我们可以用机器学习做什么

无论你是在搜索网页、阅读天气预报、驾驶汽车还是在智能手机上使用语音识别，你都很可能受益于机器学习。

机器学习是一门技术学科，它为计算机提供了从数据(观察结果)中学习的能力，而无需显式编程。它便于从数据中提取知识。机器学习擅长解决复杂的、数据丰富的业务问题，而传统方法(如人类判断和软件工程)在这些问题上越来越失败。

“十年前，我们很难找到10个基于机器学习的商业应用程序。现在我们很难找到10家不使用它的公司。”

虽然机器学习的基本概念已经存在了几十年，但人们对它的兴趣却空前高涨。在传感器数据可用性、带宽扩大和存储成本下降的推动下，数字企业越来越多地采用机器学习。

在此之前高德纳商业智能与分析峰会在印度孟买，亚历山大·林登他说:“十年前，我们很难找到10个基于机器学习的商业应用。现在我们很难找到10家不使用它的公司。”

在各个组织中有大量的例子可以证明我们可以用机器学习做什么。以下是一些例子:

• 销售和市场-构建用于产品推荐的机器学习模型，以预测客户最有可能购买哪种产品。他们将客户档案作为输入(客户活动、最近购买和个人信息)，并将其映射到预测客户对给定产品做出反应的可能性。
• 风险和欺诈管理-欺诈检测中的机器学习通常用于将交易描述映射到其可能性，表明正在进行的交易是否具有很高的欺诈可能性。在信用风险方面，它可以将贷款申请人的详细信息(人口统计数据和信用/付款历史)映射到他们对给定贷款违约的可能性。
• 智能交通-通过使用传感器数据、事故和道路工程了解交通模式，可以实现交通优化。机器学习模型预测延误或道路障碍，并为公共汽车、消费者和商用车辆推荐更快的路线。
• 供应链流程-资产绩效管理中的机器学习模型以风力涡轮机、太阳能电池板、核反应堆等资产的运行状况为输入，预测故障发生的时间。其目标是降低维护成本和减少停机时间。
• 医疗保健-员工预警系统中的机器学习模型将分析危险环境中的传感器数据，例如测量空气质量、设备性能或员工生产率，甚至是非典型行为，以预测事故发生的可能性。该应用程序已被广泛采用，以提醒卡车司机潜在的事故。

林登先生说，许多人认为机器学习就是自动化和消除人工输入。然而，尽管有一系列公认的例子，成功采用机器学习的前提是找到有才华的数据科学家，他们可以在理解其缺陷和限制的同时执行技术。