如果今年你沒看過《她（her）》 這部電影，那你就out了。作為豆瓣高達8.4分評分的電影，女主角斯嘉麗·約翰遜竟然完全沒露臉，整部電影只有她性感迷人的聲線，因為她是個人工智能。電影中男主角愛上人工智能中的她——OS1，原因很簡單，她知道他的性格，知道他的需要，知道和他怎么相處，知道他在難過時給他安慰……歸結兩個字“知心”， 這樣的完美情人，現實中太少。

但是現實中并非沒有，在互聯網里的諸多服務中，也越來越讓人感覺到“知心”。從個性化新聞的推薦、廣告推薦、搜索的結果展示、商品的推薦、優惠的推送等，越來越讓人感到，咦，它怎么知道我想要的？這背后其實和《她（her）》里所描繪的技術是一樣的，即互聯網會隨根據我們過去的行為以及新的事件而不斷改變服務策略，例如我們瀏覽什么內容、下載什么應用、看過什么視頻、停留了多長時間等等，這些數據在互聯網為用戶展示內容時會進行收錄、分析，并在下一步的服務中加入這些反饋分析結果，進行推薦。

這個技術就是Online Learning，即機器自主的在線不斷學習，不斷的在與用戶交互的過程中調整策略。

Online Learning目前主要還是存在于學術界研究狀態，Yahoo和Google也主要停留在實驗、調研或論文層面，不過百度近期已率先在旗下產品中規模應用了。對于Online Learning的定義，學術界也都不一，比較明確的有三個特征：

1) 根據環境不同，自動選擇最佳策略。當經驗不足或者表現不佳時，沒有辦法確切知道這個時候“做什么正確”，這時則通過嘗試去發現正確。

2) 實時真實反饋。比如騎車的時候，騎車“策略”不同，會直接反饋到車是往前走，還是拐彎，還是停下來失去平衡。

3) 增量特性。學習是不斷在過去經驗上的積累，而不是接收到新的反饋時就清掉過去的經驗。

以上的說法還比較抽象，舉幾個更容易理解的應用場景：

1）在電子競技領域，如魔獸爭霸，DOTA等電子競技，中間包括很多策略和戰術的使用。 Online Learning可以讓人工智能（AI）通過不斷與人對戰，或者學習人之間對戰過程提升競技策略，以至于可以戰勝最厲害的人類。

2）在機器人自主學習領域，在人們沒有給任何指示的情況下機器人自動給出方案，例如控制機器人的步態和平衡，控制理論太過復雜，機器人通過自己去嘗試走路，跌倒再爬起，調整方案繼續，最終學出了走路的方法。

3）編好程序的做菜的機器人，原來只會做中規中矩的青椒肉絲，但是經過Online Learning之后，不斷嘗試新用料來看主人的喜愛程度，由此而不斷了解主人口味后逐漸學會做魚香肉絲。

4）學習新的語言、新的詞語甚至學習編程。開始時對于新語言、新名詞不了解，但逐步通過外界的反饋，理解一門新的語言，或者學會一個新生代名詞的分類。

實際上，人腦本身就是一個基于反饋的在線學習系統，通過不斷研究在線學習技術，也是在做能夠適應外界不斷變化的更加智能的系統。

以搜索巨頭百度為例，這些智能化的系統已經在百度各在線應用有實際的使用，效果很驚人：

百度搜索結果的排序：機器將不斷“讀懂”用戶需求，不斷“學習”而進行推薦有價值的內容，例如搜索“雙層床”，這背后潛在的需求是因為空間小、或者有兒童房的需求，那么讀懂這個背后需求后可以將這類優質結果給予展示。根據百度在線的試驗，將搜索的第四位結果提供在線學習后的推薦內容，第四位點擊率增加了8.6%，滿意率監控指標增加10%。

百度右側欄知心推薦：也同樣會挖掘關鍵詞背后的需要，展開關聯內容。比如搜索“爸爸去哪兒”，右側欄會把相關的嘉賓以及更多類似的綜藝節目做推薦。根據百度的試驗結果，其點擊率有10%甚至20%的提升。

百度手機助手“發現”和91助手的“猜你喜歡”：在“發現”中應用online learning技術后，下載率增加了32.13%，點擊率增加42.9%。
百度視頻“隨心看”和“類似推薦”：針對用戶的喜好進行視頻推薦后，點擊量上升90.98%。

這些應用數據可見，通過獲取用戶的反饋而進行更智能化的推薦，對于用戶而言確實獲得了更多“知心“的感覺，也就帶來越多使用。這些技術不斷升級之后能給我們更多，未來的搜索將不僅僅是智能化推薦，將更成為一種個性化的貼心助理，在搜索更了解每個人的個性和需要之后，給出更直接的建議。

比如你想看什么書，不再需要輸入書名，機器將根據你的喜好以及當前的熱點為你選擇，你想聽什么音樂，機器將根據你所處的場景、心情自動播放應時應景的歌，你想買什么樣的房子，甚至你和Ta是否般配，機器都能給出靠譜的答案。

最近《彭博商業周刊》報道RoboEarth項目，就是利用機器人不斷學習后并將學習經驗上傳云，其他機器人也獲得知識，這對未來的世界將影響重大，這將逐步真正的實現《她》里所描繪的世界。

當機器學會了學習，我們人類還需要什么？