机器学习(Machine Learning)是研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域。不久前，《纽约时报》报道了微软将机器学习应用于新业务。Lightspeed(光速创投)美国投资总监Jeremy Liew也介绍了“大数据加机器学习”重塑银行信贷业的例子。
应用机器学习技术，软件和服务都是盈利点
在下一个Office版本中，Excel将可以合并处理大量的数据。比如，能够扫描1200万条Twitter消息，然后生成一个图表，告诉你哪一个奥斯卡提名者被人们谈论得最多。Outlook新版本添加的功能可以评估用户的电邮阅读习惯，判断哪些邮件是用户想去阅读的。微软的机器学习软件将能够对公司电脑系统进行抓取，就像必应搜索引擎抓取互联网上的网页和链接一样。
来自传感器、连接的设备和云计算中心的数据大爆发造就了大数据产业。计算机要从每天生成的海量中找到规律和模式。长期来看，微软希望能够将更多的机器学习技术运用到它的云计算平台Azure中去，比如租赁数据源和算法让企业设计自己的数据预测引擎。微软最终可以通过软件服务收费，而不是仅仅销售软件。
微软有一些创业公司所没有的东西：巨大的资金储备——上一季度末的财报显示，现金和短期投资一项为670亿美元——同时有能力在一个大项目上投入十年、甚至二十年的时间。Gartner的资深研究员David Smith说，“微软的资源太多了，Windows、IE浏览器、Skype、必应搜索等等，他们能做许多事。数据分析将会是他们的下一个大生意。”
碎片化关联，“另类信贷”模式显现
关键在于算法，研究人员可以通过上千种组合来判断做某件事是对的，还是错的。一些取代贷款的初创公司用海量数据挖掘和算法来做一些贷款业务。
伴随大量的数据来源和强大的大数据分析工具，催生出很多新的贷款数据模型。一个好的数据模型会帮助判断这些借贷者是一个好的借贷者还是坏的。这也意味着它可以比其他发薪日贷款厂商可以以更低的利率贷款。机器学习的依据就是不良贷款，所以失败的次数越多，你交的学费越多，同样的你的模型就会越完善。
大数据时代有了更多复杂的商业模式，但目前只是表面。在接下来的几年里在这个领域里将会看到更多的创新点。
