数据科学是IT的未来，而机器学习(ML)是利用数据无限力量的工具。自成立以来，ML通过发现新的和有利益的服务客户的方式，帮助公司识别痛点和捕捉机会。

随着时间的推移，ML工具变得越来越先进。大多数企业都在不断尝试获得健壮的ML模型，这些模型能够处理和分析更大、更复杂的数据集，并更快、更准确地交付结果。

随着不断的发展，ML变得越来越强大。它的应用现在已经扩大，几乎渗透到每个垂直行业，这种全行业参与是因为它能够满足一些最通用但最关键的需求。

机器学习的演变

让我们从一个简短的序言开始，看看ML是如何发展并成为21世纪最关键的技术之一的。ML的历史可以追溯到1960年的早期实验，当时Raytheon公司创造了一台名为Cybertron的“学习机器”，用于分析声纳信号和语音模式。

Cybertron是由人类教练用一个“傻瓜”按钮训练的，使用穿孔磁带存储器。1962年，Robert Nealey在IBM的7094上与计算机下棋，并输给了计算机。由于当时ML还处于初级阶段，因此这次胜利被认为是机器学习发展的一个突破。

如今，工程师们已经提出了四种主要模型，即有监督、无监督、半监督和强化学习，通过这些模型，企业可以发现有盈利的见解。

机器学习涉足各个工业领域

你打开Netflix，它会出现一系列网络连续剧、电影和纪录片。你滚动列表，Netflix的推荐引擎已经成功地让你对它的另一部剧产生了兴趣，但Netflix是怎么知道你的偏好的呢?

这很简单，根据你过去的节目和搜索，Netflix的推荐引擎中的机器学习模型已经挑选出了你的类型。但是ML的应用远远超出了建议，这就是为什么它在几乎每个领域都得到了广泛应用。

下面列出的是使用ML进行操作的最常见任务：

• 客户服务

无论是在线购物应用程序，外卖应用程序，还是知名公司的网站，聊天机器人已经成为在线访问者的常见情景。在线聊天机器人在最初阶段已经取代了人类互动。指导是由人类提供的，但机器人会回答常见的问题。

无论是介绍公司，协助客户最常见的功能，建议服装尺寸和配件，还是电子商务网站的虚拟销售人员，ml驱动的聊天机器人已经在所有垂直行业的客户服务中取得了成功。

• 销售和营销

机器学习解决方案已经彻底改变了销售和营销。在成长阶段，Facebook很聪明地以微妙的方式引入了ML。根据用户注册时输入的详细信息，Facebook会在用户页面上显示广告。

起初，广告是关于特定产品的，但Facebook很快就开始跟踪用户的浏览和搜索行为，显示变得越来越精确。

关键是ML有能力找出用户感兴趣的各种主题。如今，ML正在通过预测分析(包括制造成本、市场因素、基于区域的销售、收入等)帮助行业找到其产品的市场范围。

• 推荐引擎的个性化选项

这一点我们都很熟悉。Netflix、Etsy和Amazon——你能说出任何流行的电子商务网站、社交网络、在线流媒体平台或在线杂志，推荐引擎在跟踪用户历史记录方面做得很好，并让他们通过类似的选择来吸引他们。

推荐引擎可能相当有影响力，因为它们为访问者提供个性化的选择，这是行业积极参与ML模型的另一个原因，他们可能不总是能成功地转换线索，但他们至少知道如何产生影响。

• 电子邮件过滤和规避欺诈

虽然并非每个行业都是如此，但这对银行和金融机构来说很重要。由于这些行业的工作性质，他们几乎每天都受到垃圾邮件和欺诈邮件的轰炸，更不用说需要跟踪的无数的交易了。

坐下来删除每一封垃圾邮件，并把无用的邮件分类可能需要几个小时。但是有了ML，金融和银行组织可以很容易地检测到异常情况，并指出看起来可疑并需要适当调查的交易。

• 任务自动化

ML最有益的应用之一是任务自动化。在某些行业，如医疗保健和仓库，有一些重复性的单调任务，会消耗大量的时间。但多亏了ML，这些任务都被自动化了。例如，基于临床测试报告，ML模型可以建议适合患者的抗生素。

类似地，ML模型可以帮助教师通过简单地输入学生的测试结果来评分，该模型在计算分数和评估成绩后，可以相应地将学生归入合适的类别。

结论

说到技术，没有人能做出准确的预测。但如果有一件事是技术人员可以肯定的，那就是随着时间的推移，机器学习服务的使用和受欢迎程度正在增长。

由于其深远的影响，这项技术预计将以更好的洞察力和更准确的结果影响企业，从而最大限度地减少额外的资源利用并增加利润。

原文链接：https://ai.plainenglish.io/how-does-machine-learning-involve-every-industry-f534374b11af

---煤油灯科技victorlamp.com翻译整理---