虎嗅注：本文来自美国科技博客 VentureBeat，原文标题为《5 industries ripe for human-machine learning》，虎嗅翻译，译者：许可。

多年来，大大小小的科技趋势榜单上总能看到机器学习的身影。但从今年开始，我们是时候在人机互动中向机器学习，而不是一味当“老师”。

谷歌机器智能业务的主管Blaise Aguera y Arcas在一篇于Medium发表的文章中称：“机器智能不仅让我们更好地认识外部环境，它还让我们对自身的认知有更好的理解。”

2016年春天，谷歌基于机器学习技术的程序AlphaGo在围棋比赛中击败了世界上最伟大的棋手——李世石。这场胜利对“深度神经网络”技术而言是一个重要里程碑，同其它的人工智能技术相比，这种技术与人类的思考方式更为相似。

为了完善这种程序，AlphaGo团队使出了浑身解数——AlphaGo下了3000万场棋局，还和棋技高超的真人棋手多次对战。尽管谷歌意在让AlphaGo学会下棋，意想不到的事情却发生了：棋手原本仅仅想教AlphaGo下棋，没想到自己的棋技也因此提高了。谷歌的这项成果不仅向我们展示了人类思维如何影响机器学习，它还让我们开始设想一种未来——那是一个机器学习也同样影响人的思维的世界。实际上，我们已经在各个领域间接地向机器学习了：Spotify利用算法给我们推荐音乐时，我们的音乐品味也会被推荐的作品而影响；在观察神经系统的学习过程时，我们也对大脑有了更深的理解。

如果我们不视机器为威胁，而是相信人机可以相互学习、相互合作，会发生什么？观察计算机如何理解词与词之间的关系，会让我们在写作时更有创造力吗？当我们教别人一门新语言的时候，计算机的翻译能力也能借此提高吗？机器学习那些事儿我们已经听了不少了，今天来谈谈人机交互学习吧。

实际上，人机交互学习可能会迅速改变一些行业，继而塑造我们的未来。

1.教育业

教育是最有可能开展人机交互学习的领域之一。例如，自适应学习法借助机器来为学生设计个性化学习服务。从“大佬”皮尔森集团（Pearson）到初创公司DuoLingo，教育业已有不少公司开始运用这项技术。不仅如此，DuoLingo以及类似的软件也开始通过人们输入的信息来提高机器的翻译质量。随着在线教育和多渠道结合式学习法的兴起，使用人机交互技术的公司会占得先机；这些理念先进的公司帮我们重新定义了“学习”二字——无论是对人类还是机器而言。

未来可能是什么样呢？

学生会有个性化的学习计划，这种计划会更适合每个学生自己的习惯——这和恒温器会自动将空气调节到适宜的温度同理。不仅如此，这种个性化服务会像Netflix给用户推荐视频一样，给学生接下来学习什么内容给出建议。这种新颖的教学方法会去了解诸如学生要看几遍笔记能记牢、是否为视觉学习者、在小群体中是否学得更好这种私人问题，以实现个性化的设计。因此，自适应学习平台能将学生、教育工作者和科学技术联系起来，使其相互合作。

2.人力资源

人力资源涉及从招聘到管理的一系列流程，在这一领域发展人机交互学习再合适不过了。实际上，Belong、Prophecy Sciences等初创公司已经让机器参与到了公司招聘的过程中；谷歌的People Operations以及类似团队也已率先使用数据来优化人力资源。因此，我们可以借助机器来识别和预测人力资本的发展趋势、需求，继而让算法和员工之间能互相理解。

未来可能是什么样呢？

人力资源会更名为“人机资源”——为了帮助员工有更好的职业发展，除了主管以外他们还会有一位老师教授他们机器学习的知识。

 3.风险投资

在过去的五年间，风险投资公司对人工智能领域初创企业的投资一直在稳步上升着，但他们自己还未尝试过让机器辅助其做投资决策。其实，风险投资家有良好的人脉、内幕知识和敏锐的商业直觉，如果能再借助机器擅长的量化趋势识别和分析，不可谓不是人机交互学习的理想组合。

未来可能是什么样呢？

一种名叫AI Combinator的创业孵化器服务会应运而生，在顶尖风投人和机器的帮助下，分析最新的天使投资动态及行业趋势，以发现新的市场机会。通过与机器合作，风投人说不定能冒出新的投资策略，发现新的投资机会。

4.心理学和行为科学

麻省理工学院一项新的研究发现，相比于人类自己，算法能更快更准地预测我们的行为。随着机器学习的不断发展，它让我们进一步了解自己的思想、行为，进而帮助我们随时随地因需改变自身的行为。无论是心理治疗、健身还是退休投资，各行各业都可以从这种“行为干预”中有所裨益。

未来可能是什么样呢？

一款名叫HaBit，功能与Fitbit类似的设备会诞生——它记录人们的行为，并提供个性化的激励和反馈服务，帮助人们在关键时刻改变自己的行为，以建立良好的习惯。

 5. 艺术

这也许有点难以想象，但人机交互学习有可能改变我们的创作方式。除了分析以外，机器学习还会根据分析结果给出新的信息。它能对图像进行分辨（例如猫与蓝莓松饼长得不一样），但它也可以生成新的内容，比如新的图像或音乐。 近日，因彻底颠覆谷歌人工智能技术而声名大噪的GoogleBrain团队推出Magenta项目——意在测试人们是否能在机器的帮助下“创作优秀的艺术、音乐作品”。然而该项目还有更大的“野心”——它想了解人类会如何利用机器给出的创造性信息，以及在这个过程中，我们如何向机器学习以完善自己的创作过程。

未来可能是什么样呢？

Co-creation——这种由艺术家和算法合著的作品会应运而生。音乐家、作家和艺术家会深受机器影响，并视其为合作伙伴，继而开始尝试不同的创作手法。

如今，人们已经认识到机器学习将影响各行各业并改变我们的工作性质。然而，就在机器代替我们完成一些工作的同时，同机器的合作将对我们思考、学习和创作有怎样的影响？不管怎样，我们期待人类和机器学习成为互帮互助，不管这种合作发生在上课、绘画还是开会的时候。