技术的快速发展为我们带来了长期以来只被科幻作家想象的产品。使用这项技术连接地球，为扩大人类互动和知识共享开辟了新的大门和新途径。过去看起来如此遥远的东西更接近被实现。其中一些智能技术包括自动驾驶和停车，即时语言翻译，跨时区的视频聊天，甚至还有个性化的杂货送到您家门口。但随着这些进步，有多种方法可以对技术进行分类。

人工智能和机器学习之间存在一系列差异。在表面层面上，它们几乎看起来相同，因为它们都依赖于大量使用阴谋和计算机来完成任务。考虑到人工智能是更广泛的概念，机器学习是一种更集中的方法。不过，这个话题有点复杂。例如，计算机，移动设备以及独立扬声器上可用的越来越流行的语音助理利用人工智能和机器学习。

机器学习可以定义为记录用户数据并进行适当调整以改善用户体验的不断发展的算法和程序。这与人工智能形成对比。人工智能（AI）是指机器使用类似人类的感官知觉（光，声等）处理信息的能力，用于识别声音，做出决策和模仿人类行为等事物。

无论是一起使用还是单独使用，这两方面都有助于推动技术发展 我们如何利用这些机器来改善我们的生活，很大程度上取决于我们对技术的需求以及我们如何使用它来解决问题。将以下内容视为利用人工智能和机器学习的一些最佳应用程序。

人工智能和机器学习的最佳用途

电子邮件通讯

电子邮件仍然是与他人沟通的更便捷方式之一。它可用于个人通信，例如信号安全到达手机使用不是最佳的地方，或用于更专业的目的，如安排采访。但是仍然很难跟上收到收件箱中所有电子邮件的响应。如果你有多个收件箱，每个收件箱都有自己的功能，那就更难了。而且由于消息有时是敏感和保密的，因此可能不是让别人为您解答的最佳选择。

为了解决这个问题，Google正在开发一个新的电子邮件界面，您的收件箱可以在其中解密邮件并为您做出回应。只需点击您要发送的响应即可获得所需的全部内容。这被称为智能回复。智能回复旨在通过在电子邮件末尾提供三个现成的响应来优化电子邮件通信。这些通常是通用的回复，可以确认信息，拒绝信息或进行查询。如果您不喜欢通用选项，可以根据您的需求进行定制。谷歌还提出了一个名为Allo的应用程序，该应用程序也可以执行这些任务，但是在即时消息中。

手机银行存款

即使提高了出纳员和自动柜员机，但有一点没有真正改变的是银行分行开放的时间。通常遵循非常严格的工作日安排，到银行可能会很麻烦。更重要的是，即使大多数提供在线服务，与实际的银行柜员交谈也可以帮助更快地解决财务问题。还有一些更大的财务决策，通常涉及要求客户找到分支机构的贷款。许多人需要做的一件简单的任务就是存入支票。当直接存款不是一种选择时，必须开车到银行存入支票然后等待48小时或更长时间来处理它可能是一个很大的不便。

像Chase这样的银行现在提供在线移动支票存款。大多数银行使用Mitek开发的技术，该技术将人工智能和机器学习结合起来，将手写，银行路由号码转换为可上传到用户帐户的数据。用户所需要的只是通过应用程序访问他们的银行帐户，并能够拍摄支票照片。AI和ML能够识别可接受的签名并且可以加快存款。

学术诚信

在很大程度上，学校课程多年来一直忠于同一阅读清单。这意味着在线提供了大量可用于帮助学生理解材料的信息。然而，这也意味着学生可以随时获取信息并尝试以自己的方式传递。抄袭是教育中更为一致的问题之一。有些学生会选择改变一些单词，而其他学生会大胆地逐字复制论文和演讲。不幸的是，由于教师无法研究他们必须阅读和评分的每一篇论文的来源，因此有些人能够侥幸逃脱。

有像Turnitin这样的节目; 但是，这有助于减少不诚实提交的百分比。通常，这些服务依赖于使用搜索功能将学生的工作与存储在数据库中的丰富知识进行比较。但这意味着数据库存储数据之外的任何内容都可能传递。机器学习有可能提高检测抄袭的准确率。它不是依赖于单个数据库，而是可以通过机器随时间学习的单词或短语来触发。

信用评级和批准

信用评分是可以帮助或阻碍某人进行传统大额购买的评级。在试图购买房屋或汽车时，大多数消费者需要获得银行的帮助才能获得贷款以支付费用。信用评分可以确定贷款条款的利率，长度和其他因素。它还可以帮助银行证明拒绝贷款的合理性。验证您的所有个人信息可能需要时间并影响定制条款，而不是金融机构提供的条款。随着机器学习的发展，您的信用评分将不是您评估风险的唯一方式。信用评分的目的是根据您是否有能力及时向贷款方付款来确定是否应该给予贷款。在批准信用卡，房屋贷款甚至教育贷款之前使用这种善意的协议。机器学习不仅可以通过获取和保留有关客户的知识来加快这一过程，还可以帮助确定实际风险评估的高低。利用这项技术的银行和其他贷方可能会看到他们所负责的拖欠账户数量急剧减少。

FACEBOOK的

Facebook融合了社交互动的诸多方面，因此可能认为不必使用机器学习或人工智能。相反，正是这两个概念的存在继续使Facebook不仅具有相关性而且易于使用。例如，机器学习是Facebook面部跟踪的主要原因，它允许人们在照片中进行标记，即使他们的面部并非完全处于朝前的位置。他们通过收购以前独立的面部识别公司（如Masquerade和Face.com）取得了成功。但他们的人工智能不仅仅用于跟踪人脸。

新闻源上看到的内容是根据您的喜好定制的。最近的故事可以选择，这些故事是您朋友或家人的按时间顺序发布的帖子，也是您网络中最受欢迎的帖子的热门故事。目的是显示更多符合您兴趣的帖子。还有一个开发使用AI来解码文本消息以获得意图。例如，键入与预约相关的单词可能会打开一个日历应用程序，而写一些地方可能会询问有关调用优步或Lyft的问题。

购物搜索引擎

随着技术的兴起，网上购物已经发生了革命性变化，部分原因在于机器学习和人工智能。算法可以对它预测的事物进行分类和分组。例如，亚马逊在浏览会话之后将编制一份根据您的偏好定制的特定产品列表。这些可能完全超出您所寻求的范围，但仍然可能具有吸引力。虽然尚未公布机器或AI如何能够制作这些组，但它对加快在线购物流程肯定是有帮助的。

通过将产品的各个方面与搜索参数相关联，AI不仅使在线购物更方便，而且更有效。搜索墙贴花的人不想滚动数十页与贴花以外的东西相关的页面。来自AI的这种学习行为也是企业提高销售百分比的一种方式。神经网络可以利用首先呈现最相关的产品。这样，潜在客户降低了沮丧，无聊或分心并且没有完成销售的机会。

聊天机器人

在互联网上，术语bot是机器人的缩写，用于区分人类用户和计算机程序。机器人已经使用了很多年，以此来打发时间。早在AOL Instant Messenger上的即时通讯程序就有了可用于通讯的机器人。一些机器人被触发用户的消息响应。然后机器人将提供即时响应，解释预期的接收者不可用。虽然是原始的，但这是今天正在开发的基础机器学习的一个例子。聊天机器人通常需要使用机器学习元素和人工智能序列来创建对指定语言而言自然的响应。

像Wit.ai这样的语言处理软件让开发人员可以创建聊天机器人，这些聊天机器人不仅能够实时响应，还能以模仿人类语音的方式进行响应。聊天机器人在如何使用它们方面实际上非常通用。有些用于娱乐，有些则用于娱乐。Slack是一家专注于联合同事和业务团队的通信服务公司，它可以将能够展示人工智能的第三方机器人集成到他们的系统中。其背后的目的是允许用户始终获得实时响应。  

个性化购物体验

这是一个微妙的特征，但成功和广泛普及的在线购物的关键是客户个性化。通过创造独特的购物体验，在线购物变得更加轻松和愉快。与离线购物形成对比，客户可能会被产品选择所淹没，或者因缺乏客户服务而感到沮丧。使用机器学习和人工智能来提供符合您兴趣的产品也意味着客户更有可能继续购买而不是简单地浏览。然而，不仅所展示的产品类型使购物体验变得个性化。这些知识使机器能够适应信息的显示方式。

创业公司LiftIgniter旨在利用在线个性化。它们为各种在线业务提供该功能。研究表明，消费者更有可能成为回头客，如果他们感觉自己已经建立了个人关系或联系，他们也会推荐一家企业。使用机器学习可以通过减少购物体验和更加以客户为中心来帮助创建这些关系。

针对卡片的欺诈预防

信用卡和借记卡使在线购物变得简单易行。有内置的安全功能，如芯片数据加密和通常在卡背面的三位数代码，旨在使卡更安全。许多消费者不知道的是，对于每张卡交易，企业必须支付少量费用。此费用用于抵消服务费用。欺诈性情况导致企业必须支付的费用增加。这些费用还包括客户将使用的卡终端的运营或租赁费用。然而，这些终端不再局限于实际建筑物。

有一家名为Square的信用卡处理公司租用一个小型读卡器，可以连接到小型企业主或移动交易的手机上。如果没有信用卡，他们会向客户收取更多费用。这些类型的公司使用的人工智能不仅仅跟踪可能的欺诈交易。他们还降低了错误拒绝的卡交易金额。这一点至关重要，因为即使卡被拒绝，企业仍然有责任支付相关费用。

SNAPCHAT

最初发送快速和非永久性视觉或视频消息的简单方法已经成为社交媒体的最爱。使用Snapchat之前只是记录短事件的一种方式。消息无法保存，并且会在一天内消失。自最初版本发布以来，Snapchat的模型发生了一些重大变化。例如，快照（视频或照片）现在可以由海报或观众保存。还添加了基于所收集的关于用户的年龄组，位置和娱乐兴趣的数据生成的故事馈送。

这些故事是机器学习的结果。然而，将Snapchat与其他社交媒体分开的一个主要问题是使用面部过滤器。与应用于整个图像的Instagram或Facebook过滤器不同，这些过滤器专门用于改变用户的脸部，有时甚至是语音。这些面部过滤器，称为镜片，在人的脸上覆盖了数字面具，包括化妆，眼镜或鲜花。它们不仅限于静态图像，有些还具有动画更改的潜力。机器学习允许数字叠加层保留在用户身上，即使它们移动并且有时需要激活运动。

教育评分

从小学到大学的最高层，有大量的作业需要由教授评分和评审。有些是简单的，因为它们只需要上交，而其他需要更多的审查来检查语法或计算错误。其他时候，与标准化测试一样，在提交之前需要检查实际等级本身。机器人阅读器，自动分级系统的开发是机器学习应用程序之一，可用于提高此过程的效率。机器人阅读器被用作一对平地机的一侧，另一侧是人。他们各自独立评分材料; 都训练有素找到正确答案。

对于像数学或科学这样的科目，这可能非常简单。但更多涉及创造力或意见的开放式主题，如英语，需要更先进的学习技术。如果人类读者和机器人阅读器提交的方差分数太大，则会引入另一个人类评分者作为决定因素。有些人担心学生可能会学习机器人阅读器的触发器短语并以这种方式操纵他们的成绩，但随着机器变得更加智能化，这种情况不太可能发生。

欺诈识别

许多消费者在使用在线服务时有一个主要的担忧，包括购物，支付账单甚至只是发送消息。恐惧是身份盗窃和信用卡欺诈。潜在的诈骗者有很多方法可以获得这些信息。这些设备包括通过将数字频率扫描到甚至像黑客入侵社交媒体帐户那样基本的东西来以数字方式克隆信用卡号码的设备。大多数数字用户都会小心，但仍然会发生网络攻击。通常，大多数用户在发生攻击之后以及在发生可疑指控之后都不知道攻击。这可能是一种代价高昂的情况。幸运的是，正在开发的人工智能程序可以在这些事务发生之前发现它们。

FICO是信用评分和评级领域的领先公司，它使用神经网络。这些网络预测欺诈交易的可能性并否认它们。拒绝是基于从用户的常规交易历史中提取的信息的组合。因此，根据请求交易的卖方类型，请求交易的地点（包括邮政编码和国家/地区）以及购买频率，网络可以确定帐户使用的有效性。

过滤垃圾邮件

无论是纸质形式还是数字收件箱，获取正确的邮件有时会很麻烦。无论是将邮件发送到错误的地址还是作为一堆不需要的目录广告，邮件分拣都很麻烦。电子邮件也容易受到这些问题的影响。垃圾邮件可以来自许多不同的地方。后台程序或有害链接可能会将您的电子邮件地址暴露给不需要的律师。您可能会看到电子邮件，祝贺您赢得奖品，提供大笔资金或为您提供虚假的工作前景。对它们进行排序以保持收件箱畅通可能需要至少一个小时。

通过使用机器学习，垃圾邮件可以在进入主收件箱之前进行过滤和拒绝。它的工作原理是将符合预定义字符串的电子邮件（即尼日利亚王子等）以及某些可疑的电子邮件句柄分组。这更多地基于机器学习而不是人工智能。收件箱脚本必须以几乎恒定的速率学习，以便准确地过滤掉不需要的消息。它必须学会根据元数据信号解码消息，这些信息通常是发送消息的人，消息的来源，消息的主题，以及是否存在可能有害的附件，如病毒或恶意软件。

财务咨询

毫无疑问，随着人们成为成年人并对自己的财务负责，他们将不仅要考虑保护而且要花费他们的资金。出于多种原因，询问朋友或家人可能是困难或不明智的。一般来说，没有两种财务状况是相似的，对一方有用的东西对另一方来说可能是灾难性的。同样地，对于当前工人阶级而言，上一代工作的方法可能不是一个可行的选择。

因此，许多人聘请基金经理和会计师，他们可以利用他们的经验帮助做出更好的决策。但即便是这些选择也会留下人为或文书错误的空间。这就是为什么像Betterment这样的初创公司正试图通过机器学习和人工智能来实现这一过程的自动化。该公司使用经验丰富的财务顾问和投资者的数据来指导他们的消费者。除了能够访问这些知识之外，使用机器而不是人意味着客户将支付更低的成本。

另一家公司Wealthfront宣布其推动人工智能驱动的金融建议的使命，宣称它将更加个性化，从而提高效率。  

PINTEREST BOARD CREATION

Pinterest背后的概念基于之前的创建外观书或视觉板的做法，这些实践表明了一个人对特定主题的兴趣。这可以是从时尚，烹饪到室内设计。一般的想法是收集灵感剪报并保存它们以供将来在项目中使用。应用程序背后的程序称为计算机视觉。计算机视觉使用人工智能脚本来教授计算机如何查看。这种“观察”是AI根据图像的特定元素将可视图像转换为用于固定的数据的手段。

例如，如果用户想要基于主题蓝色头发创建板，则AI将从数据库中提取它已经看到的与主题匹配的所有图像。当新的引脚与之前的主板匹配时，AI甚至会发送用户警报。Pinterest的AI不仅能够收集图像并创建类似的警报。它允许搜索优化，用户根据他们选择的主题搜索应用程序的记录。还有一个背景元素，其中机器学习跟踪搜索历史，优先化某些广告用于货币化，可用于增强的电子邮件营销并且还阻止垃圾邮件到达其用户。  

在线推荐

想象一下，你去餐厅，你想要的菜已售罄。工人不是空手而归，而是建议一种类似于你想要的替代方案。它可以在价格或口味上相媲美，但重要的是你现在可以选择购买它。在线推荐的工作原理非常相似，尽管产品并不总是需要缺货才能将它们作为备份提供给您。浏览互联网时，数据存储为cookie。这些cookie只是机器学习的一个要素。

在浏览过程中，机器正在了解您喜欢和可能购买的内容。作为回应，它可能会向您展示与产品或服务相关的广告。同样，您的数据会被压缩并与具有类似兴趣的其他用户进行分类。这允许人工智能显示根据购买的与您的数据类型匹配的其他用户分组的产品。多项研究表明，如果其他人在他们之前购买了东西，他们更有可能购买东西。

更短的通勤时间

通勤是困扰劳动力的最不受欢迎的方面之一。多年来，在多个城市，由于以前的城市规划模型无法跟上不断增长的人口和大型车辆的步伐，交通状况变得更糟。有一些尝试，如HOV车道或同事之间的共乘促销，以帮助缓解长途通勤时间。

通勤不仅仅是浪费时间而是损失金钱。平均而言，由于通勤因素，生产成本损失超过1000亿美元。像Waze这样的机器学习应用程序可以通过基于人工智能决策提供更好的路线来响应当前的交通状况，即使出现像事故这样的突然变化，也可以帮助上班族。

语音到文本命令

这些天，与我们的机器交谈是标准的。像“Alexa”或“Okay，Google”这样的触发器会提醒相应的人工助手回复并提供帮助。音频也可以转换为文本。我们认为典型的和有些预期的机器学习响应实际上是多年数据处理和音频转录的结果。即使是最先进的计算机也能够处理不同的重音和压力。目前，Google语音搜索由人工智能计算驱动的神经网络提供支持。微软也有自己的网络能够转录音频对话，从而简单地通过说话的方式回复短信或电子邮件。

真正的自动驾驶仪

乘飞机旅行一直是旅行的一个障碍，包括航班延误和超额预订等障碍。飞行员表演也存在一些问题。被陶醉或疲劳等条件可能会使飞行变得危险。自从航空旅行开始以来，自动驾驶仪以其最基本的形式被用于飞行。在飞行期间有几种仪器同时运行。一些监控机舱压力，确保乘客可以获得适量的氧气，而其他人则检查温度和风向的大气读数。

让两名能够读取测量值的人类飞行员成为确保安全和实时响应突然变化的一种方法。但是，通过将高级AI集成到自动驾驶仪软件中，可以进行更准确的反应。波音公司是私人和商业航班的领先公司之一，估计每次飞行的飞行员参与度实际上不到十分钟。当他们在那里监督和监控计算机飞行员时，人类飞行员主要用于起飞和降落。

智能住宅

个人语音助手只是智能应用程序发展的一小部分。它们主要用于娱乐目的，如播放音乐或轻松商务应用程序，如拨打电话或安排约会。它们可以通过蓝牙连接到其他设备，但即使这样也有局限性。Facebook首席执行官马克扎克伯格模拟了一个家庭人工智能个人助理的高级模拟。虽然它能够执行所请求的任务，但它受到可用设备的可用性的限制，可以处理并准确地响应请求。

智能家居的工作原理与集中式AI相同，可以控制整个家庭中的多台机器。这可以包括一系列活动，从烹饪餐到设置闹钟和打开窗户。随着人工智能和机器学习变得更加发达，这些家庭将有可能存在。

搭车

像Lyft或Uber这样的搭车公司如何向客户收费的因素主要基于人工智能和机器学习。此数据的编译用于确定驾驶员 - 驾驶员供需关系何时何地可能发生变化。例如，一个体育赛事可能会看到一个区域的激增定价（基于高需求的增长率），就像新年前夜一样。但是在标准通勤时间之后的一个星期三早上可能更像是同一个地方的死区。

尤其是优步，它使用机器学习不仅根据数值距离计算票价，还根据路线上先前记录的危险和条件计算票价。分段应用程序UberEats还将使用算法来确定“繁忙区域”并进行价格调整以及更改预期交付时间。他们的AI也能够检测潜在的欺诈或危险区域。  

量身定制的课堂风格

满足确保所有学生有效学习的需求是困难的，因为学生有多种学习方式。学习风格包括听觉，通过简单听取材料学习的人，感官，需要触摸或以其他方式与某些事物互动的学生，以真正掌握一个概念。不幸的是，大班教学和有限的资源使得在小组环境中难以为每个孩子定制教育。

通过解决教室的单一尺寸格式，机器学习可以帮助创建有针对性的方法来刺激学生理解。此外，机器学习能够使用其收集的数据来确定哪些学生可能面临失败或潜在的学习障碍。这种早期检测可以帮助学生重新走上成功之路，而不是让他们努力跟上同龄人。这被称为自适应学习，目标是在学生的优势和弱点之间找到平衡，以取得成功。

电子邮件分类

大多数电子邮件用户都熟悉其电子邮件的分类。此菜单通常位于收件箱的左侧，其中包含许多要分类的电子邮件的部分（有时还有子部分）。虽然这是一个无处不在的功能，但用户并不知道它主要是自动发生的。虽然用户可以手动筛选电子邮件，但是收件箱背后的机器学习可以实现这种分组。

在每天生成的数百封电子邮件中，算法会读取或查找特定的措辞，以便将电子邮件放入相应的文件夹中。提供折扣的电子邮件可以在购物中找到，而与机票相关的消息将被分类到旅行中。这是一项节省时间的功能，可以帮助用户避免迷失在邮件中。

聪明的助手

只要有人需要帮助完成任务，经营企业或组织他们的日常生活，个人助理就已经存在。与此角色相关的成本使其仅限于业务用途。但是，人工智能驱动的智能助理的发展使得服务更容易为公众所用。根据客户的手机品牌，他们可以访问Siri（iPhone），Alexa（Android）或Google Now（Google）。微软还在手机和电脑上提供自己的智能个人助理Cortana。

每个助手背后的关键功能是执行使用户更轻松的任务。这可以是机器理解范围内的任何事情。订购杂货，打电话，回答问题，查找食谱甚至播放音乐等任务都可以通过简单的自然语音命令完成。这些不同助手的流行是一个先进和准确的机器学习和人工智能如何成为一个例子。

INSTAGRAM的

另一家社交媒体巨头Instagram已成为分享图像和视频的首选。与其他社交媒体平台不同，可提供更多社交媒体选项。正在探索的途径之一是使用机器学习和人工智能来检测和识别表情符号的使用并完全基于上下文确定其含义。从理论上讲，这可以通过AI识别可以用表情符号表示但仍保留其含义的关键短语来实现。使用这些元素来识别表情符号的含义，Instagram准备为emojis或表情符号主题标签创建一个自动填充选项。

在Instagram上，主题标签是机器学习可以对类似帖子进行分组并允许用户仅浏览子部分的一种方式。将机器学习的先进技术应用于表情符号可能看起来毫无用处，但它具有更大的后果。许多人使用表情符号表达快速情绪。使用表情符号的人的人口统计数据分布在年龄和地点。一些表情符号被用于其原始含义，而其他表情符号则为表情符号创造了一种情境内涵。通过利用后者，Instagram将能够进一步开发应用程序如何用于通信。