通俗的說，機器學習就是基于一些高度復雜的算法和技術，在一個非生命的物體、機器或系統中構建人類行為。制造一臺能夠符合數十億用戶期望的人腦復制品的機器絕不是一件容易的事。但也有一些項目正在解決基于情境、情感和思考等復雜的任務。

在深入研究機器學習功能的細節和精準度之前，先結合我們真實的日常生活總體感受一下，機器學習存在的重要性和意義：

[[214925]]

銀行、零售和電信

• 潛在客戶和合作伙伴
• 客戶滿意度指數(基于關系、交易、營銷活動等)
• 欺詐、浪費和濫用索賠
• 預測信用風險和信譽
• 營銷活動的有效性(比如提議被多少人接受了?被多少人拒絕了?有沒有決定性的影響因素?
• 交叉銷售和建議(例如，電商網站告訴你“購買這個產品的消費者同時也購買了那個產品”)
• 聯絡中心(幫助客服代表在與客戶的通話中獲取相關數據)

醫療保健和生命科學

• 掃描、篩選和生物識別
• 基于混合成分的藥物
• 基于癥狀、患者記錄和實驗室報告的診斷和補救
• 根據藥物、患者、地理位置、氣候條件、過往病史、食物攝入等數據的AECP(不良事件病例處理)情景。

一般

• 文字或語音書寫識別
• 調試、故障排除和解決方案向導
• 過濾垃圾郵件
• 短信和郵件分類或建議
• 支持問題并豐富KeDB(知識錯誤數據庫)
• 朋友和同事推薦
• 無人駕駛，通過構建人工智能和算法
• 圖像處理

安全

• 手寫、簽名、指紋、虹膜/視網膜識別和驗證
• 人臉識別
• DNA模式匹配

結論

對于人類的頭腦來說，反復數十億次的不間斷處理數據，必然是會感到厭倦的，這就是機器學習算法發揮關鍵作用的地方。

簡單粗暴的說：大數據+機器學習=天下無敵!