您可能已經意識到機器學習正被用于推薦新音樂供您聆聽，或訓練自動駕駛汽車識別街道上的人和物體。其他應用鮮為人知，盡管它們可以說會對社會產生更大的影響，比如機器學習為科學、醫(yī)學和醫(yī)療保健的進步鋪平了道路。

日前，埃隆·馬斯克 (Elon Musk) 和馬克·扎克伯格 (Mark Zuckerberg) 在 Twitter?上就我們的日常技術主要由人工智能 (AI)?提供支持的世界的潛在危險進行了廣泛討論。然而，人工智能社區(qū)中的許多人認為，這種世界末日的想法忽視了人工智能在當前狀態(tài)下帶來的好處。

在愛思唯爾，我們越來越多地使用機器學習來幫助研究人員、工程師和臨床醫(yī)生完成他們有價值的工作。它可以幫助他們找到資金，在他們需要時為他們提供正確的信息，并支持他們?yōu)榛颊咛峁┑闹委?。下面，我們?strong>五位機器學習專家討論了他們正在做的工作以及它如何改變科學和醫(yī)學的工作方式。

另外，Coursera?和?fast.ai?提供優(yōu)秀的 MOOCS（大規(guī)模開放在線課程）來幫助您入門。

01?它可以揭示對您的工作很重要的趨勢?

Deep Kayal?是愛思唯爾內容和創(chuàng)新團隊的一名機器學習工程師，該團隊致力于從愛思唯爾各種產品的研究論文中自動提取數據。

“對我來說，自然語言（處理）是當今機器學習的前沿。文本很難處理，因為它不是連續(xù)的并且是主觀的：詞對不同的人意味著不同的東西。但這正是讓它變得有趣的原因。

例如，我們構建了一個功能，可以根據論文的內容提取論文的主題，以便我們現在可以對哪些主題被引用最多進行大規(guī)模分析——因此可以被認為是趨勢。這有助于研究人員決定他們應該將研究重點放在哪里，幫助資助機構決定將資金投資在哪里，并幫助出版商決定哪些期刊應該涵蓋接下來的內容。

我們在愛思唯爾擁有的數據是許多有趣和智能事物的信息金礦。我們擁有這些數據并因此可以保證其質量這一事實，使我們與眾不同?！?/p>

02?它可以提高科學的質量?

Helena Deus?博士是?Elsevier Labs?的高級技術研究員，她的研究領域在于創(chuàng)造新技術以改善知識的傳播方式。

“我是生物學家，在愛思唯爾工作是為了將我們在生命科學和醫(yī)療保健領域的工作與機器學習聯系起來。

我正在研究的模型之一將能夠識別摘要中的句子是結果、方法、假設還是目標。這對于相互比較論文和理解科學的有效性很重要。

不可重復性是一個大問題，這對制藥公司產生了巨大的影響，他們不能總是相信來自學術界的新研究，并且經常不得不重新進行研究。如果機器學習可以提高科學質量，這將對藥品制造的價格和速度產生巨大影響?！?/p>

03?它可以告訴您應該閱讀哪些研究?

Finne Boonen?是 Elsevier 大數據組的一名數據科學家，她目前為?Newsflo?解決方案工作，該服務通過跟蹤媒體對研究的報道來衡量研究人員及其機構的影響。

“在愛思唯爾，我們可以利用科學文獻的數據和元數據做很多事情。一個例子是將搜索與推薦相結合，這樣研究人員就可以根據他們的研究興趣獲得他們接下來需要閱讀的正確論文。

挑戰(zhàn)在于確保我們推薦的內容包含足夠的新信息，以避免研究人員被困在過濾氣泡中。這對每個人來說都是一個問題——想想美國大選期間和之后關于假新聞的所有討論。特別是對科學家來說，過濾氣泡是非常危險的。您必須避免單單閱讀知名研究人員的高被引論文，而忽略鮮為人知的學者的優(yōu)秀工作。同時，某些領域的科學家需要了解某些具有開創(chuàng)性的文章。要解決這樣的問題真的很有趣?！?/p>

04?它可以幫助您跟隨贊助基金動向?

Georgios Tsatsaronis?博士是內容和創(chuàng)新團隊的首席自然語言處理 (NLP) 科學家。?

“我們目前正在進行的最激動人心的項目之一，將使我們能夠輕松地提取有關誰資助了一項特定研究的信息。這將使資助機構的工作變得更加輕松，他們可以輕松地找到他們想要贊助的研究成果，對于經常需要向資助機構報告的研究人員來說也是如此，這之前會花費他們很多時間。

我喜歡在愛思唯爾從事機器學習工作的原因是我們可以將理論與實踐相結合。我們進行研究，擁有專利，甚至發(fā)表論文，然后我們可以利用這些新知識為產品開發(fā)新功能，從而真正幫助改進研究?！?/p>

05?它可以讓您搜索圖像并使用圖片來診斷醫(yī)療狀況?

Sujit Pal?是 Labs 小組的技術研究總監(jiān)，他專注于搜索、自然語言處理、機器學習和分布式處理。

“我的一個項目是為 ClinicalKey 進行圖像分類，允許用戶搜索圖像和文本——這改變了醫(yī)療專業(yè)人員的游戲規(guī)則。

自動化醫(yī)療技術面臨的挑戰(zhàn)是賭注非常高，因為生命是無價的。因此，我們必須達到 90% 甚至更高的準確度水平。

同時，在醫(yī)療保健領域，您還可以通過機器學習獲得最大的收益。例如，現在計算機在通過查看視網膜圖片來預測糖尿病視網膜病變（糖尿病引起的失明）方面與人類一樣好，甚至略勝一籌。

越來越多的機器將扮演這種服務角色。但這并不意味著計算機將取代醫(yī)生。它只是幫助他們節(jié)省日常工作的時間，然后他們可以將時間花在他們最擅長的事情上，無論是專業(yè)、診斷罕見疾病，還是只是與患者接觸?！?/p>

“不要把它當作魔法——這只是數學”

仍然不相信機器學習的潛力？

?“不要相信我們的話，你自己去試試吧，”

——Helena建議道。

Coursera?和?fast.ai?提供優(yōu)秀的 MOOCS（大規(guī)模開放在線課程）來幫助您入門。?