机器学习常见问题解答

机器学习用在您日常交互的许多应用程序和服务中。它只是一个术语，用来说明计算机如何分析数据，然后根据其所学经验做出预测或提供建议。

下面列举了一个机器学习的常规示例：电子邮件应用程序可以自动将某个特定发件人的所有邮件移到您的“垃圾邮件”文件夹。计算机可分析您的电子邮件中包含的数据，并根据其发现的模式预测来自特定发件人或域名的邮件为垃圾邮件的可能性。然后，它会针对该预测采取措施，从您的收件箱中移除这些邮件。

当您将某个邮件标记为“垃圾邮件”时，计算机可从中学习，从而更好地自动标记垃圾邮件。随着时间的推移，计算机可以考虑越来越多的数据，对特定任务的处理能力也越来越好。这种通过经验进行改进的过程就是机器学习。

通过机器学习，您使用的程序和设备会逐渐为您提供更好的个性化服务。例如，您使用语音识别软件的次数越多，该软件就越能识别您的声音，运行效果也就越好。

Adobe 可以使用机器学习帮助您提高效率和激发创造力。例如，我们可以使用机器学习帮助您组织和编辑图像。通过 Lightroom 中的对象识别功能，我们可以自动标记您的狗的所有照片。在 Photoshop 中，机器学习可帮助我们识别光线太暗的图像，然后为您自动调整亮度。

我们还可以使用机器学习提供内容识别建议。例如，当您正在处理用户界面模型时，Photoshop 可能会自动建议存储按钮图标。当 Photoshop 从您的数据而不是 Internet 上提供的一般数据学习时，这种内容识别建议会与您的工作更加密切相关。

当您使用我们的云服务发送、接收或存储文件时，计算机可能会分析您的内容。我们无法访问您存储在本地计算机上的文件。我们会使用您的文件、活动日志和直接反馈中的数据来培训和改进我们的算法。

例如，我们可能会对您的照片使用模式识别功能来识别所有关于狗的图像，并为您自动标记这些图像。如果您选择这些照片中的任何一张，指示该照片不包含狗，我们便会使用此信息更好地识别狗的图像。

我们使用从所有 Adobe 用户那里学到的经验来为每位用户改进产品和服务。例如，如果您编辑的沙滩照片颜色饱和且充满活力，而另一位用户编辑的婚礼照片具有柔和的聚焦和光线，我们的程序便会学习这些差异。之后，当第三位用户编辑沙滩照片或婚礼照片时，我们可以根据从您和其他用户那里学到的经验，向这位用户提供适当的风格建议。

您可以在 Adobe 隐私权中心找到有关 Adobe 如何使用与您关联的信息的概述。

当您使用我们的云服务发送、接收或存储文件时，计算机可能会分析您的内容。我们无法访问您存储在本地计算机上的文件。 

Adobe 非常重视您的隐私。通过机器学习获取的信息不会用于重新创建您的内容或任何个人信息。

您可以在 Adobe 隐私权中心找到有关 Adobe 如何使用与您关联的信息的概述。

如果您不希望 Adobe 分析您的文件以便采取相应措施和提供建议，您可以随时关闭机器学习。