結合云計算的強大功能，機器學習可能會發揮更大的作用，這種融合被稱為 “ 智能云 ” 。

目前，云的使用只涉及計算，存儲和網絡。

但隨著機器學習融入云，云的功能將大大增加。

智能云能夠從存儲在其中的大數據中學習，以建立預測模型，智能云將成為更高效地執行任務的智能平臺。

機器學習對云計算的影響：　　

云計算為高效且經濟地運行 AI 系統提供了兩個基本先決條件：可擴展性和低成本計算資源（主要是計算和存儲）以及處理能力以處理大量數據。

機器學習對云的影響在以下幾個方面是最大的。

1.認知計算：　　

云中的機器學習也是同樣的原理，存儲在云中的大量數據為機器學習過程提供了信息來源。

數百萬用戶將云用于計算，存儲和網絡，現有的數據。

每天發生的數百萬個交互過程，為機器提供了可供學習的數據來源。

整個過程將為云中的應用程序提供感官功能，應用程序將能夠執行認知功能并做出決定。

目前市場上認知計算的一些例子在人工智能領域取得了顯著進展。

如 IBM Watson ， AWS IA 和Microsoft Cognitive API 在業內都是值得關注的案例。

目前存在的認知計算系統更多處于實驗階段，并且被賦予極小重要性的任務。

隨著時間的推移，我們可以期待這些系統能夠接管醫療和服務甚至是商業和個人生活。

2.個人助理和聊天機器人：　　

個人助理讓個人的生活更輕松。

像 Apple Siri ， Google Allo 和 Microsoft Cortana 這樣的產品都是預先編碼的語音識別系統，賦予機器以人的交流能力。

但這些個人數字助理的能力非常有限。

響應已預先編入系統，大多數問題是擁有固定答案的。

由于云上的大量數據，機器學習的學習能力以及上述的認知計算組件，個人助理可以取代幾乎所有形式的人際交互，擁有像科幻小說或超級英雄電影中的電腦系統已經可以成為現實。

這種能力可以對需要巨大運營能力的企業是有很大的幫助。

想象一下，一臺電腦可以訪問你過去交易的所有信息，分析當前的銷售情況，并預測未來的利潤。

它還會告訴你哪里的功能存在問題，以及可以采取哪些措施進行糾正。

這一切的控制權仍掌握在人類手中，所有計算機都在處理所有信息并提供可能的解決方案。

Chatbots 早在客戶服務行業就已經上升為通過聊天提供解決方案的首選。

此外，隨著聊天應用程序的不斷使用，這變得更加容易，完全消除了人員交互并減少了錯誤。

實現機器學習將提高這些聊天機器人的認知能力，給他們人性化的觸覺。

這些聊天機器人可以從過去的對話中學習，并提供更好的幫助，而不是客戶和聊天機器人之間的簡單的問答會話。

聊天機器人可以發起有關之前問題的查詢或針對該問題的其他建議，主要目標是盡可能使這些聊天機器人盡可能地個性化，以使客戶獲得私人服務感。

3.世界越來越依賴云　　

云計算正在成為許多領域中必不可少的計算服務，但是機器學習的整合將增加市場對智能云的需求。

憑借智能云提供的所有功能，這絕對是市場上最具破壞性的技術變革。

隨著競爭日益激烈，智能云將成為管理大公司的核心必需品，并幫助他們保持競爭優勢。

智慧云將接管全世界。

正如 這篇 IBM 文章 所述：　　“數字化轉型已經成為一個持續的過程而不是一次性的目標，市場調整的公司不斷尋求下一個大的技術轉變，從而為他們帶來競爭優勢。

接下來的重大轉變是人工智能和云計算的融合，這將成為創新的源泉和加速變革的手段。“在醫療保健等領域對智能云的需求不能被高估，它不會代替醫生。

相反，它可以作為虛擬助手來決定用于治療患者的正確方法。

該機器可以收集多年的特定病例信息，進行比較并推薦新的治療方法，以便醫生更輕松地進行治療。

諸如銀行，投資，教育等領域也可以利用智能云功能，使人類的生活變得更簡單，更高效。

4.商業智能：　　

隨著機器學習的引入，商業智能會變得更加智能化。

找出實時異常情況，識別并實時糾正錯誤，預測未來結果是機器學習可以做到的。

主動分析和實時儀表板的需求很高。

處理先前收集的數據并提供實時建議甚至未來預測的高級預測分析是市場需要的商業智能系統。

將機器學習整合到云計算中將有助于商業智能系統在他們的工作中更好地完成工作。

企業需要他們的商業智能來變得更積極主動，而不是被逼無奈。

BI 目前的趨勢預測和行動建議應為領導者提供便利。

機器學習有助于商業智能達到這一目標。

5.物聯網：　　

物聯網的機會無窮無盡。

從自動駕駛汽車到智能家居到實時事故預測，物聯網正在努力將一切物體聯網。

隨著連接和互聯性的增長，將會產生大量的數據。

將數據存儲在云中，來自物聯網的數據將更好地與機器學習相結合。

物聯網的時代只會變得更好。

通過機器學習，系統甚至可以在用戶意識到之前就能夠識別和糾正系統問題。

在有缺陷的部件影響整個系統之前，可以發出有關任何故障設備的警告。

此外，一些流程可以基于先前的行動自動化，從而消除服務中的不便。

例如，互聯網的自動駕駛汽車將要知道在其周圍的其他汽車的確切位置。

這將幫助他們保持距離，避免碰撞。

如果有沖突，其他車就可以知道，以避讓該地區。

對這種技術的需求正在迅速增長。

從物聯網的角度來看，機器學習和云計算等領域的發展看起來是積極的。

6.AI即服務：　　

AI 正在通過云提供商由作為開源平臺（ AIaaS ）提供。

這為用戶提供了大量用于 AI 的必要功能工具。

據說 AIaaS 有可能成為提供快速和經濟高效的 AI 解決方案的交付模式，而不是咨詢許多 AI專家來完成任務。

人工智能作為平臺服務使得不想參與過程復雜性的用戶可以更輕松地進行智能自動化。

這將進一步增加云計算的能力，從而增加對云的需求。

共生關系：　　

智能云是未來。

云計算和人工智能的相互依賴性將成為未來開發的任何系統或應用程序的本質。

計算機接管世界的風險以及對機器人的恐懼將使人類參與并負責機器，從而妨礙機器的全面自動化。

在 Facebook AI 事件 之后 （其中兩個 AI 系統開始在程序員不明白的語言進行相互通信），我們需要在機器之間的交互控制有所增加。

但只要人類本著科技讓生活變得更輕松，相互依賴性就會存在。

云可以幫助人工智能提供他們需要學習的信息，而人工智能可以提供更多信息，實現自動化，并使云變得更好，更智能。