開始構(gòu)建推薦引擎綜合指南(在Python中)

傳送門：https://www.analyticsvidhya.com/blog/2018/06/comprehensive-guide-recommendation-engine-python/

(4) 面部解鎖——智能手機(jī)

大多數(shù)人對(duì)這個(gè)功能都相當(dāng)熟悉了。我們拿起手機(jī)，通過識(shí)別面部就可以自動(dòng)解鎖。這個(gè)功能智能、高效、省時(shí)，非常高級(jí)。

很多人不知道的是，智能手機(jī)其實(shí)是使用一種叫做面部識(shí)別的技術(shù)來實(shí)現(xiàn)這一功能的。而這種技術(shù)的核心理論—你知道的—就是機(jī)器學(xué)習(xí)。

面部識(shí)別的應(yīng)用非常廣泛，世界各地的很多企業(yè)都已經(jīng)從中獲益：

臉書通過這種技術(shù)識(shí)別圖像中的人物
政府用來識(shí)別和抓捕罪犯
在機(jī)場(chǎng)，面部識(shí)別系統(tǒng)可以核實(shí)乘客、機(jī)組人員等等

未來的幾年里，人臉識(shí)別模型的應(yīng)用只會(huì)越來越廣泛，所以為什么不現(xiàn)在就來學(xué)習(xí)一下如何構(gòu)建你自己的人臉識(shí)別系統(tǒng)呢?

面部識(shí)別簡(jiǎn)易指南(使用python代碼)：

https://www.analyticsvidhya.com/blog/2018/08/a-simple-introduction-to-facial-recognition-with-python-codes/

2. 交通中的機(jī)器學(xué)習(xí)用例

在過去的十年中，機(jī)器學(xué)習(xí)在交通運(yùn)輸領(lǐng)域中的應(yīng)用已經(jīng)達(dá)到了一個(gè)全新的高度，其發(fā)展正好趕上了打車軟件(如Uber、Lyft、Ola等等)的興起。

這些公司將機(jī)器學(xué)習(xí)用于很多產(chǎn)品當(dāng)中，從規(guī)劃最佳路線到?jīng)Q定打車的價(jià)格。讓我們看看在交通領(lǐng)域一些較多使用機(jī)器學(xué)習(xí)的用例。

(1) 打車的動(dòng)態(tài)定價(jià)

你是否會(huì)因?yàn)榇蜍嚬敬蠓鶟q價(jià)而難過呢?打車的價(jià)錢似乎永遠(yuǎn)在漲。為什么會(huì)這樣?

事實(shí)上，這涉及到動(dòng)態(tài)定價(jià)的概念——這是一個(gè)絕妙的機(jī)器學(xué)習(xí)用例。為了理解這一點(diǎn)，讓我們舉一個(gè)簡(jiǎn)單的例子。

[[274780]]

想象一下你開了一家打車公司，需要給城市里的每一條線路制定打車價(jià)格，既要能吸引顧客，又能提高自己的盈利底線。一種方法是手動(dòng)為每條線路設(shè)定價(jià)格。這顯然不是理想的方法。

因此，動(dòng)態(tài)定價(jià)就會(huì)發(fā)揮關(guān)鍵作用。這意味著要根據(jù)不斷變化的市場(chǎng)狀況調(diào)整價(jià)格。因此，價(jià)格的變化取決于位置、時(shí)間、天氣、整體客戶需求等因素，這就是打車價(jià)格經(jīng)常飆升的根本原因。

動(dòng)態(tài)定價(jià)也是旅游、酒店、交通和物流等諸多行業(yè)越來越青睞的一種方法。

(2) 交通與通勤-Uber

動(dòng)態(tài)定價(jià)不是像Uber這樣的打車公司使用機(jī)器學(xué)習(xí)的唯一用例。他們主要依靠機(jī)器學(xué)習(xí)來確定從A點(diǎn)到B點(diǎn)的最佳路線。

對(duì)于我們來說，這似乎是一個(gè)很簡(jiǎn)單的事情。輸入位置和目的地，然后最近的司機(jī)就會(huì)來接我們。但這一簡(jiǎn)單操作的背后是Uber后端復(fù)雜的結(jié)構(gòu)和服務(wù)網(wǎng)絡(luò)。

這些公司運(yùn)用了多種機(jī)器學(xué)習(xí)技術(shù)來優(yōu)化打車路線。

讀一讀下面這篇Uber的文章，它詳細(xì)闡述了機(jī)器學(xué)習(xí)如何確定更快捷的路線：

Uber如何設(shè)計(jì)快捷的路線：https://eng.uber.com/engineering-an-efficient-route/

(3) 谷歌地圖

你肯定已經(jīng)猜到會(huì)有這個(gè)例子了。谷歌地圖是機(jī)器學(xué)習(xí)的一個(gè)經(jīng)典用例。以下是一些已廣泛使用的功能：

路線：從A點(diǎn)到B點(diǎn)
路線預(yù)計(jì)耗時(shí)
沿線交通狀況
“探索附近”功能：餐廳、加油站、自動(dòng)取款機(jī)、酒店、購物中心等

谷歌使用大量的機(jī)器學(xué)習(xí)算法來生成所有這些功能。機(jī)器學(xué)習(xí)已經(jīng)深深地融入了谷歌地圖，這就是為什么每次更新后路線都變得更加智能化的原因。

路線預(yù)計(jì)耗時(shí)功能已經(jīng)接近完美。如果地圖顯示“40分鐘”到達(dá)目的地，你可以確定實(shí)際耗時(shí)就差不多是40分鐘。

3. 熱門流行Web服務(wù)中的機(jī)器學(xué)習(xí)用例

你肯定會(huì)喜歡這一部分。我們每天都要多次使用一些應(yīng)用。可能直到最近才意識(shí)到，正是由于機(jī)器學(xué)習(xí)的強(qiáng)大和靈活性，這些應(yīng)用才可以正常工作。

以下是一些你非常熟悉的用例。讓我們從機(jī)器學(xué)習(xí)的角度來看一看。

(1) 郵件過濾

每天工作都閱讀大量郵件?或者郵箱充斥著隨機(jī)和垃圾郵件?我們都經(jīng)歷過。

如果我們能編寫一條規(guī)則，讓郵箱通過郵件主題過濾郵件，這樣是不是就輕松多了?營(yíng)銷郵件會(huì)自動(dòng)轉(zhuǎn)到垃圾郵件。而工作郵件則會(huì)進(jìn)入我的主收件箱(等等)。這會(huì)讓我們的生活輕松許多。

[[274781]]

事實(shí)證明，這正是大多數(shù)電子郵件服務(wù)正在做的!他們使用機(jī)器學(xué)習(xí)來解析電子郵件的主題行并對(duì)其進(jìn)行相應(yīng)分類。以Gmail為例，谷歌使用的機(jī)器學(xué)習(xí)算法已經(jīng)接受了數(shù)百萬封電子郵件的訓(xùn)練，因此可以無縫地為終端用戶(我們)工作。

Gmail在提供默認(rèn)郵箱標(biāo)簽的同時(shí)，也允許用戶自定義標(biāo)簽：

主要郵件
社交郵件
推銷郵件

機(jī)器學(xué)習(xí)算法會(huì)在收到電子郵件后立即將其歸類到這三個(gè)標(biāo)簽中的一個(gè)。如果Gmail將其視為“主要”郵件，用戶會(huì)立即收到新郵件提醒。

當(dāng)然，Gmail也使用機(jī)器學(xué)習(xí)來判斷電子郵件是否是垃圾郵件。這一功能深受我們喜愛。多年來，谷歌的算法在判斷電子郵件是否是垃圾郵件方面越來越智能。這就是給機(jī)器學(xué)習(xí)算法提供大量數(shù)據(jù)的好處——而谷歌最不缺的就是數(shù)據(jù)。

(2) 谷歌搜索引擎

這是所有機(jī)器學(xué)習(xí)用例中最熱門的一個(gè)。每個(gè)人都用過谷歌搜索，絕大多數(shù)人每天會(huì)多次使用。但是谷歌搜索的工作原理是什么?

谷歌搜索已經(jīng)成為了一座無法逾越、不可攻克的大山。只有設(shè)計(jì)過谷歌搜索的人才知道它的工作原理到底是什么。可以肯定的是——谷歌運(yùn)用機(jī)器學(xué)習(xí)來驅(qū)動(dòng)其搜索引擎。

[[274782]]

谷歌不斷訓(xùn)練的數(shù)據(jù)量和不斷完善的數(shù)據(jù)量是無法想象的。世界上沒有計(jì)算器可以算出谷歌在過去20年里處理過多少問題。對(duì)于數(shù)據(jù)科學(xué)家來說，這是一個(gè)稀世寶庫!

現(xiàn)在想象一下，你得建立一個(gè)自己的谷歌搜索引擎。你會(huì)使用什么規(guī)則?你會(huì)涵蓋什么內(nèi)容?你要如何排列網(wǎng)站?下面這篇文章可以幫你打開思路：

谷歌網(wǎng)頁排名簡(jiǎn)易解讀!

傳送門：https://www.analyticsvidhya.com/blog/2015/04/pagerank-explained-simple/

(3) 谷歌翻譯

谷歌使用機(jī)器學(xué)習(xí)來理解用戶輸入的句子，將它們轉(zhuǎn)化為請(qǐng)求語言，再顯示輸出結(jié)果。機(jī)器學(xué)習(xí)深深植根于谷歌的生態(tài)系統(tǒng)，我們都從中受益。

幸運(yùn)的是，我們知道谷歌是如何利用機(jī)器學(xué)習(xí)來驅(qū)動(dòng)它的翻譯引擎的。以下文章可以幫助你理解并嘗試這一話題：

關(guān)于神經(jīng)機(jī)器學(xué)習(xí)的自然語言處理必讀教程——技術(shù)驅(qū)動(dòng)谷歌翻譯：

https://www.analyticsvidhya.com/blog/2019/01/neural-machine-translation-keras/

(4) 領(lǐng)英、臉書的推薦和廣告

社交媒體平臺(tái)是機(jī)器學(xué)習(xí)的經(jīng)典用例。跟谷歌一樣，這些平臺(tái)已經(jīng)將機(jī)器學(xué)習(xí)集成到它們的結(jié)構(gòu)當(dāng)中了。從家庭訂閱到你看到的種種廣告，所有這些功能的運(yùn)行都要?dú)w功于機(jī)器學(xué)習(xí)。

你經(jīng)常看到的一個(gè)功能是“可能認(rèn)識(shí)的人”。這是所有社交媒體平臺(tái)(Twitter、Facebook、LinkedIn等)的常見功能。這些公司使用機(jī)器學(xué)習(xí)算法來查看你的個(gè)人資料、興趣、你當(dāng)前的朋友、他們的朋友以及所有其他變量。

然后，該算法就可以生成與特定模式匹配的人員列表。最后向你推薦這些人，希望你可能認(rèn)識(shí)他們(或者至少擁有非常相似的個(gè)人資料)。

由于領(lǐng)英的這個(gè)功能，你可以與很多人都建立聯(lián)系。這一機(jī)器學(xué)習(xí)的用例對(duì)每個(gè)參與其中的人都有好處。

我們看到的廣告也是采用了相似的原理。這些平臺(tái)追蹤你的品位、興趣，特別是你最近的瀏覽或購買記錄，然后投送量身定制的廣告。如果你也是數(shù)據(jù)科學(xué)的愛好者，臉書或領(lǐng)英的機(jī)器學(xué)習(xí)算法可能會(huì)激發(fā)你深入學(xué)習(xí)的興趣。

下次使用社交媒體時(shí)可以留意這一點(diǎn)。這都?xì)w功于機(jī)器學(xué)習(xí)!

4. 銷售與營(yíng)銷中的機(jī)器學(xué)習(xí)用例

世界上的頭部公司都在利用機(jī)器學(xué)習(xí)來實(shí)現(xiàn)自上到下的戰(zhàn)略轉(zhuǎn)變。兩個(gè)受影響最大的領(lǐng)域就是營(yíng)銷和銷售。

現(xiàn)在，如果你在營(yíng)銷和銷售領(lǐng)域工作，至少需要知道一種智能商業(yè)工具(如Tableau或Power BI)。此外，營(yíng)銷人員還需要知道如何在日常工作中利用機(jī)器學(xué)習(xí)來提高品牌知名度、盈利底線等。

因此，這里有三個(gè)在市場(chǎng)營(yíng)銷和銷售中很常見的用例，機(jī)器學(xué)習(xí)正在改變這一領(lǐng)域的工作方式。

(1) 推薦引擎

我們之前簡(jiǎn)單地談到了推薦引擎。這些推薦系統(tǒng)無處不在。但是，它們是市場(chǎng)營(yíng)銷和銷售領(lǐng)域有什么用途呢?工作原理又是什么?

讓我們看一個(gè)簡(jiǎn)單的例子來更好地理解這一問題。在IMDb(和網(wǎng)飛)出現(xiàn)之前，我們都是去DVD商店或是在谷歌上搜索電影觀看。店員通常會(huì)推薦一些影片，然后我們就選幾個(gè)從來沒看過的電影碰碰運(yùn)氣。

[[274783]]

由于推薦引擎的出現(xiàn)，碰運(yùn)氣的日子一去不復(fù)返。我們可以登錄一個(gè)網(wǎng)站，然后就會(huì)根據(jù)個(gè)人品味和以前的瀏覽歷史推薦產(chǎn)品和服務(wù)。一些常見的推薦引擎有：

電子商務(wù)網(wǎng)站，如亞馬遜和Flipkart
圖書網(wǎng)站，如Goodreads
電影服務(wù)網(wǎng)站，如IMDb和網(wǎng)飛
酒店網(wǎng)站，如makemytrip、booking.com等
零售服務(wù)網(wǎng)站，如StitchFix
食雜網(wǎng)站，如Zomato和Uber Eats等

數(shù)不勝數(shù)。推薦引擎無處不在，而營(yíng)銷和銷售部門比以往任何時(shí)候都更依賴于這些引擎來吸引(和留住)新客戶。

推薦各位閱讀這篇初學(xué)者教程，學(xué)習(xí)如何構(gòu)建自己的推薦引擎：

從零開始構(gòu)建推薦引擎綜合指南(在Python中)：

https://www.analyticsvidhya.com/blog/2018/06/comprehensive-guide-recommendation-engine-python/

(2) 個(gè)性化營(yíng)銷

推薦引擎只是個(gè)性化營(yíng)銷總體概念的一部分。這一概念的意義就在于其名稱本身——它是一種根據(jù)個(gè)人需要量身定制的營(yíng)銷技術(shù)。

試想：你接過多少電話向你推銷“免費(fèi)的”借貸或信用卡服務(wù)?這些電話不想了解你的需求，清一色地推薦同一種服務(wù)。這種傳統(tǒng)的營(yíng)銷已經(jīng)過時(shí)，遠(yuǎn)遠(yuǎn)落后于數(shù)字革命。

[[274784]]

現(xiàn)在，想象一下這些電話都是根據(jù)你的興趣量身定制的。如果你是一個(gè)購物狂，并且購物記錄可以看出這一點(diǎn)，或許你會(huì)接到一個(gè)電話給你提供一項(xiàng)新的服務(wù)——增加你的信用額度。或者，如果你是一個(gè)機(jī)器學(xué)習(xí)愛好者，你可能會(huì)收到一封郵件推薦適合你的課程。

事實(shí)上，個(gè)性化營(yíng)銷的潛力是巨大的。機(jī)器學(xué)習(xí)可以識(shí)別不同的客戶群，并為每個(gè)客戶群定制營(yíng)銷活動(dòng)。你可以通過開放率、點(diǎn)擊率等指標(biāo)定期檢查活動(dòng)情況。

強(qiáng)烈建議各位閱讀以下指南，它可以幫助你重新包裝數(shù)字營(yíng)銷策略：

每位數(shù)據(jù)科學(xué)人士都必讀的：數(shù)字營(yíng)銷與分析綜合指南

傳送門：https://www.analyticsvidhya.com/blog/2018/12/guide-digital-marketing-analytics/

(3) 客戶售后詢問(以及聊天機(jī)器人)

如果你有過售后經(jīng)歷(誰沒有呢?)，那么你肯定可以從個(gè)人的角度理解這一點(diǎn)。那些可怕的電話、無休止的等待、懸而未決的查詢——所有這些都給用戶帶來了極其糟糕的體驗(yàn)。

而機(jī)器學(xué)習(xí)有助于消除這些障礙。利用自然語言處理(NLP)和情感分析的概念，機(jī)器學(xué)習(xí)算法能夠理解我們?cè)谡f什么以及說話時(shí)的語氣。

[[274785]]

用戶詢問可以分為兩類：

語音詢問
文字詢問

對(duì)于前者，機(jī)器學(xué)習(xí)算法可以檢測(cè)客戶的消息和情緒，根據(jù)客戶的詢問重新指派合適的售后人員，然后有針對(duì)性地解決用戶問題。

另一方面，文本詢問的工作基本都由聊天機(jī)器人承包。現(xiàn)在幾乎所有企業(yè)都在自己的網(wǎng)站上設(shè)置了聊天機(jī)器人。他們避免了漫長(zhǎng)的等待，并提供即時(shí)的回答——因此，這是一種非常實(shí)用的終端用戶體驗(yàn)。

我們收集了兩篇關(guān)于如何構(gòu)建自己的聊天機(jī)器人的文章，簡(jiǎn)單易懂，值得一看：

學(xué)習(xí)如何運(yùn)用Rasa迅速構(gòu)建和部署聊天機(jī)器人(以IPL為例)：https://www.analyticsvidhya.com/blog/2019/04/learn-build-chatbot-rasa-nlp-ipl/
運(yùn)用Python構(gòu)建聊天機(jī)器人——信息查詢的未來：https://www.analyticsvidhya.com/blog/2018/01/faq-chatbots-the-future-of-information-searching/

5. 安全領(lǐng)域中的機(jī)器學(xué)習(xí)用例

機(jī)器學(xué)習(xí)也正在擾亂安全行業(yè)。在傳統(tǒng)的安全行業(yè)中，保安們常常連續(xù)幾個(gè)小時(shí)坐在那里記下車牌號(hào)，阻止可疑的人——但這種做法正慢慢被淘汰。

企業(yè)正在使用機(jī)器學(xué)習(xí)來更好地分析威脅和應(yīng)對(duì)襲擊。這些用例既適用于現(xiàn)實(shí)威脅，也適用于網(wǎng)絡(luò)威脅(銀行欺詐、金融威脅等)。

(1) 視頻監(jiān)控

你肯定聽說過或讀過某個(gè)國(guó)家正在使用監(jiān)控來追蹤其公民(谷歌上一搜就有)。全世界的機(jī)構(gòu)都在利用視頻監(jiān)控來執(zhí)行各種任務(wù)，例如偵測(cè)入侵者、識(shí)別暴力威脅、抓捕罪犯等。

然而，這些都不是手動(dòng)完成的，不然就太費(fèi)時(shí)了。相反，這些監(jiān)控?cái)z像頭中都安裝了機(jī)器學(xué)習(xí)算法軟件。

[[274786]]

這些機(jī)器學(xué)習(xí)算法使用各種計(jì)算機(jī)視覺技術(shù)(如目標(biāo)檢測(cè))來識(shí)別潛在威脅和抓捕罪犯。

以下是安全領(lǐng)域中常見的機(jī)器學(xué)習(xí)用例：

“天眼”是一個(gè)可以偵測(cè)人群中暴力分子的機(jī)器學(xué)習(xí)項(xiàng)目：

https://www.analyticsvidhya.com/blog/2018/06/eye-in-the-sky-is-a-machine-learning-project-that-detects-violent-people-in-crowds/

(2) 網(wǎng)絡(luò)安全(Captchas測(cè)試)

“我不是機(jī)器人”——這句話是不是聽起來很熟悉?當(dāng)一個(gè)網(wǎng)站懷疑瀏覽者是機(jī)器人時(shí)，就是彈出這個(gè)按鈕。

這些測(cè)試被稱為CAPTCHA，全稱為Completely Automated Public Turing test(全自動(dòng)區(qū)分計(jì)算機(jī)和人類的圖靈測(cè)試)。我們需要識(shí)別紅綠燈、樹木、人行橫道和各種各樣的物體來證明我們確實(shí)是人類。

同時(shí)，網(wǎng)站還設(shè)置各種各樣的困難，例如紅綠燈和樹木被其它物體遮蓋、汽車變得模糊、人行橫道在較遠(yuǎn)處。為什么這些網(wǎng)站要如此刁難我們?原因還是機(jī)器學(xué)習(xí)。

網(wǎng)站Verge說得很好：

“CAPCHA測(cè)試很容易被拿來給人工智能做訓(xùn)練，所以任何圖形測(cè)試都只能是暫時(shí)的，這也是CAPCHA的開發(fā)者一開始就承認(rèn)的。所有研究者、騙子和普通人解決了數(shù)十億的難題，但是人工智能不費(fèi)吹灰之力就可以做到，在某個(gè)時(shí)刻，這些機(jī)器將超越我們。”

因此，谷歌正在使用機(jī)器學(xué)習(xí)讓CAPTCHA測(cè)試更難破譯。研究人員正在使用圖像識(shí)別技術(shù)來破解這些CAPTCHA測(cè)試，從而增強(qiáng)其后端的安全性。

6. 金融領(lǐng)域中的機(jī)器學(xué)習(xí)用例

機(jī)器學(xué)習(xí)中的大多數(shù)崗位都面向金融領(lǐng)域。這也無可厚非——畢竟金融是終極的數(shù)字領(lǐng)域。許多銀行機(jī)構(gòu)直到最近還在使用邏輯回歸(一種簡(jiǎn)單的機(jī)器學(xué)習(xí)算法)來處理這些數(shù)字。

金融領(lǐng)域的機(jī)器學(xué)習(xí)用例有很多。現(xiàn)在就看看兩個(gè)可能遇到過的常見用例。

(1) 抓捕銀行詐騙

你遭受過信用卡詐騙嗎?這是一段痛苦的經(jīng)歷。銀行要你填寫的文件數(shù)量加劇了欺詐對(duì)你的沖擊。

幸好，機(jī)器學(xué)習(xí)正在不同層次解決這一問題。從欺詐偵測(cè)到欺詐預(yù)防，機(jī)器學(xué)習(xí)算法正在改變銀行的工作方式，以改善客戶體驗(yàn)。

目前的挑戰(zhàn)就是要跟上網(wǎng)絡(luò)威脅的水平。這些網(wǎng)絡(luò)攻擊者在每個(gè)階段都比我們搶先一步，甚至兩步。一旦最新的機(jī)器學(xué)習(xí)解決方案出現(xiàn)，這些攻擊者就會(huì)在新方案的基礎(chǔ)上完善手段。

[[274788]]

盡管如此，機(jī)器學(xué)習(xí)確實(shí)有助于簡(jiǎn)化流程。這些算法能夠識(shí)別欺詐交易并標(biāo)記它們，這樣銀行就可以盡快與客戶取得聯(lián)系，檢查他們是否進(jìn)行了交易。

一個(gè)很好的例子就是看看消費(fèi)者的消費(fèi)模式。如果用戶的某次消費(fèi)不符合該模式(金額太高或來自不同國(guó)家等)，則算法就會(huì)提醒銀行并暫停交易。

以下兩篇由網(wǎng)絡(luò)安全和機(jī)器學(xué)習(xí)專家撰寫的文章解釋了如何構(gòu)建強(qiáng)大的惡意軟件檢測(cè)模型：

利用深度學(xué)習(xí)的力量確保網(wǎng)絡(luò)安全(第一部分)：https://www.analyticsvidhya.com/blog/2018/07/using-power-deep-learning-cyber-security/
利用深度學(xué)習(xí)的力量確保網(wǎng)絡(luò)安全(第二部分)：https://www.analyticsvidhya.com/blog/2019/05/using-power-deep-learning-cyber-security-2/

(2) 個(gè)性化銀行

另一個(gè)用例就是推薦引擎!這里的推薦引擎是專門針對(duì)銀行領(lǐng)域的。讀到這里，你肯定非常熟悉個(gè)性化了——所以在繼續(xù)閱讀之前，先思考一下個(gè)性化銀行是什么意思。

我們讀過一些文章，描述銀行針對(duì)不同的客戶群體提供量身定制的服務(wù)。而個(gè)性化銀行則將這一概念提升到一個(gè)全新的水平。

[[274789]]

理想的個(gè)性化情形是使用機(jī)器學(xué)習(xí)來預(yù)測(cè)客戶的需求，并瞄準(zhǔn)客戶群中的每一個(gè)客戶。波士頓咨詢的一份報(bào)告指出：

“銀行業(yè)的個(gè)性化主要目的不是銷售，而是每天、甚至是一天多次為客戶提供服務(wù)、信息和建議。在銷售中，銷售人員與顧客的溝通較少，與此相反，頻繁的互動(dòng)是客戶銀行體驗(yàn)的關(guān)鍵。”

以下是這份報(bào)告的全文：

銀行業(yè)的個(gè)性化真正意味著什么?：

https://www.bcg.com/publications/2019/what-does-personalization-banking-really-mean.aspx

7. 其他熱門的機(jī)器學(xué)習(xí)用例

這一部分的用例無法歸類到上述幾個(gè)部分當(dāng)中。我也會(huì)持續(xù)更新這一部分，所以就讓我們從一個(gè)非常有趣的用例開始——自動(dòng)駕駛汽車!

自動(dòng)駕駛汽車