现实中的企业是如何用机器学习的
毫无疑问，机器学习被推到了话题的巅峰。当然，反对声也是掷地有声，仅在过去的一周，“机器学习就像青少年性行为，每个人都在谈论它，但没有人行动”这种笑话已经让人非常的无语。但就个人而言，幻想经营一个能使大量的机器学习项目成为可能的公司也是很有意思的。很显然，机器学习已经迫使企业的经营方式发生了巨大的改变。
机器学习不像Siri和AmazonEcho一样是一种前景性的产品，也不是只有像谷歌和微软等具有巨额研发预算的公司才能完成的产品。实际上，几乎所有的500强公司借助于机器学习已经使得其公司运行更加有效，利润也更大。
那么，这到底是怎样一种黑科技？
构筑由用户生成的有价值的内容
用户生成内容(UGC)并不如你想象中的好，实际上这比你想象的更糟糕，因为它可能包含着拼写错误、低俗甚至完全错误的信息。但是，通过识别最差和最好的UGC内容，机器学习模型可以过滤掉不良信息并筛选出优质信息，而不需要用户自己去标识每一块内容。
就像前阵子发生的垃圾邮件事情一样。还记得曾经垃圾邮件成堆是多么糟糕吗？但机器学习可以帮助你自动识别垃圾邮件，并彻底删除它。每天早晨在收件箱中寻觅不到垃圾邮件的踪影是多么棒的用户体验，希望在不久的将来这些都能发生在UGC。
Pinterest会给你带来更多有趣的图片内容；Yelp可以整理用户上传的照片；NextDoor可以帮助你整理留言板内容；Disqus会自动清除垃圾评论。
更快地找到产品
毫无疑问，作为搜索引擎公司，谷歌一直处于雇佣机器学习研究人员的最前沿。事实上，谷歌最近把一位人工智能专家专门用来负责搜索，它不仅仅具备为巨大数据库做索引的能力，而且还提高了自20世纪70年代就生成的关键字的匹配率。谷歌的特殊之处在于它知道哪个才是最相关的匹配结果，而它如何知晓？那便是通过机器学习。
当然并不仅仅只是谷歌需要智能搜索结果。其他公司例如HomeDepot公司需要从其庞大的库存中搜寻出哪些浴缸适合某一客户奇形怪状的浴室。Apple公司需要展示其应用商店里相关的应用程序。Intuit公司需要当用户输入特定的纳税申请表格时能呈现出良好的帮助页面。
从Lyst到TrunkArchive，成功的电子商务公司利用机器学习向用户展示了高质量的内容。其他公司，如RichRelevance和Edgecase运用机器学习策略，使得用户在浏览产品时享受到机器学习的快捷。
与客户交流互动
你可能已经注意到“联系我们”的形式在最近几年得到精简。这是机器学习简化业务流程的另一个方面。用户自主选择一个问题并填写无穷无尽表格的方式已经被取代了，机器学习根据用户的需要让其得到对应的接待。
标签的标价和安排，看似是一件小事，却成为大型企业一个巨大的开支。将销售团队的销售调查或客户服务部门的投诉进行合理的排序能节省公司大量的时间和金钱，同时也能确保问题得到重视并被尽快解决。
了解客户行为
机器学习还擅长情感分析。虽然舆论有时似乎和客户纠葛不清，但它实际上带动了很多重大决策。例如，假设一个电影工作室为一个暑季大片推出预告片。他们可以通过聆听社会的观点，看看有什么能与他们的目标受众群产生共鸣的，然后立即调整他们的广告使得人们所想的在预告片中得到回应。这将使电影大受欢迎。
他们是怎么从数以百万计的微博中搜寻出微弱的信号？他们使用机器学习。
在过去的几年中，通过机器学习，这种社交媒体监听方式已经形成了标准的操作程序。
接下来是什么?
处理机器学习算法是很棘手的。正常的算法是可预测的，我们可以打开看看引擎盖，看看它们是如何工作的。在某些方面，机器学习算法更像人，作为用户，我们要回答这样的问题，比如：“为什么纽约时报给我展示了这个奇怪的广告”或“为什么亚马逊会推荐这本有趣的书?”
如果十年前你要进入机器学习领域，那么你很难找到像谷歌和雅虎这样的公司。现在，机器学习无处不在。数据比以往任何时候都更普遍，也更容易访问。类似MicrosoftAzureML和IBMWatson的新产品能降低先进的机器学习算法的设置成本和后续成本。
与此同时，风险投资已经开始了。从WorkDay的机器学习基金到彭博Beta版再到数据集体，它们都专注于资助基金公司。几乎每一个行业利用机器学习都能形成相当大的优势。
在流行文化中，大部分关于机器学习的讨论总是围绕人工智能方面的个人助理和自动驾驶汽车(两个应用程序是非常酷的!)，但几乎每个你使用的网站背后都有机器学习的存在。大公司投资于机器学习不是因为它是一种时尚或因为这让他们看起来前沿，而是因为他们已经看到了可观的利润。这就是创新能得以延续的缘由。
无关风月 无关诗书！