自适应机器学习系统
反馈是这类系统的核心，特别是在系统被用来辅助关键决策时。特斯拉的首席执行官埃隆·马斯克在2016年年底的时候曾在推特上夸耀，所有斯特拉汽车都拥有来自其Autopilot（自动驾驶系统）的数亿英里里程记录。很可能，马斯克在推特上发文不是为了简单的数字炫耀。自动驾驶系统启动后，会生成并积累有价值的反馈数据，这些数据会发送给特斯拉，并被用来训练出自动驾驶系统的下一个更好的版本。毫不夸张地说，只要斯特拉车主使用自动驾驶系统，特斯拉汽车每走1英里，其自动驾驶系统就会得到改进。
与可以让特斯拉自动行驶在道路上一样的数据反馈过程，也可以被用来了解市场参与者不断改变的个人偏好。如果一个客户反复地从最高质量的供应商那里购买一种特定的墨盒，而不管它的价格高低，那么这就表现出这个买家对质量的个人偏好。该系统不需要知道为什么这个买家相对来说对价格不太敏感。当此客户开始购买最便宜的墨盒时，这表示他的偏好可能已经改变了，系统也会做出相应调整。
在目前最强大的自适应机器学习系统中，有一些系统最初是经过大量数据训练的，然后它才开始学习如何适应特定的个体。例如，内置在一些设备上的智能助手，比如亚马逊的Alexa和苹果的Siri，可以将语音转换为文本，因为系统已经进行了数十亿个音频数据点的分析训练，而且覆盖了各种各样的发音。一旦你开始使用这些助手，它们就会根据你的语言使用习惯和偏好反馈来调整自己。世界各地的创业公司都专注于用基于反馈数据的自适应机器学习算法，来识别客户的个人偏好。比如Infi，一个以色列开发的个人偏好助手软件，就对更多种类的智能手机和社交媒体上的数据进行了分析。
数据资本时代
078