【猎云网（微信号：ilieyun
）】3月30 日报道（编译：Mancy）
毫无疑问机器学习正处于 hype curve （发展规律周期）模型的顶峰位置。当然，反响也异常激烈，仅在过去一周我就听了 20 遍这样的笑谈：机器学习就像青少年的情欲，人人都在谈论它，但是没有人真正了解它。但就在我身处的地方，有人运营了一家公司，让现实世界中大量的机器学习项目都变得可以施行，很明显，机器学习将极大程度地改变公司的运营方式。
它并非只应用于 Siri 和 Amazon Echo 这样新潮的产品，它的研发公司也不局限于我们通常认为的拥有大量研发预算的谷歌和微软。在现实中我敢打赌，几乎所有的 500 强公司都因使用了机器学习而获得了更高的效率和利益。所以机器学习身在何方呢？在这里我们介绍几款能让生活变得更美好的幕后应用。
赋予用户生成内容以价值
一般的用户生成内容有点吓人，实际可能比你想象的还要糟糕，这些内容充斥着错别字、低俗内容和完完全全的错误信息。机器学习模型可以确定用户生成内容的好坏，筛除糟糕的内容，让优秀的内容展示给别人，而这些过程都无需人工审核。
与之类似的情况还有垃圾邮件。还记得那些关于垃圾邮件的辛酸往事么？机器学习可以帮助确定哪些是垃圾邮件，而且基本上可以过滤它们。近些天，清晨检查收件箱时你会发现垃圾邮件日渐减少。希望在不远的将来用户生成内容也能达到这样的效果。
Pinterest 利用机器学习向人们展现了更多有趣的内容；Yelp 用机器学习整理用户上传的照片；NextDoor 用机器学习筛查留言板上的内容；Disqus 用机器学习来剔除垃圾评论。
更快发现产品
作为一家搜索公司，谷歌总是最先聘请机器学习的研究人员，这不足为奇。实际上，谷歌近期分配了一名人工智能专家负责搜索。但是，自 1970 年开始，搜索大型数据库和匹配关键字抓取结果的技术就已存在。谷歌的特别之处就是它知道哪一个匹配结果具有最大的相关性，而谷歌具备该能力的原因就是它使用了机器学习。
但是，不仅仅只有谷歌需要智能的搜索结果。家得宝也需要在巨大的货物目录中为某位客户不规则的浴室匹配合适的浴缸。苹果公司需要在其应用商店中展示相关应用。Intuit 需要在用户提交某一纳税申报表格时给出相应的帮助页面。
像 Lyst 和 Trunk Archive 等成功的电子商务初创公司都使用机器学习为自身的用户提供高质量的内容。其他初创公司如 Rich Relevance 和 Edgecase 会采用机器学习的策略，当商务客户浏览产品时，公司会将机器学习所获得的益处展现给他们看。
与客户打交道
你可能会注意到，近些年来，“联系我们”的形式变得更加稀少。那是机器学习简化了业务流程的另一表现。为了不让用户自行选择问题，不停地填写问题表格，机器学习会查看请求内容并将其导向合适的地方。大公司愿意在机器学习方面投资，因为他们已经看到了机器学习正向的投资回报率。
理解客户行为
机器学习亦擅长情感分析。对于不搞市场营销的人而言，舆论有时候是暧昧不清的东西，也会推动许多重大的决定。例如，一个电影工作室推出了某一暑期大片的预告片，他们可以通过获取社会的反响来看看目标观众的呼声在哪里，然后他们就会调整广告策略来让真正感兴趣的观众浮出水面。这样，工作室就不动声色地把观众带进了电影院。
另一个例子就是：一个游戏工作室近期在某款流行电子游戏的主线中推出了新的主题，然而当中却没有玩家期待的某个游戏模式。当玩家通过社交媒体开始吐槽时，工作室就能监测这些言论，找出自身的问题。然后，工作室会暂停他们的发布计划，等添加了新的功能之后他们就能把黑粉转为真爱粉了。他们是怎么从数百万的 tweet 中发现这些微弱的声音的呢？答案就是他们使用了机器学习。在过去几年中，通过机器学习监听社交媒体已成为标准的运营程序。
下一步？
处理机器学习算法是个很棘手的事情。正常的算法都是可预测的，我们可以透过现象看本质，理解它们是如何工作的。在某种程度上，机器学习更像人类。作为用户，我们有时候想不通纽约时报为什么会推送那些奇怪的广告，也不明白亚马逊为什么会推荐那些滑稽的书籍。实际上，纽约时报和亚马逊不能像人脑一样明白那些特定的结果，例如我们知道为什么晚餐选泰国菜，然而它们却不知道。
如果十年前你步入了机器学习的领域，除了谷歌和雅虎之外你可能找不到工作。而今天，机器学习无所不在。数据比起以往更为普遍，也更易获取。例如 Microsoft Azure ML 和 IBM Watson 的新产品降低了先进机器学习算法的准备成本和持续成本。
大众文化中的机器学习主要集中在人工智能的私人助手和自动驾驶汽车上，不过几乎你打开的每一个网站背后都有机器学习的支持，大公司投资机器学习并非因为它的流行或者先进性，而是机器学习能给他们带来可观的投资回报，这也是创新不断产生的原因。
