自動化是當前與深度學習及人工智慧等的不可分割的關係，也同樣是當前的熱門主題。自動化機器學習在自動化，人工智慧，無人機等科技領域有廣泛的應用。自動化機器學習可以模擬生物學過程，比如分類，和識別。分類。分類就是識別。現實生活中我們通常基於統計學得到的圖像以及各種數據，通過統計學的數據分析，人工智慧軟體可以將其分成不同的樣本，並生成一些預測的過程，用作推送。這樣自動化機器學習基本可以運用到生活中的每一處角落。識別。識別顧名思義就是把目標給分類歸類了。
識別過程通常涉及到一個三維空間圖像的識別。預測。簡單的說就是分類過程的預測。現在我們都不會直接用統計模型得到分類的結果，而是通過機器學習的方法，從訓練數據中學習的形式，到時候用這些模型以及特徵得到分類模型。模型識別。機器學習可以看做基於特徵的學習，進行學習。選擇合適的模型。分類，預測和識別三種過程中的訓練數據，特徵處理。很多數據對於人工智慧來說，都是不可接受的。但是人工智慧的發展，不能脫離基礎的數據。這是我的一點淺薄的見解。ai說簡單點，任何事情通過ai可以自動完成！
有需求才會有ai，例如到菜市場買菜買肉，都是大爺大媽來操刀，菜一到手，看著熟練刀工的大爺，每斤多少錢？這肯定不是ai能做的了的。但是有了ai後就可以將菜買的更好，更便宜，更好。ai介入的行業在十年後會發生較大的變化，人工智慧在多個領域取得了突破性進展。教育領域：智能教育引入人工智慧設備，教師可以輕鬆管理學生學習情況，隨時調整教學方式。醫療領域：超高清無死角科普片橫空出世，未來的人工智慧醫療會更加高效、快捷。家居領域：根據手機上智能設備獲取的個人數據，成功設計家居燈光用色、風量以及開關的智能方案，節能環保。
媒體領域：人工智慧獨家創意將出現在各大新聞客戶端，讓人機互動作用更加頻繁、便捷。電信領域：手機網絡連接速度將得到極大改善，5g的商用速度將遠超4g，並將創造100萬個工作崗位、百萬個創業機會。金融領域：智能系統降低逾7成不良貸款的發生風險，銀行審查重點將由審查名下是否有不良貸款、審查有無逾期上徵信記錄等轉向以貸款評估為核心，催收業務將不再是分公司的重點業務。健康領域：人工智慧開啟人類養老新時代，並創造一個沒有醫療糾紛的世界。汽車行業：隨著汽車的高度智能化，汽車駕駛員可以實時獲取車輛，更多的交互，更有趣的體驗。海運領域：無人船舶的不斷實現，未來海上的任何問題。