机器能否在推荐音乐时击败人类？
Alphabet的执行主席不能抗拒苹果音乐的一个新的文章。
施密特在他的故事中扮演啦啦队员，他写的“智能机器：使AI在现实世界中工作”由星期六BBC新闻发布。 Alphabet（以前的Google）的执行主席宣布机器学习作为一种东西，将逐渐取代更传统的方法来解决现实世界的问题。机器学习也是Google各种服务中普遍存在的，所以它自然是Schmidt想要关注的领域。
作为一个例子，Schmidt指出了为流音乐服务的用户提供正确类型的音乐的概念。在推动赢咖4在这项任务中可以发挥的作用时，施密特明显地对苹果新的音乐服务进行了一次扫描。
举一个例子：十年前，为了推出一个数字音乐服务，你可能会邀请一些精英口音人选择最热门的新音乐。
今天，你更好地建立一个智能系统，可以从现实世界中学习 - 什么实际的听众是最有可能喜欢下一个，并帮助你预测下一个阿黛尔可能是谁和在哪里。
作为一个奖项，它是一个更少的精英制作过程 - 更民主 - 允许每个人通过我们自己的集体品味，而不是通过个别偏好的选择几个人发现下一个大明星。
谷歌依靠赢咖4和机器学习来驱动和推进自己的许多服务，最引人注目的是它的搜索引擎。基本原则是，更多的技术可以从自己的行为和错误中学习，它会得到更聪明。和错误，它做了。在7月，Google被迫对其图像识别技术的算法称为黑人作为大猩猩道歉。当时，谷歌社交网站首席架构师Yonatan Zunger发表了推文：“很多工作都在完成，还有很多事情要做。
苹果没有回避赢咖4，以帮助你找到音乐在苹果音乐，但是，它将人为因素的顶部。 Beats Music推荐引擎使用机器学习来尝试辨别你喜欢哪些艺术家和音乐，以提出建议。但苹果拥有它也使用“音乐专家”来提出播放列表，并选择他们认为你会喜欢的音乐。
有时人类的触觉可以有所作为。 Google的图像识别技术gaffe是一个完美的例子，因为人们正在查看这些图像的元标记会捕获错误并在公开之前对其进行更正。然而，人类只能走得如此之远和如此之快。当你处理大量的数据时，机器学习必须发挥一定的作用。现在，正确的解决方案可以是人类触摸和机器触摸的组合。但是在路上，施密特认为技术是最终的解决方案。
“在下一代软件中，机器学习不仅仅是一个能够提高性能几个百分点的附加功能，它将真正取代传统的方法，”Schmidt说。
