他以自然語言處理為畢業任務，希望能實際應用理論，作出科研上的突破。雖然在研究初期曾遇上很多挫折，但他仍不斷汲取失敗經驗，每天埋首實驗室進行改進及求證，最終成功以“變分貝葉斯”（Variational Bayes）的統計推理方法，讓機械學習猜測人腦的思維模式，減少觸控細小熒幕容易出現的輸入錯誤。他說：“學術研究可以走在科學前端，探索一些從未有人挖掘過的事，讓人覺得很有成就感。在清華大學的那段艱辛日子，讓我學會了堅定面對各種挑戰。”

　　“機械學習”是全球一大熱話，企業如何利用大數據提升核心競爭力備受關注。彭博社是國際知名的財經信息平台，報道世界各地的經濟及政治資訊，提供具權威性的評論及觀點，在金融市場極具影響力。在資訊爆炸的時代，彭博社每天收到全球超過二百萬則新聞訊息。面對如此龐大的數據量，若要進行人工處理，則需要聘請一千四百名職員，二十四小時不間斷工作，每分鐘閱讀一則新聞，為使用者提供深入分析。然而，透過機械學習，便可自動化剖析全球即時新聞，讓用戶取得影響金融市場的第一手消息，作出相應的投資策略。

　　互聯網不斷發展，傳統的數據分析軟件顯得捉襟見肘，但要將學術模型進行精簡及優化，滿足用戶需求，對工程技術和硬件設備要求都極高，是一項嚴峻挑戰。陳逸翀認為學術模型與實用模型的分別在於速度與時間：“我們經常引用新學術模型，發展成規模化的軟件系統，但有些學術模型結構十分複雜，需要解決運算速度和處理容量等問題。”

　　他為彭博社建立了可找出社交媒體上熱門主題的統計模型，協助使用者進行訊息過濾：“具影響力的投資人物於社交平台發表的每一則言論，都可能引致金融市場動盪。我們想知道當中涉及的投資屬於哪一個領域。”這個主題分類系統，現在每天處理五億則社交平台發文，實時向用戶反映所關注類別的最新資訊。他亦透過建立可摘取文本重點的資訊抽取系統，偵測新聞內容的相似語意，為重覆資訊進行分組顯示，大大縮短用戶搜尋時間。

　　“機械學習”作為實現人工智能的一大途徑，已被廣泛應用於搜尋引擎、醫學診斷、圖像處理、影像、語音和書寫辨識等領域。陳逸翀勉勵欲投身科研的年輕人：“要無懼數學，才能深入理解運算原理；要不斷更新知識儲備，才能跟上時代步伐；要有出乎意料的見解，才能為企業帶來價值。”現今社會推行學術公開化，陳逸翀形容互聯網是一個“金礦”，要在領域一展身手，必須不斷增值和裝備自己：“多細磨論文、專案或求助他人，積攢的經驗越多，便會做得越好。”

　　世界各國近年致力發展機械學習模式為城市服務，透過檢測實時路況、車輛時速、目的地距離等，精確計算巴士到站時間，並因應路面實況自動調節交通訊號系統，提高疏導效率。

　　機械學習能節省更多溝通、時間和人力成本，但陳逸翀說當中必須經過重重難關：“機械需要從大數據中學習。要取得數據，必須在城市內裝設多個偵測點，或透過大量用戶程式進行定位記錄，需要多個政府部門相互協調，亦牽涉人力、時間、法律、隱私、資金等問題。”

　　近年，粵港澳地區的生產總值已達發達國家水平，投資形勢穩健上揚。隨著大灣區發展，三地的商務往來將更為緊密便捷。陳逸翀認為機械學習雖然在港澳地區發展較緩慢，但前景十分可觀：“澳門作為一個小城市，能被列入國家發展規劃甚為罕見，但澳門的行業市場狹窄，難以留住技術人才發展規模化產業。只要跟隨大灣區的發展步伐，專注推動旅遊業、會展業等第三產業，便能找到出路。”他建議政府建立快速透明機制，讓機械學習及軟件開發公司利用大灣區的資源擴大發展規模，協助澳門推動智慧型城市發展。