На протяжении многих лет машинное обучение использовалось для решения таких задач, как: распознавание лиц, распознавание объектов, распознавание речи, распознавание рукописного ввода, машинный перевод, классификация спама по электронной почте, сопоставление игроков Xbox, рекомендации по покупкам на Amazon, рекомендации по фильмам Netflix, рекомендации по видео на YouTube, AdWords, AdSense и т. д.

Но машинное обучение вышло за рамки голосовых помощников в нашем телефоне. Ниже приведены несколько примеров, которые, по моему мнению, выделяются из толпы тем, как они были реализованы.

  1. Университет штата Орегон стремится определить, какие виды птиц присутствуют на данной аудиозаписи, собранной в полевых условиях.
  2. Marineexplore и Корнельский университет пытаются идентифицировать китов в океане на основе аудиозаписей, чтобы корабли могли избежать столкновения с ними.
  3. «Шеф-повар Ватсон» от IBM — это результат применения машинного обучения для создания рецептов приготовления пищи. Некоторые результаты довольно нетрадиционны, но в целом это работает довольно хорошо.
  4. Пример не от мира сего — помните марсоход? Что ж, вскоре после того, как он приземлился на красной планете, он быстро начал принимать собственные автономные решения о том, какие камни брать и исследовать.
  5. Помощь велосипедистам в победе на Тур де Франс. Велосипедистам на Тур де Франс часто трудно определить свое положение относительно других участников. В гонке соревнуются около двухсот велосипедистов, и телевизионщики не всегда держат свои камеры под прицелом каждого из них — из-за чего тренерам и участникам сложно определить свою стратегию после начала гонки. Вот почему специалисты по данным разработали WinningAlgorithms. WinningAlgorithms — это система машинного обучения, которая анализирует каналы социальных сетей зрителей по маршруту Тур де Франс, поскольку зрители предоставляют сиюминутные данные о том, где находятся их любимые велосипедисты. Алгоритм также имеет возможность отделять факты от вымысла, решая, какие сообщения в социальных сетях являются преувеличением, а какие — точным представлением события.
  6. Использование машинного обучения для защиты животных от браконьеров.
  7. Этот сервер создан на Лиспе. Он обладает способностью к индуктивному обучению и использует методы обработки естественного языка для ответа на вопросы.

Кроме того, некоторые интеллектуальные веб-приложения

  • Эй! поиск домашних страниц людей в Интернете
  • Fab рекомендатель веб-страниц
  • FAQ Finder находит ответы на часто задаваемые вопросы
  • Персональные рекомендации Firefly по фильмам и музыке
  • Личный помощник по покупкам Jango для информации о наличии и цене товара
  • Помощник в веб-серфинге Летиция
  • Lifestyle Finder рекомендует документы, соответствующие вашим интересам
  • Метапоисковик Метакраулер
  • Решения Neurostudio Chatterbots для электронной коммерции, веб-поддержки и развлечений
  • ReferralWeb находит экспертов по конкретным темам
  • Метапоисковик SavvySearch
  • Syskill & Webert изучает ваш вкус на веб-страницах
  • WiseWire персональные рекомендации веб-документов

Пропустили интересное приложение? Делитесь ими, всегда приятно узнать что-то новое.