老說演算法已經入侵我們生活，那機器學習都用在哪些地方？

1分鐘知識錦囊是36氪的日更問答新欄目，旨在每天以一分鐘為限，快問快答一個重要的商業問題。今天我們解答的是科技相關的問題。如果你對近期的商業世界還有什麼疑問，歡迎給我們留言，錦囊負責找高手為你解答。

今日錦囊答主： 中華萬年曆&微鯉科技CTO 杭建

機器學習是通過建立代碼，學習已知數據的潛在規律，目前主要用在資訊的個性化推薦、智能客服、圖像識別、語音識別、日程規劃、智能駕駛等地方。

其中文字識別、圖像識別、語音識別已經是廣泛應用。理解文本的技術在10年前就已經非常成熟，主要通過做詞性標註、提取關鍵詞，算重要性、情感等各種各樣分析的方法。圖像識別和語音識別則是在這兩年變得非常熱門，短視頻的興起、智能音箱的商業化都是促成原因。

通過大量的圖像幫助計算機建立起對內容的理解，給出一個圖像，機器就能分析出場景是在室內還是室外，有沒有人或動物，甚至圖像中人的情緒是高興還是沮喪，互聯網金融APP中的上傳身份證圖片對比人臉視頻做身份信息驗證，相冊App中的照片自動分類，手機/電腦的人臉解鎖，音樂App中的根據聲音識別歌曲，購物APP中的根據圖片識別商品等等都是這些技術的應用場景。

而個性化推薦系統則是近幾年內容創業的核心技術。基於APP內的海量用戶行為數據，利用用戶與用戶之間行為的相似度、內容與內容之間的相似度來計算用戶的偏好；通過用戶的歷史行為數據給用戶賦予特徵標籤，如一個用戶的畫像可以是體育、音樂、歷史；FM（Factorization Machine,因子分解機。基於矩陣分解原理，計算矩陣中的潛在因子）等個性化推薦演算法給用戶提供他們喜歡的內容，這已經被證明能夠大大提高用戶的活躍度、黏性和忠誠度。大部分內容產品都在往「千人千面」發展，無論是今日頭條、快手，還是即刻、中華萬年曆，都是個性化推薦系統的應用場景。

另外，無人駕駛技術是近幾年越發火熱的研究領域，已經有了一些產品出現。相信不久的將來，也會變為一種「普惠」的技術，讓所有人都能夠享受到機器學習帶來的優秀駕乘體驗。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！