Появившиеся новые технологии и интернет сейчас дали дополнительный импульс для развития методов машинного обучения. К примеру, разные поисковые системы и социальные сети, а также блогосфера и биоинформатика. Задачи, возникающие в этих областях, зачастую требуют применения современных методов машинного обучения. Именно поэтому сейчас наблюдается растущий спрос на специалистов машинного обучения: они оказались нужны и в биолабораториях, и в компаниях -ритейлерах, и в инвестиционных банках, а также в крупных интернет-компаниях.
Алгоритмы машинного обучения позволяют развивать персонифицированные сервисы. Например, когда мы вводим запрос в поисковую систему, то она анализирует наше поведение – на какие ссылки мы кликаем, сколько секунд проводим в определенном месте, изучая результаты поиска, и даже как управляем курсором мыши. Собранная информация используется для корректировки результатов выдачи наших будущих поисковых запросов, чтобы в начале списка были те ресурсы, которые именно мы, а не компьютер, считаем наиболее релевантными. Именно поэтому так сложно переходить с привычной поисковой системы на новую – она еще не знает наших склонностей и предпочтений и выдает по нашим запросам наиболее релевантные ссылки с точки зрения поисковой системы, без адаптации под наши индивидуальные вкусы. Об этом пишет компьютерный магазин.
Похожие задачи возникают и в соцсетях, если, например, нужно решить, каким пользователям какие рекламные баннеры стоит демонстрировать, а кому они будут неинтересны и ненужны. Ведь полезную рекламу мы воспринимаем как само собой разумеющееся, а бесполезная реклама нас раздражает. Возникает естественная задача отображать конкретному пользователю те баннеры, которые рекламируют товары, к приобретению которых он морально готов. В ближайшие годы, аналогичные технологии избирательного рекламного действия появятся и на телевидении. Тогда в перерыве футбольного матча Вы будете видеть рекламу чипсов, а не прокладок, а Ваш пожилой сосед – рекламу средства от ревматизма, а не сигарет.
