未来，人机交互学习将在这5大领域大放异彩

这些年来，机器学习一直是科技领域中一个最为热门的研究趋势。在2017年，我们有必要进一步了解人类究竟能在和机器学习交互过程中学到些什么。

谷歌机器智能团队主管Blaise Aguera y Arcas最近在Medium发布的一篇文章中说道：“机器智能不仅能够拓宽我们对外部客观现实的理解，而且能够提升我们的感觉和认知能力。”

2016年春天，凭借机器学习打造的谷歌人工智能程序AlphaGo战胜了世界顶级围棋棋手李世石。这场胜利可谓AI技术发展史上里程碑式的事件。这一程序应用了深度神经网络，能够最大化地模拟人类思考的过程。

通过3000万棋局的自我对弈以及与同专业棋手的较量，AlphaGo团队大大精进了这一智能程序的棋艺。看上去这个故事的主角似乎是机器学习，但是我们忽略了人机交互中人类获得的益处：在和AlphaGo较量的过程中，人类棋手的棋艺也能得到很大的提高。就像神经网络会让AlphaGo用人类的方式思考问题一样，在未来，和这样的智能程序的互动也会让人类从机器学习中提高已有的能力并获得新的知识。其实，我们已经在用其他间接的方式从机器学习中汲取新知识，比如在帮助Spotify完善其算法的同时我们的音乐品味也在不断提高，再比如观察神经网络如何工作的过程也是帮助我们加深了解自己大脑的过程。

如果我们不把机器学习当做人类技能的代替品，而是可以互相学习的合作伙伴，那么会发生什么？研究电脑如何组合文字能让我们成为更优秀的作家吗？提高电脑翻译能力的同时能帮助我们学会一门新语言吗？当下，几乎所有人都对机器学习十分关注，但是今天，我们也应该看看人机交互学习将如何发展。

从机器学习中不断学习新的知识和技能会对很多行业产生十分直接的影响。在未来，人机交互学习将主要从以下五大领域影响我们的生活。

教育

教育领域是最有机会从人机交互学习中受益的。举个例子，根据机器学习演化而来的自适应学习能够基于每个学生不同的学习习惯，为其量身打造最适合的学习方法。从教育领域巨头Person到创企DuoLingo都在利用这一方式打造个性化教育平台，DuoLingo开发的软件还能根据用户输入的内容提高自己的翻译能力。在目前这种在线教育和混合教育不断发展的时期，那些能够不断从人机交互学习中获益的公司就拥有了竞争优势。学习的定义也在不断的更新——无论是人类学习还是机器学习。

具体参见The Magic School Bus。就像Nest智能恒温器一样，The Magic School Bus可以根据学生不同的行为习惯为他们打造个性化的教育方案，同时还会向用户推荐新的内容。你多久会看一次教学用的抽认卡？你是一个视觉型学习者吗？小组学习能否产生更好的效果？适应性学习平台可以将学生、老师和科技三个元素完美地结合起来。

人力资源

人力资源招聘到管理的整个过程都为人机交互学习创造了一个理想的环境。包括Belong和Prophecy Sciences在内的很多创企都将机器学习用于企业的招聘过程中，谷歌的人力运营团队已经开始利用数据来优化人力资源的获取过程。通过机器学习来识别和预测人力资源的发展趋势和需求，我们将不断提升自身专业技能，而且还能让员工和机器算法积极对话、相互学习。

具体参见人机资源（Human-Machine Resources）。员工除了人类经理进行管理外，还配备了机器学习导师，二者相结合能在工作过程中给予员工帮助。

风险投资

在过去五年中，风投公司对那些人工智能领域创企的投资持续且稳定增长，但是这些投资还未“光顾”过机器学习领域。风险投资过程将人际关系、对投资行业的了解、投资者的感性直觉以及理性定量分析融为一体，这对于人机交互学习来说简直是一片发展沃土。

具体参见AI Combinator。这家创企将风投领域专业知识与机器学习有机结合，根据最新天使投资和行业发展趋势来预测未来市场面临的的新机遇。通过与机器学习互动，风险投资者能够综合考量多方面因素，制定新的投资计划或者确定新的投资目标。

心理学与行为科学

麻省理工学院（MIT）最新发布的一项研究表明，比起人类自己，机器算法能够更快速、更准确的预测人类的行为。随着机器学习不断发展，它有能力让我们对自己的想法和行为有更加清晰的认识，再反过来帮助我们改变这些行为。无论是治疗方案、日常运动计划还是对于退休生活的规划，行为干预所服务的整个行业都会深受人类与机器交互学习的益处。

具体参见Fitbit。这些设备以记录的数据为基础，帮助人们追踪自己的日常行为，并提供个性化的激励措施和数据分析反馈，从而改变用户最需要调整的行为方式。

艺术

人机交互学习同样能够改变我们的创作过程——尽管这看似最不实用，但却是最开放的一环。机器学习不光可以进行分析，而且还能随时开启生成模式。它能够对现有事物进行识别（比如区分猫和蓝莓松饼），但同时也能创造新的内容：如视觉图像和音乐创作。GoogleBrain团队不仅提高了谷歌的翻译能力，还拓宽了AI的应用范围，最近该团队又推出了一个名为Magenta的人工智能研发项目，用它来判断人类能否“利用机器学习创作出令人叹服的绘画、音乐等艺术作品”。这其中又隐含着另一个问题：如果真的有了这些机器学习创造出的作品，我们应该以何种态度应对？我们应该如何在这一过程中向其学习从而提升自己的创作能力？

具体参见Co-creation。这个平台中的艺术作品会由艺术家和机器算法合作完成。音乐家、作家以及画家都会将机器学习视为创作中的伙伴，从而打造出与众不同的作品。

机器学习的确会给各个行业以及我们的工作带来影响，而且在不断取代我们生活中的某些部分。但是与此同时，我们的思考方式、学习习惯以及创作方式又会在同机器交互的过程中受到一些影响。在未来，人类学习和机器学习一定能产生良性互动，无论是在教室中、画布上还是会议室里，人类与机器的和合作一定会更加紧密。