导语：美国科技博客TechCrunch周日刊登CrowdFlowerCEO卢卡斯·比瓦尔德(LucasBiewald)的文章称，机器学习技术正成为热门话题，这不仅被用于人工智能助手和无人驾驶汽车等全新的领域，也被用在内容过滤、搜索引擎和数据挖掘等日常运营事务中，改变了企业运营流程。

　　以下为文章全文：

　　机器学习正成为热门话题，但与此同时也在遭遇质疑。仅仅过去一周，我就有20次听到这样的说法：“机器学习就像是年轻人初尝禁果。所有人都在谈论，但实际上没人真的去做。”

　　目前我正在经营一家公司，在现实环境中开展机器学习项目。在我看来，机器学习已经对企业的经营方式产生了重大影响。

　　机器学习的应用场景并不仅仅是Siri和亚马逊Echo等具有未来主义色彩的产品，而从事机器学习开发的公司也并不只有微软和谷歌这样的科技巨头。几乎所有“财富500强”公司都在利用机器学习技术去提高效率，赚更多钱。

　　以下是机器学习技术的几种应用，这让我们的日常生活变得更好。

　　1.让用户制作内容(UGC)更有价值

　　用户制作内容的平均水平不高，甚至比你想象中还要更差。这些内容中可能会有拼写错误或是不准确的信息。机器学习技术能帮你过滤出最优秀和最糟糕的用户制作内容。而不必任何人工介入。

　　垃圾邮件过滤的情况也是如此。垃圾邮件一度非常猖獗，而机器学习技术协助识别了这些垃圾邮件，并进行过滤。目前，用户收件箱中的垃圾邮件正越来越少。未来，用户制作内容的状况也将有类似的好转。

　　Pinterest利用机器学习技术向用户展示最有趣的内容；Yelp利用这一技术去筛选用户上传的照片；NextDoor则利用这一技术去过滤用户的消息板；而Disqus则利用该技术去筛除垃圾评论。

　　2.更迅速地查找产品

　　作为一家搜索技术公司，谷歌一直走在机器学习的前沿。实际上，谷歌近期正在让人工智能专家去负责搜索业务。对庞大的数据库进行编目，并根据关键词查询匹配信息，这项技术早在70年代就已出现。谷歌的优势在于，该公司能够知道什么样的结果对用户的相关性最高，而具体实现方式就是通过机器学习。

　　需要智能搜索结果的并不仅仅是谷歌。家得宝希望知道什么样的浴缸符合用户家中浴室的布局；苹果希望在AppStore中展示最具相关性的应用；而Intuit需要在用户填写不同报税表格时弹出适当的帮助页面。

　　成功的电商创业公司，包括Lyst和TrunkArchive，都在利用机器学习技术，向用户展示高质量内容。另一些创业公司，例如RichRelevance和Edgecase，也利用机器学习策略，给电商用户带来便利。

　　3.与用户互动

　　近几年，你可能发现许多网站的“联系我们”表格变得更简单。这也是由于，机器学习技术简化了商业流程。用户不再需要自行选择表格并填写，机器学习技术可以了解其中的内容，并将其转发至合适的目标。

　　这看起来不算大事，但问题的标记和转发对大企业来说是一笔不小的成本。将销售过程中的问题及时转发至销售团队，将客户投诉及时转发至客服团队，这将帮助企业节约大量时间和资金，并确保问题有着适当的优先级，尽快得到解决。

　　4.理解用户行为

　　机器学习在情绪分析方面也有着强大的能力。对非营销专业人士来说，公众意见往往显得模棱两可，但这却是许多重大决策的依据。

　　例如，一家电影制片商为今年夏季的大片投放了一段预告片。他们可以看看社交媒体上的讨论情况，以了解什么能够引起潜在观众的共鸣，并对广告进行及时的调整，最终将用户吸引到影院中。

　　又如，游戏开发商近期展示了一款新游戏，但缺少玩家期望的某种游戏模式。当玩家在社交媒体上抱怨时，这家游戏开发商将可以追踪到这样的情绪并理解玩家的反馈。最终，游戏开发商可以调整游戏发布时间表，加入这项功能，将用户的抱怨转化为卖点。

　　那么，要如何从数百万Twitter消息中找到有用的信号？答案是机器学习技术。过去几年，通过机器学习技术去挖掘社交媒体的信息已成为标准运营流程的一部分。

　　下一步是什么？

　　与机器学习算法打交道很微妙。普通算法具有可预测性，我们可以深入了解算法的工作方式。但从某些方面来说，机器学习算法与人脑有些类似。作为用户，我们希望知道，“为何《纽约时报》向我展示这条奇怪的广告”，以及“亚马逊为什么向我推荐这本有趣的书”。

　　实际上，《纽约时报》和亚马逊也不知道原因，就像我们的大脑不清楚为何我们今晚要吃泰国菜。

　　如果你在10年前就已关注机器学习领域，那么会发现，当时除了谷歌和雅虎等公司以外，机器学习的应用很有限。目前，机器学习已无所不在。我们获得的数据越来越多，而获取数据的门槛也越来越低。微软AzureML和IBM“沃森”等新产品降低了系统搭建以及运行机器学习算法的成本。

　　与此同时，风投也成立了专门的基金，例如WorkDay的机器学习基金、彭博Beta基金，以及DataCollective基金。这些基金专注于各行各业利用机器学习技术以求突破的公司。

　　在流行文化中，关于机器学习的大部分探讨集中于人工智能助手和无人驾驶汽车，但实际上用户与之互动的几乎所有网站都在后端集成了机器学习技术。大公司投资这项技术并非为了赶时髦，而是由于这能带来真正的帮助。它们已经看见了不错的投资回报，而这也是创新连绵不绝的原因。（维金）