人工智能(AI)和机器学习无处不在.有可能你正在使用它们，甚至没有意识到这一点.在机器学习(ML)中，计算机，软件和设备通过类似于人脑的认知来执行.
机器学习的典型成功应用包括解码手写文本，人脸识别，语音识别的程序，语音识别，模式识别，垃圾邮件检测程序，天气预报，股票市场分析和预测等.本章详细讨论了这些应用程序.
Siri，Google Now，Alexa是虚拟个人助理的一些常见示例.当通过语音询问时，这些应用程序有助于查找信息.所需要的只是激活它们并提出诸如"今天我的约会是什么？"，"从德里到纽约的航班是什么"等问题.为了回答此类查询，应用程序会查找信息，回忆您之前的查询，并访问其他资源以收集相关信息.您甚至可以告诉这些助手执行某些任务，例如"第二天早上5点30分设置闹钟"，"提醒我明天上午10点30分访问护照办公室".
GPS导航服务监控用户的位置和速度，并使用它们构建当前流量的地图.这有助于防止交通拥堵.在这种情况下的机器学习有助于根据以前的记录估计可以找到拥堵的区域.
现在的视频监控系统由AI和机器学习驱动的技术背后的技术使得有可能在犯罪发生之前检测和预防犯罪.他们追踪人们的奇怪和可疑行为，并向最终帮助发生事故和犯罪的人员发出警报.
Facebook持续监控与您联系的朋友，您的兴趣，工作场所或与您共享的团体等.基于不断学习，Facebook用户列表将作为朋友建议.
您上传了一张朋友的照片，Facebook立即识别该朋友.机器学习是计算机视觉的核心，计算机视觉是一种从图像和视频中提取有用信息的技术. Pinterest使用计算机视觉来识别图像中的对象或引脚，并向其用户推荐类似的引脚.
机器学习是广泛用于垃圾邮件检测和恶意软件过滤，此类垃圾邮件和恶意软件的数据库不断更新，以便有效处理.
在如今的几个网站中，当用户浏览网站时，可以选择与客户支持代表聊天.在大多数情况下，您不是真正的执行官，而是与聊天机器人交谈.这些机器人从网站上提取信息并提供给客户以协助他们.在一段时间内，聊天机器人学会更好地理解用户查询并为他们提供更好的答案，这可以通过机器学习算法实现.
Google和类似搜索引擎正在使用机器学习来改善其用户的搜索结果.每次执行搜索时，后端的算法都会监视用户如何响应结果.根据用户的响应，在后端工作的算法可以改善搜索结果.
如果用户购买或搜索产品在线，他/她不断收到有关该产品的购物建议和广告的电子邮件.根据以前的用户行为，在网站/应用，过去的购买，喜欢或添加到购物车的商品，品牌偏好等，产品推荐发送给用户.
机器学习用于在线跟踪货币欺诈.例如 - Paypal使用ML来防止洗钱.该公司正在使用一套工具，帮助他们比较数百万笔交易，并区分买卖双方之间发生的合法或非法交易.
