机器学习对于普通人的意义是什么？

随着数据量呈指数增长，机器学习越来越热，公司招聘、企业管理、机器学习相关的项目就像雨后春笋一样生机勃勃，而各行各业也想借着东风让企业或者个人更具竞争力，但机器学习究竟能干什么？对于企业或者个人来说又能够带来什么眼下的实用价值？

事实上，大多数人都不会亲自编程，或者写代码，而这些群里中对机器学习的需求可能更大，也更实际，带来的问题就是机器学习工具与其价值的显现中间隔着一条鸿沟，等待过桥相会。

机器学习实现自动决策？

目前基于机器学习的工具并不算少，这篇文章中列举了10个常用的，其中TensorFlow、Sklearn使用的人较多，这些工具的逻辑大同小异，关键在于如何用，实际差异不大。但这些工具都基于编程语言，无论是Python、Go、Rust，还是Java、C++等都不适合绝大多数人使用，这需要运用算法逻辑按照某种语言的规则把想法表达给机器学习库，并提供对应的数据，从中挖掘价值！

大多数情况下，数据的体量虽然很大，CPU和GPU按照霍尔原理发展的势头会使未来的算力很充盈，但无奈的是这些算力自己并不知道做什么？并不是说人们很傻或者缺少目标，实在是数据体量巨大而又纷繁复杂，融合到一起需要编码统一，需要分门别类，需要增减有序，需要规则一致，这些都使得机器学习要走的路还很长。

目前，机器学习对于绝大多数普通人或者企业最大的需求，是如何对数据自行学习和分析，例如在对一些数据毫无头绪的时候机器学习能否通过基础学习给出一些建议，哪怕得出的结果只是一个相关、类别或者趋势，毕竟当数据维度过高，而数据本身又足够抽象时人类的眼睛和逻辑很难快速给出答案。

解决这个问题需要算法简单，以便能够让更多“类型”的数据适用；需要算法懂得选择，以便能够让未知数据找到属于自己的学习方式；需要算法懂得取舍，以便能够让更多人使用而不需要太高门槛；需要算法相对稳定，以便能够让数据得出的结论不那么似是而非；需要算法效率不低，以便能够让人们方便的使用（事实上如今大多数人使用的手机也有很高的运行速度）。

这个算法未来可能会集成在操作系统中，以便融入生活，为用户提供操作建议，就像如今的事务提醒，但比提醒更复杂，能够辅助人们决策，而不只是查询、备忘、记录、搜索、分类、流程那么简单。

机器学习的意义更是思想

机器学习只有产生价值才能广泛传播，这个过程需要需求、开发、算力等各类软件和硬件的积累，还需要学习的思想！这种思想体现在两个方面：一是学习的思想，以提高效率、增强稳定性为目标，二是算法，能够实现目标的基本原理。两者相辅相成，层层递进，学习的思想是机器学习的原动力，算法是实现机器学习的必要途径。