几十年前，人工智能在工程师和开发者之间算是一个比较新潮的话题。但最近这些年，机器学习则以大数据的理想产物这一身份出现在人们视野中，它的出现为人工智能等领域注入了新的活力。
下面就来简单介绍一下2015年机器学习对于我们生活的影响以及我们对于它来年的期待。
2015年的市场变化
对于不熟悉机器学习的外行人来说，机器学习是人工智能下的一个子学科。它指的是无需人类指导，计算机算法就能自行获取新信息，不断学习并改善自身性能。
比方说，特斯拉推出的无人驾驶汽车利用的就是机器学习，这在2015年引起了一阵轰动。但事实上，机器学习能做的远不仅限于交通这一方面。
今年，谷歌、亚马逊、苹果、Facebook以及微软都相继开始研发机器学习。在谷歌重组成为Alphabet的时候，它就明确表示了公司会继续进军机器学习领域。而谷歌一贯的对手苹果则想要雇佣机器学习领域的专家来更好地预测顾客需求。亚马逊也推出了自己的机器学习平台。今年夏天，微软也揭开了Cortana分析套件的“神秘面纱”。
尽管上述一些公司并非是机器学习领域内的先驱，但大家对于机器学习的关注已经反映出未来日常生活中机器学习的重要地位。
Facebook更是重磅推出了人工智能助手“M”，并声称为通信应用Messenger打造的虚拟助手“M”能够完成一些复杂任务，非常具有实用性。
然而，在虚拟助手“M”完成任务的背后，这也隐藏着机器学习最关键的一点：“回路中的人（human in the loop）”模式。这一设计模式指的是：对于机器不能肯定做出的过程和决定，交由人类来完成。机器学习不会自动化每件事情。它们用算法来处理意图清晰的邮件和日程等方面的问题，把更复杂的消息和请求传递给人类。
展望2016，机器学习的关键一年
历来，计算机一直被用来提升人类做事情的效率和能力。这一点前端用户最有所体会，比如说计算机上自动完成输入以及拼写检查的功能。不过Facebook则彻底颠覆了这一模型，它要利用人类来完善计算机的工作。
基于“回路中的人”模式这一前提，机器学习将于2016年在计算方面完成质的飞跃并在多个领域做出突出成就。机器学习质的飞跃主要体现在三个领域：自然语言处理、个性化以及安全。
说同一种语言
2016年，自然语言处理（也叫做NLP）将会随着虚拟助手“M”的推广变得更加普及。
我们期待Facebook继续推广“M”，也期待它的竞争对手在使用机器学习的技术模式中可以加入“人”的要素。
随着开发者不断缩小人类语言处理与电子语言处理之间的区别，个人助手可以完成更多的任务，机器学习的发展速度也会随之加快。除了个人助手外，NLP还将在口语对话中扮演重要的角色：数字接线员将更具互动性、反应更快。
就日常生活而言，NLP还可以使计算机对纯文本进行及时分析，比如邮件、Word文档或是幻灯片中的纯文本。这将带来许多新的功能，例如自动事实检测以及自动电子引文和脚注。即便是那些被认为是只有人类才能做的事情（设计展示以及选择图片），计算机也都可以自动完成。
NLP还能够为邮件提供附件建议、在董事会报道中插入正确的图表、将普通的重要项目列表转化为高科技的视觉展示盛宴。此外，翻译服务也将得到大幅完善。很快，你就可以无需译员也能和那些说着不同语言的人进行在线交谈。翻译准确度很高，几乎不会出现误解。
变得个性化
在理解你说话内容的过程中，机器学习也在逐渐洞悉你是一个什么样的人，包括对你的性格特点进行深入评估。我们使用电子设备的次数越多，机器学习掌握的信息也就越来越多。自然而然，它就能更加深入了解我们。
而在用户端，这一点带来的最直接的不同就是更加鲜明的个性化搜索结果。对用户了解得越多，用户被迫看到的一些不必要甚至无关的广告数量也就会减少。
2016年，数字世界将会逐渐转变为你自己的个性化世界。你的计算机将会评估出你最好的朋友、你最喜欢的食物甚至你的心情。
增强安全性
通过完善用户身份验证，机器学习对用户了解越多，安全性越高。
行为特征已经证实这个方法非常有效：机器学习技术可以创造出属于用户独一无二的文件信息，它可以分析用户是如何在银行网页进行操作的。如果有任何异常情况，机器学习也可以及时提醒银行，从而防止诈骗行为。
机器学习的应用不仅限于银行业务方面。倘若有人以不符合你性格特点的方式使用你的信用卡和个人信息，信用卡公司或者其他安全服务都会收到警报提醒。
这一功能还能应用于设备安全领域。比方说，如果你的电脑和手机运行程序或连接设备的方式与你的文件信息不符合，你就会收到警报提醒。这样的系统可以抵制恶意软件、木马程序的出现并能阻止黑客入侵。
2015年，我们不过是领略到了机器学习技术发展潜力的冰山一角。如今，最具科技头脑的专家们都在致力于创造出可以自行学习并且适应外界变化的设备，从而免去“人”这一要素。
机器学习已经成为了我们日常生活中越来越重要的一部分。尽管一些大公司在机器学习领域已经领先一步，但我们更期待2016年能够出现一些小型、灵活的初创公司来引领机器学习领域的新方向。
