原文：
www.kdnuggets.com/2019/02/dr-data-five-ways-safety-depends-machine-learning.html
评论
注意：本文基于 Dr. Data Show 节目的文字稿，标题为 “你安全的五种方式依赖于机器学习” (点击查看)。
你的安全依赖于机器学习。这项技术通过指导桥梁、建筑物和车辆的维护，以及指导医疗保健提供者和执法人员，每天保护你免受伤害。
这让你处于安全的手中。医院、公司和政府利用机器学习来应对风险，积极保护你免受各种危险和危害，包括火灾、爆炸、坍塌、事故、工作场所事故、餐厅中的大肠杆菌和犯罪。我本以为狮子、老虎和熊已经够糟糕了！
这通过使用数据来预测这些危险最可能出现的时间和地点，并据此部署检查和预防措施。也就是说，标记出最危险的建筑物、桥梁、车辆和餐厅进行检查。这种预测性预防正越来越多地成为安全标准。
我将告诉你这五种数据驱动的安全措施如何让你更安全——但首先，先了解一下它是如何工作的。
执行这项工作的技术是机器学习，当计算机从数据中编码的经验中学习时。假设有关于许多桥梁的历史数据，以及哪些桥梁已经恶化到成为危险的程度，计算机可以学习预测哪些桥梁应该被标记为需要尽快检查。当用于安全目的以及其他商业和政府目的时，机器学习也被称为预测分析。
这不是万灵药——不幸的是，这个世界上没有办法实现百分之百的安全保障——但机器学习提供了一种独特的改进。它作为一种独特的新方法，降低了风险，倾斜了更多安全的概率。由于预测性预防不同于其他风险管理方法，它总是能提供潜在的帮助，无论其他方法是否被采用。机器学习在一般情况下提高了各种流程的效率——当应用于保护程序时，这就转化为降低风险。
所以，让我们对数据给予应有的尊重和欣赏，尤其是它那无价的预测能力，它带来了这些以及其他巨大的好处。以下是一些帮助预测危险的示例见解，数据告诉了我们这些。像卡特里娜和玛丽亚这样的女性名字的飓风更致命。一项对最近几十年美国最具破坏性的飓风的研究显示，那些名字更女性化的飓风造成的死亡人数几乎是名字更男性化的飓风的三倍。心理研究表明，这可能是由于隐性性别歧视——人们认为“女性”飓风风险较低，从而低估了危险并采取了更少的预防措施。
说到飓风，沃尔玛的数据表明，草莓口味的波波饼在飓风来临前的销售量会增加约七倍。这被认为是人们囤积非易腐烂的安慰食品。
根据保险公司，信用评级低的人更容易发生车祸。专家推测这是因为你的财务责任可能反映了你驾驶时的责任，尽管这并不确定。无论如何，这又是一个数据预测事故的例子。
好的，如承诺的，这里有五种机器学习每天让你更安全的方法。顺便说一下，你实际上可以在我的书《预测分析》的笔记中找到这些例子的详细信息。笔记可以在 PredictiveNotes.com 上免费获取。
首先，加固建筑物、桥梁和基础设施。通过根据每个结构的风险等级优先检查，可以拯救生命。纽约市消防局使用预测分析来标记出火灾风险最高的建筑，Con Edison 识别出具有比平均水平高五倍的爆炸或火灾等危险事件风险的井盖，土木工程研究人员预测哪些桥梁在恶化，部分是通过使用机器学习自动检测桥梁混凝土裂缝的自动扫描图像。
芝加哥市已经识别出那些铅中毒事件风险是平均水平两倍以上的住宅。这是为了主动标记，而不是在检测到中毒后的常见反应步骤。
其次，防止交通事故和其他运输事故。汽车公司和军方利用机器学习来提高驾驶安全——检测驾驶员因分心、疲劳或醉酒而不警觉的情况，并预测车辆部件何时会失效，以便主动规划维护。
自动驾驶车辆的发展势不可挡，这一进展主要得益于相比于我们允许人类驾驶的最近一个世纪的实验，自动驾驶车辆承诺提供更好的安全记录。自动驾驶汽车依靠机器学习来识别周围的物体，预测它们的移动，并优化导航。
铁路公司也在正确的轨道上。他们预测断轨——这是导致严重列车事故的主要原因——以及单个车轮的故障。
航运业通过预测哪些大型船舶将经历危险事件来保持运转。每个风险等级是通过船舶的年龄、类型、载重能力、来源、所有权、管理以及其他因素来计算的。
第三点，预防工作场所伤害。对于其全球石油炼油厂的每个工人团队，壳牌公司预测将发生的安全事件数量，并评估哪些因素影响最大，例如员工的参与程度——公司认为这对减少事故有很大影响。另一个因素适用于一般工作环境：事故基金保险发现，某些医疗条件如肥胖和糖尿病可以预测哪些职业伤害的成本最高，从而相应地针对工人进行预防措施。国家职业安全与健康研究所的研究人员应用机器学习来确定每个行业最重要的预防措施——无论是人体工程学还是关于跌倒的。
第四点，加强医疗保健。预测医学是一个令人兴奋且快速发展的机器学习应用领域，它用于诊断疾病并预测临床结果。对于诊断，机器学习模型输入各种临床特征、检测结果，甚至整个 MRI 或其他医学图像，以评估各种疾病的概率——每种疾病一个模型——如糖尿病视网膜病变，它是导致失明的最快增长原因，还有各种癌症。通常，它的表现与医生一样好，甚至更好。至于预测结果，机器学习可以预测外科感染、脓毒症、HIV 进展、早产、医院再入院率甚至死亡。事实上，《数据医生秀》有一集专门讨论预测死亡，你可以在 TheDoctorDataShow.com 找到。通过标记高风险病例，可以针对性地采取额外的预防措施。
甚至在你完全不需要去医院之前，像波士顿和西雅图这样的城市政府通过预测哪些餐馆会有健康代码违规来预先保护你免受食物中毒，以优先进行检查。在某些情况下，他们通过输入 Yelp!评论来改善这些预测——人们对餐馆的评论有时可以揭示餐馆在厨房中的卫生状况是否达标。
最后，第五点，强化打击犯罪。如果法治是社会的基石，那么尽可能有效地执行法律就是基础。预测警务利用机器学习来指导执法决策，比如是否进行调查或拘留、判刑时间的长短以及是否假释。在做出这些决定时，法官和警察会考虑预测模型输出的概率——即嫌疑犯或被告未来被定罪的可能性。这些模型的计算基于诸如被告的先前定罪记录、收入水平、就业状况、家庭背景、居住区域、教育水平以及家庭和朋友的行为等因素。
机器学习也推动了康复工作。佛罗里达州青少年司法部在一定程度上根据未来犯罪的预测风险来分配康复任务。
本文基于 数据博士秀的文字稿。
关于《数据博士秀》。 这个全新的网络系列打破了数据科学娱乐资讯的常规，通过简短的网络剧集吸引了全球观众，涵盖了机器学习和预测分析的精华。点击这里查看更多剧集并报名获取未来的《数据博士秀》剧集。
埃里克·西格尔博士，预测分析世界（Predictive Analytics World）和深度学习世界会议系列的创始人，以及预测分析时报的执行编辑，使得预测分析（也称为机器学习）的“如何”和“为什么”变得易于理解且引人入胜。他是获奖著作预测分析：预测谁将点击、购买、撒谎或死亡的作者，数据博士秀网络系列的主持人，前哥伦比亚大学教授，以及知名的演讲者、教育家和领域领袖。阅读他的数据与社会公正相关文章，并在@predictanalytic上关注他。
1. 谷歌网络安全证书 - 快速进入网络安全职业的快车道。
2. 谷歌数据分析专业证书 - 提升你的数据分析技能
3. 谷歌 IT 支持专业证书 - 支持你的组织的 IT 需求