机器学习加入了人工智能（AI）作为各行各业的流行语。大数据的出现让公司分析以前从未有过的信息。机器学习可以分为三个部分：数据处理，模型构建和部署与监控。根据TechCrunch，模型构建是机器学习发生的地方 - 算法实际上从训练数据中学习以预测给定的输入数据。您可能熟悉的机器学习示例是Apple的虚拟助手Siri，其中约有7亿iPhone用户可使用。Siri使用语音识别和AI来响应用户的命令。机器学习也是图像标记，例如Facebook上传照片时了解朋友脸部的功能。
运输
机器学习目前正在扰乱交通运输。预计到2020年将有近1000万辆自动驾驶汽车在我们的街道上行驶。像特斯拉这样的汽车制造商已经测试了几年的原型车，谷歌的Waymo正致力于自动驾驶车辆“让每个人都能安全轻松地驾驶2017年3月，机动车辆部副主任伯纳德索里亚诺告诉卫报，技术本身将比实际驾驶员表现更好。“由于安全性的好处，我们需要为完全无人驾驶的车辆提供明确的路径。”
自动驾驶车辆的缺点很多。开发机器学习的技术成本很高，因此在大多数消费者能够负担得起自动驾驶车辆之前可能需要一段时间。对于黑客而言，安全性也可能成为一个主要威胁，或者只是为不那么精通技术的人操作车辆。当然，这是对事故保护的明显怀疑。
通讯
机器学习在销售，营销和沟通方面越来越受欢迎。该技术通常可以帮助我们进行通信，例如无线通信。它还有助于我们互相避免 - 另一个典型的例子是垃圾邮件过滤，它会根据发件人或主题学习将电子邮件归类为垃圾邮件或您想要阅读的内容。公司正在使用机器学习策略来了解客户并与他们沟通。事实证明，该技术在销售预测方面非常有用，因为像Salesforce这样的主要技术公司正在投资机器学习。
采用机器学习的另一种营销和沟通趋势是聊天机器人。聊天机器人是使用轻量级消息传递与人进行对话的计算机程序，但它们经常因本地化策略而失败。原因是，机器学习和人工智能不能总是预测某人来自哪里或他们会说什么。Chatbot的接受度正在增长，但仍有56％的客户表示他们更愿意与机器人交谈。这最终成为通信中机器学习的主要缺点。随着许多企业希望扩展到国际市场，充分了解您的客户并能够与他们沟通非常重要。正因为如此，许多公司仍然使用人工翻译 因为机器学习并不总能正确地定位信息。
翻译
2016年秋季，Google推出了一种新的机器辅助语言翻译系统，该系统利用深度神经网络提高翻译质量。
从那以后，有多个声称这个新的和改进的系统将使人类翻译失去工作。在许多方面，NMT代表了重大改进。然而，与最近的出版物相反，它仍未缩小与人类翻译的差距。实际上，在许多情况下，神经机器翻译仍然会造成人类翻译者永远不会犯的重大错误，例如在不寻常的单词或短语的情况下。
然而，围绕机器学习及其在翻译中的应用的嗡嗡声并非完全没有道理。事实上，它突出了人与机器整合的巨大潜力，为人类翻译和翻译买家带来了美好的未来。借助翻译记忆库和其他最先进的翻译技术平台等工具，机器能够为翻译人员和买家提供高效，低成本和高质量的输出。
通过语家翻译公司的人力翻译平台走向全球。
