你也許不知道，但機器學習就在你身邊。當你把查詢信息輸入搜索引擎時，它確定該向你顯示哪些搜索結果（包括顯示哪些廣告）。當你打開郵箱時，大部分垃圾郵件你無法看到，因為計算機已經把這些垃圾郵件過濾了。登錄亞馬遜網站購買一本書，或登錄網飛（Netflix）公司網站觀看視頻，機器學習系統會推薦一些你可能喜歡的產品。臉書（Facebook）利用機器學習決定該向你展示哪些更新，推特（Twitter）也同樣會決定顯示哪些文章。你使用計算機的任何時候，都有可能涉及機器學習。

?

　　傳統上認為，讓計算機完成某件事情的唯一方法（從把兩個數相加到駕駛飛機），就是非常詳細地記錄某個算法并解釋其如何運行。但機器學習算法就不一樣：通過從數據中推斷，它們自己會弄明白做事方法。掌握的數據越多，它們的工作就越順利。現在我們不用給計算機編程，它們自己給自己編程。

　　機器學習不僅存在于網絡空間，它還存在于你每天的生活中：從你醒來到入睡，每時每刻無所不在。

　　早上7點你的收音機鬧鐘響起，播放的是你之前從未聽過的歌曲，但你的確很喜歡這首歌。Pandora電臺（可免費根據你的喜好播放歌曲）的優勢在于，根據你聽的音樂，電臺掌握了你的品位，就像你自己的radio jock賬號一樣。這些歌曲本身可能借助機器學習來播放。接下來你吃早餐，閱讀早報。早報在幾個小時前印好，利用學習算法，印刷過程經過仔細調整，以免報紙出現折痕。你房間的溫度剛剛好，電費明顯少了很多，因為你安裝了Nest智能溫控器。

　　你開車去上班，車持續調整燃油噴射和排氣再循環，以達到最佳的油耗。你利用一個交通預報系統（Inrix）來縮短高峰時段上下班的時間，這當然能減緩你的壓力。上班時，機器學習幫你克服信息超載。你利用數據立方體來匯總大量數據，從每個角度觀察該立方體，獲取最有用的信息。你要決定是采用布局方案A，還是采用布局方案B，以便為網站帶來更多的業務。網絡學習系統會嘗試兩種布局方案，并給予反饋。你得對潛在供應商的網站進行調查，但網站的語言是外語。沒關系，谷歌會自動為你翻譯。E–mail會自動分類并歸入相應的文件夾，只把最重要的信息留在郵箱里，非常方便。文字處理軟件幫你查找語法和拼寫錯誤。你為即將到來的行程查找到一個航班，但決定推遲購買機票，因為必應旅行（BingTravel）預測票價很快會下降。也許你沒有意識到以上這些，要不是機器學習幫助你，你可能要馬不停蹄地親自做很多事情。