机器学习的应用场景

机器学习是一种能够直接从数据中学习,而无需依赖规则编程的算法。不同于传统的进程开发方式,你不需要告诉进程应该怎么做(甚至你也不知道应该怎么做),只要提供数据来训练模型。因此机器学习能做到以传统开发模式不能或很难完成的任务。

应用场景

常见应用

  • 搜索:Google 在数以亿计的网页中找到你想要的内容。
  • 推荐系统:亚马逊通过机器学习来推荐可能需要的产品给用户。
  • 垃圾邮件过滤:Gmail 通过机器学习分辨出垃圾邮件。
  • 图像
    • 光学字符识别(OCR):扫描全能王提供扫描文档的功能。
    • 以图搜图:Google 提供以图搜图的功能,告别照骗。
    • 人脸识别:支付宝刷脸支付,美图秀秀。
    • 看图说话:Show and Tell: A Neural Image Caption Generator,自动生成图片的描述。Facebook 在图片加载失败时会显示自动生成的图片描述。
  • 语音
    • 语音识别:讯飞语音输入法、搜狗语音输入法。
    • 智能语音交互:如苹果的 Siri、微软的 Cortana。

移动端应用场景

机器学习在移动端会有一些不同的玩法,在移动端进行深度学习计算有几个优点:

  • 响应更快:由于不需要经过网络传输以及服务器对大规模数据进行计算,因此响应更快。边缘计算了解一下。
  • 节省资源:手机计算能力日益强大,并且 Google 和 Apple 都在硬件层面上对机器学习进行了优化。原本在服务器进行的计算工作被转移到端上,节省了服务器资源。
  • 隐私保护:不上传用户数据到服务器,最大限度保护用户隐私。
  • 离线使用:在本地进行计算,不依赖网络连接。

但是相应地也有一些局限性:

  • 模型滞后性:训练工作仍然不能在手机端完成,需要从服务器下发到移动端。
  • 只能使用简单的模型:

已有的产品:

参考