我们将看看机器学习是如何进步和发展的。最后，我们将研究一些新兴技术以及机器学习将如何影响世界。机器学习 (ML) 是一场无声的革命，它正在对我们社会的不同部门产生深远的影响，例如健康、通信、交通等。机器学习的历史观点是机器学习的当前概念，它从两个重要的观点出发，即统计学家的观点和计算机科学家的观点。
统计学家的观点
统计学家的观点与数据的研究、理解和解释有关。数据分析领域起源于数学，更具体地说，是统计学。在 Stats（统计的简称）中，通过对事件的研究，对基本问题进行了说服，以了解我们周围的世界。
概率是统计的一个概念，其中研究了对发生的可能性的理解。基于概率的模型是在统计学中设计的，用于模拟我们周围的世界。如果您不熟悉该主题，以下两个简单示例将使您了解统计数据和概率。
示例#1：在特定考试中，收集有关参加考试的学生正确回答了多少问题的数据。并且可以绘制条形图来理解和预测如果另一组学生通过同一考试，有多少学生可能通过考试。
示例#2：统计学家分析了几本书并记录了一个词在文本正文中出现的次数（词频），并试图创建一个模型来解释哪个词在英语中使用最广泛或最少实例。
统计学家通过研究数据来理解和预测我们周围的世界。但事实证明，这些模型过度简化了现实世界中存在的复杂性，基于概率的模型在模拟现实世界中观察到的实际数据时并没有显示出令人满意的结果。在这里，计算机科学家的观点出现了，随着统计学和计算机科学的交叉，机器学习领域诞生了。
计算机科学家的观点
在 1950 年代，计算机专家开始意识到，将计算机编程为在永无止境的 if 和 else 语句中做出的每个决策的硬编码导致计算机系统变得非常低效。计算机科学家预见到，计算机可以查看数据并识别模式并做出最佳决策会更好。这种识别数据模式并做出决策的想法是机器学习 (ML) 背后的基本思想。
为了避免硬编码，前面提到的编程规则做出决策，统计分布规则开始发挥作用。但是，使用统计分布作为数据的生成器，在统计模型生成的数据与现实世界中生成的数据之间产生了巨大的差异。换句话说，两种类型的数据都没有显示相同的结果。
尽管如此，机器学习继续发展，其极其灵活的模型越来越多地基于数据，更少地基于人工编码的 if 和 else 语句。事实证明，这些 ML 模型比以前制作的建模技术更好。当前的 ML 模型在与现实世界的关联方面变得如此准确，以至于在输入足够的数据后，预测已成为关键输出。流行的模型通常非常复杂和灵活，它们欺骗性地优于遵循 if-else 语句的模型和众所周知的概率分布的分布模型。
这些 ML 模型的一个最显着缺点是它们没有解释模型的“为什么”方面。但是这些 ML 模型帮助我们比医生更好地了解癌症肿瘤，并且可以在“围棋”游戏中击败冠军。但是这些模型的创建者不能总是解释算法做出这些决定的“原因”。
机器学习将改变世界
机器学习这个术语对于外行来说可能意义不大。但是，当我们说到人工智能（AI）时，像大片这样臭名昭著的形象击中终结者，天网这个字符就会浮现在你的脑海中。如果你对这些技术有点乐观，你的脑海里可能会被星球大战这样的未来派电影所占据。机器学习是一种人工智能，在过去几年中获得了极大的关注，它正在影响我们生活的方方面面。机器学习正在我们的日常生活中占据一席之地，尽管像比尔盖茨、埃隆马斯克和史蒂文霍金斯等伟大的科技梦想家已经警告说，人工智能机器人可能会背叛我们并可能驱逐人类。
1. 数据处理能力
机器学习最强大的功能之一是其数据处理能力。 2018 年，约有 40 亿人在使用互联网。互联网上进行了 35 亿次搜索，而且还在不断增加。人类在互联网上花费的总时间为每年 40 亿年。这是很多数据。互联网已经成为一个巨大的数据生成机器，对于数据专家和他们工作的组织来说，其中大部分都像黄金一样宝贵。如果没有机器学习，就不可能组织和处理这些数据。
机器学习系统查看数据中的模式。一旦数据得到处理，它就会为组织提供可操作的见解，这些组织要么为这些公司的价值做贡献，要么以许多不同的方式为人类做贡献，例如在发生灾难时指示附近的医疗机构。
2. 生态系统保护
机器学习人工智能设备在对抗环境破坏的破坏中发挥着关键作用。在机器学习的帮助下，通过支持人工智能的传感器从数千个来源收集的大量数据正在帮助生态科学家更好地了解生态变化并设计新的解决方案。
3. 肮脏、危险和大胆的任务
在拆弹的情况下，现在没有必要冒着生命危险。机器学习和支持人工智能的机器人正在处理过于危险或肮脏的任务，例如处理核废料或有害化学物质处理等危险材料。
4. 养老
配备机器学习软件的 AI 机器人已经与老年人互动和交流，让他们参与娱乐，并在他们孤独时为他们提供陪伴。
不久，适用于因肌肉虚弱或疾病而无法四处走动和正常工作的老年人。配备机器学习和人工智能的这些机器人将帮助他们完成日常生活，例如吃饭、上厕所、洗澡、走动，甚至帮助他们锻炼，从而使他们的生活更加舒适和独立。
5. 创新和安全的银行业务
机器学习人工智能软件在银行和金融行业也有其应用。银行业面临的最大威胁和损失来自欺诈和网络黑客攻击。为了控制此类事件并遏制欺诈活动，银行采用了先进的机器学习系统，该系统查看银行数据中的模式并在事件发生之前检测异常或可疑活动，从而增强安全性。
6. 医疗保健的改善
旧的医疗保健记录有成堆的表格，医生和其他医疗专业人员必须通过这些表格来了解患者的医疗需求并开出适当的药物。医疗保健记录正在上线并数字化，并通过准确提供他或她做出决策所需的数据，帮助医生在尽可能短的时间内了解患者的疾病。所有这一切都是通过机器学习和数据科学应用实现的。
7. 智能家居安防
机器学习 AI 也在对家用摄像机和监控系统产生影响。闭路电视摄像机现在配备了人工智能和机器学习面部识别系统，可以保存常客的数据，并可以检测到陌生人和新来者，在他们进入您家之前向您发出警告。由于机器学习，这些系统足以在孩子们回家时通知您。例如，他们可以跟踪宠物在大院中的移动。这些系统也足够智能，可以在需要时呼叫安全服务。
这些只是正在以惊人的速度塑造我们世界的机器学习应用中的一小部分，很快就会有许多我们目前无法想象的其他应用。