一个历史性事件在2016年3月展开。AlphaGo项目在Google DeepMind挑战赛中战胜了职业玩家Lee Sedol，这证明了人工智能（AI）已经走了多远："Go的简单规则和复杂的可能性使其成为人工智能研究领域最受欢迎的里程碑之一，"Verge的Sam Byford写道。计算机自主学习的想法已经存在了几十年。那么，人工智能研究，发生了什么变化？

为什么机器学习近年来取得了如此大的进展？

为什么机器学习现在是可能的

计算能力的提高使机器学习成为可能。在游戏的驱动下，图形处理单元（gpu）最近在简单运算的并行计算水平上提高了性能，这是深度学习算法最常用的方法。加上多核架构以及内存数据库的广泛采用，这为机器学习算法的高效实现铺平了道路。

机器学习成为可能的另一个原因是大数据。各种来源提供的大量数据集（如文本、图像、地理空间数据）是训练机器并允许机器学习的基础。

机器学习过程

以Facebook为例。在照片上标记单个人脸（用名字）的能力已经形成了世界上最大的人脸数据库。Facebook可以教和训练机器学习视觉识别。机器获得的数据越多，识别人脸的能力就越好。

此外，机器学习的基础研究带来了更复杂的学习算法和对学习本身基本原理的更好理解。基本算法，如人工神经网络，模仿人脑。人们可以想象一个类似神经元的单位网络，类似于大脑的突触。这些网络可以学习输入数据中复杂的非线性结构，大数据研发，并允许机器获得诸如看、读、写、听和说等能力。这是通过在正在进行的机器训练阶段应用监督学习技术来实现的。

强化学习（RL）通过建模学习算法和环境之间的行为和反馈（即奖励或惩罚）来扩展监督学习，从而将这些能力的范围扩展到复杂的任务，例如驾驶汽车或者玩围棋。在机器学习算法的基础上，机器可以被训练来解释未来非常复杂的情况。

最后，机器学习正成为主流，因为它更容易应用。这是由于大量免费的、高质量的、开放源码的软件包使得大量的数据科学家和开发人员可以使用机器学习。开放获取的在线资源也是如此，比如大规模的开放在线课程（MOOC）、关于机器学习的书籍和博客。

商业软件中的机器学习

Go计算机或社交媒体人脸识别预示着消费和商业软件将发生根本性的转变。Tractica预测："用于企业应用的人工智能系统的市场将从2015年的2.025亿美元增加到2024年的111亿美元，以56.1%的复合年增长率增长。"很快，机器学习将成为企业解决方案的一个组成部分–使机器成为我们的数字合作伙伴。

机器已经可以"看到，"这意味着他们能识别物体，比如图像和视频中的产品。想象一下这对制药公司意味着什么。他们需要确保某些化学物质不会彼此存放得太近，以防止发生化学反应。在移动应用程序的帮助下，仓库工作人员可以用智能手机拍照，建站系统哪个比较好，并根据机器的图像识别能力，从集成的ERP系统中获得有关物品是否正确存储的即时反馈。

机器还可以"阅读"和"理解"文本。例如，在人力资源领域，公司将高达60%的时间用于筛选某一特定职位的候选人。机器学习可以帮助招聘人员自动匹配简历，以确定一个工作的最佳人选，或一个有前途的申请人的最佳工作。这使得招聘人员可以花更多的时间面试候选人，而不是手动筛选成千上万的简历。

机器可以"写"。它们可以分析结构化和非结构化的上下文信息，并自动生成报告。以保险业为例。机器可以在简单的保险案例中做出初步的决定，并准备一封回复信，人工智能软件下载，而不是代理人筛选每一项索赔。这使得保险公司能够更快地处理索赔，提高生产效率。

最后，机器可以"听"和"说"。系统可以从大约40个维度分析人声，例如速度、音量、单调性等。这是客户服务的关键。想象一下，一个客户打电话给一个聊天机器人，渐渐地，云服务器商，他变得更加愤怒。通过在不同的上下文中收集语音数据，机器可以提高其监视对话音调的认知能力，更重要的是，将案例路由到呼叫中心代理以解决更复杂的问题。

这些只是机器学习如何将智能引入商业环境的几个例子。显然，机器学习有着巨大的潜力。

请关注我的Twitter（@JMïu SAP），了解更多关于机器学习的信息！

分享你的想法。

对你昨天在班加罗尔科技教育学院的演讲印象深刻。我相信现在正是开始构建实时人工智能代理的时候。我还认为，我们应该让SAP（一些特定的事务）以认知的方式工作并看到结果，而不是仅仅取代手工工作。