机器学习是人工智能的一个分支，它在大量积累的数据中发现模式，以便进行预测和决策。
大型数据集日益增加的可用性和巨大计算能力的获取已引起人们对机器学习的兴趣。机器学习正被用于解决复杂的业务问题和自动化决策。机器学习与之前专家开发算法的人工智能方法形成鲜明对比。
它是什么？
机器学习是人工智能的一个分支，其中计算机算法将识别数据中的模式，并应用这些模式进行预测。
如今其被广泛使用，并且是诸如 Netflix 的推荐引擎、特斯拉的自动驾驶汽车和语音转文本应用程序等的核心。
机器学习兴趣的激增是由于可用于训练模型的大型数据集的现成可用性和云计算的出现，这使人们获得了大量的计算能力。
最近发现的机器学习受欢迎的一个领域是深度学习——一种使用大量计算能力构建所谓的神经网络的方法，其几乎像大脑一样运行。
有何益处？
机器学习的成功部署可以让企业做出预测，并自动执行部分决策。例如，您可以引入聊天机器人来处理一些基本的客户交互，例如回答常见问题。
您也可以使用机器学习作为创新新产品或服务的一部分。围绕自动驾驶汽车的发展，汽车行业对机器学习有着浓厚的兴趣。
明智地使用机器学习可以降低运营成本、改善账本底线、提高劳动生产率，并使您能够更快地做出更好的决策。
需考量的因素？
机器学习高度依赖于训练数据的质量。如果您的数据集存在缺陷，模型可能会学习做出糟糕的决策，或通过使用数据集的固有偏差来产生不道德的结果。
更令人担忧的是，当前许多数据集已显示存在偏差。如果其被用来训练模型，您可能最终会做出歧视性的决策。为应对这一风险，人们越来越有兴趣了解和解释机器学习系统如何做出决策，以及为研究这些举措的团队提供多样性。
虽然访问、培训和部署机器学习模型变得越来越容易，但聘请数据科学家（确保成功的步骤）成本仍然较高。
如何应用？
机器学习正在许多行业和各种规模的组织中兴起。
众所周知的例子包括特斯拉的自动驾驶汽车、苹果公司的 Siri 数字助理和 Netflix 的推荐引擎。许多银行在欺诈检测系统中使用机器学习；电子邮件供应商使用机器学习来筛除垃圾邮件。机器学习已被用于帮助医生采用 X 射线识别肿瘤和监控系统中的面部识别。
其中许多例子是利用机器学习快速分析大量数据，以发现模式、做出预测和决策。
Would you like to suggest a topic to be decoded?
Just leave your email address and we'll be in touch the moment it's ready.