27 utrolige eksempler på AI og maskinlæring i praksis

forbrugsvarer

Ved hjælp af naturlig sprogbehandling, maskinlæring og avanceret analyse lytter Hello Barbie og reagerer på et barn. En mikrofon på barbies halskæde registrerer, hvad der siges, og sender det til serverne på toytalk. Der analyseres optagelsen for at bestemme det passende svar fra 8.000 dialoglinjer. Servere sender det korrekte svar tilbage til Barbie på under et sekund, så hun kan reagere på barnet. Svar på spørgsmål som hvad deres yndlings mad er opbevares, så den kan bruges i samtale senere.Coca-Colas globale marked og omfattende produktliste—mere end 500 drikkevaremærker solgt i mere end 200 lande—gør det til det største drikkevarefirma i verden. Virksomheden skaber ikke kun en masse data, den har omfavnet ny teknologi og omsætter disse data til at understøtte ny produktudvikling, udnytte kunstige intelligensbots og endda prøve augmented reality i aftapningsanlæg.selvom det hollandske firma Heineken har været en verdensomspændende bryggerileder i de sidste 150 år, Søger de at katapultere deres succes specifikt i USA ved at udnytte den enorme mængde data, de indsamler. Fra datadrevet markedsføring til tingenes Internet til forbedring af operationer gennem dataanalyse, Heineken ser på AI-forstærkning og data for at forbedre sin drift, markedsføring, reklame og kundeservice.

kreativ kunst

kulinarisk kunst kræver den menneskelige berøring, ikke? Ja og nej. AI – aktiveret kok fra IBM giver et glimt af, hvordan kunstig intelligens kan blive en sous-kok i køkkenet for at hjælpe med at udvikle opskrifter og rådgive deres menneskelige kolleger om madkombinationer for at skabe helt unikke smag. At arbejde sammen, AI og mennesker kan skabe mere i køkkenet end at arbejde alene.

en anden måde AI og big data kan øge kreativiteten på er i kunst-og designverdenen. IBMs maskinlæringssystem blev fodret med hundredvis af billeder af kunstneren Gaudis arbejde sammen med andet komplementært materiale for at hjælpe maskinen med at lære mulige påvirkninger for hans arbejde, herunder Barcelona, dets kultur, biografier, historiske artikler og sangtekster. Han analyserede alle oplysninger og leverede inspiration til de menneskelige kunstnere, der blev anklaget for at skabe en skulptur “informeret” af Gaudi og i stil med Gaudi.

musikgenererende algoritmer inspirerer nu nye sange. Givet nok input-millioner af samtaler, avisoverskrifter og taler—indhentes indsigt, der kan hjælpe med at skabe et tema for tekster. Der er maskiner som beat BEAT, der kan komme med forskellige musikalske elementer for at inspirere komponister. AI hjælper musikere med at forstå, hvad deres publikum ønsker, og hjælpe med at bestemme mere præcist, hvilke sange der i sidste ende kan være hits.

energi

Global Energy leader, BP er i spidsen for at realisere de muligheder, big data og kunstig intelligens har for energiindustrien. De bruger teknologien til at drive nye niveauer af ydeevne, forbedre brugen af ressourcer og sikkerhed og pålidelighed af olie-og gasproduktion og raffinering. Fra sensorer, der videresender forholdene på hvert sted til at bruge AI-teknologi til at forbedre driften, BP sætter data lige ved hånden af ingeniører, forskere og beslutningstagere for at hjælpe med at skabe høj ydeevne.

i et forsøg på at levere energi ind i det 21.århundrede bruger GE magt big data, machine learning og Internet of Things (IoT) teknologi til at opbygge et “internet of energy.”Avanceret analyse og maskinlæring muliggør forudsigelig vedligeholdelse og strøm, drift og forretningsoptimering for at hjælpe ge-kraften med at arbejde hen imod sin vision om et “digitalt kraftværk.”

finansielle tjenester

Med cirka 3,6 petabyte data (og voksende) om enkeltpersoner over hele verden får kreditreferencebureauets ekspert sin ekstraordinære mængde data fra marketingdatabaser, transaktionsregistre og offentlige informationsregistre. De integrerer aktivt maskinlæring i deres produkter for at give mulighed for hurtigere og mere effektiv beslutningstagning. Over tid kan maskinerne lære at skelne mellem, hvilke datapunkter der er vigtige fra dem, der ikke er. Indsigt udvundet fra maskinerne giver ekspert mulighed for at optimere sine processer.Amerikanske Ekspres behandler $ 1 billioner i transaktion og har 110 millioner kort i drift. De er stærkt afhængige af dataanalyse og maskinlæringsalgoritmer for at hjælpe med at opdage svig i nær realtid og sparer derfor millioner i tab. Derudover udnytter vi sine datastrømme til at udvikle apps, der kan forbinde en kortholder med produkter eller tjenester og særlige tilbud. De giver også købmænd online business trend analyse og industri peer benchmarking.

Healthcare

AI og dyb læring bliver brugt til at redde liv ved Infervision. I Kina, hvor der ikke er nok radiologer til at følge med efterspørgslen efter at gennemgå 1,4 milliarder CT-scanninger hvert år for at se efter tidlige tegn på lungekræft. Radiologer skal gennemgå hundredvis af scanninger hver dag, hvilket ikke kun er kedeligt, men menneskelig træthed kan føre til fejl. Infervision uddannede og underviste algoritmer til at udvide radiologernes arbejde for at give dem mulighed for at diagnosticere kræft mere præcist og effektivt.neurovidenskab er inspirationen og grundlaget for Googles DeepMind, der skaber en maskine, der kan efterligne tankeprocesserne i vores egne hjerner. Mens DeepMind med succes har slået mennesker på spil, er det, der virkelig er spændende, mulighederne for sundhedsapplikationer, såsom at reducere den tid, det tager at planlægge behandlinger og bruge maskiner til at hjælpe med at diagnosticere lidelser.

fremstilling

biler forbindes i stigende grad og genererer data, der kan bruges på en række måder. Volvo bruger data til at hjælpe med at forudsige, hvornår dele vil svigte, eller når køretøjer har brug for service, opretholde sin imponerende sikkerhedsrekord ved at overvåge køretøjets ydeevne under farlige situationer og for at forbedre fører-og passagerkomfort. Volvo udfører også sin egen forskning og udvikling på autonome køretøjer.big data-relateret teknologi er kernen i sin forretningsmodel, og data guider beslutninger i hele virksomheden fra design og teknik til salg og efterbehandling. Virksomheden er også førende inden for førerløs teknologi og planlægger, at sine biler leverer niveau 5—autonomi—køretøjet kan køre selv uden nogen menneskelig indgriben-inden 2021.AI tech-revolutionen har også ramt landbruget, og John Deere får datadrevne analyseværktøjer og automatisering i hænderne på landmændene. De erhvervede Blue River-teknologi til sin løsning til at bruge avancerede maskinlæringsalgoritmer til at give robotter mulighed for at træffe beslutninger baseret på visuelle data om, hvorvidt en plan er et skadedyr til at behandle den med et pesticid eller ej. Virksomheden tilbyder allerede automatiserede landbrugskøretøjer til pløjning og såning med nøjagtige GPS-systemer, og dets Farmsight-system er designet til at hjælpe landbrugets beslutningstagning.BBC-projektet, Talking med Machines, er et lyddrama, der giver lyttere mulighed for at deltage og have en tovejs samtale via deres smarte højttaler. Lyttere bliver en del af historien, da den beder dem om at besvare spørgsmål og indsætte deres egne linjer i historien. BBC forventer at udvide til andre stemmeaktiverede enheder i fremtiden.det britiske nyhedsbureau Press Association (PA) håber, at robotter og kunstig intelligens muligvis kan gemme lokale nyheder. De samarbejdede med nyhedsautomatiseringsspecialisten Urbs Media for at få robotter til at skrive 30.000 lokale nyhedshistorier hver måned i et projekt kaldet RADAR (journalister og Data og robotter). Fed med en række data fra regeringen, offentlige tjenester og lokale myndigheder, bruger maskinen teknologi til generering af naturligt sprog til at skrive lokale nyhedshistorier. Disse robotter udfylder et hul i nyhedsdækning, der ikke blev udfyldt af mennesker.Big data analytics hjælper med at forudsige, hvad kunderne vil nyde at se. De er også i stigende grad en indholdsskaber, ikke kun en distributør, og bruger data til at drive det indhold, det vil investere i at skabe. På grund af den tillid, de har til datafundene, de er villige til at bukke konvention og bestille flere sæsoner af en ny serie snarere end blot en pilotepisode.

Retail

når du først tænker på Burberry, overvejer du sandsynligvis dens luksusmode og ikke først betragter dem som en digital forretning. De har dog haft travlt med at genopfinde sig selv og bruge big data og AI til at bekæmpe forfalskede produkter og forbedre Salgs-og kundeforhold. Virksomhedens strategi for at øge salget er at pleje dybe, personlige forbindelser med sine kunder. Som en del af det har de belønnings-og loyalitetsprogrammer, der opretter data for at hjælpe dem med at personalisere shoppingoplevelsen for hver kunde. Faktisk gør de shoppingoplevelsen i deres mursten og mørtel butikker lige så innovative som en online oplevelse.

Som verdens næststørste detailhandler er vi på forkant med at finde måder at transformere detailhandlen på og yde bedre service til sine kunder. De bruger big data, machine learning, AI og IoT for at sikre en problemfri oplevelse mellem online kundeoplevelsen og oplevelsen i butikken (med 11.000 mursten og mørtel butikker, noget rival ikke er i stand til at gøre. Forbedringer inkluderer brug af Scan and Go-funktionen i appen, Afhentningstårne, og de eksperimenterer med ansigtsgenkendelsesteknologi for at afgøre, om kunderne er glade eller triste.

Service

centralt i alt, hvad Microsoft gør, er at udnytte smarte maskiner. Microsoft har Cortana, en virtuel assistent; chatbots, der kører Skype og besvarer kundeserviceforespørgsler eller leverer oplysninger såsom vejr-eller rejseopdateringer, og virksomheden har implementeret intelligente funktioner inden for sin kontorvirksomhed. Andre virksomheder kan bruge Microsoft AI-platformen til at oprette deres egne intelligente værktøjer. I fremtiden ønsker Microsoft at se intelligente maskiner med generaliserede AI-funktioner, der giver dem mulighed for at udføre enhver opgave.

Når du samler cloud computing, geo-mapping og machine learning, kan nogle virkelig interessante ting ske. Google bruger AI og satellitdata til at forhindre ulovligt fiskeri. På en given dag oprettes 22 millioner datapunkter, der viser, hvor skibe er i verdens vandveje. Google-ingeniører fandt ud af, at når de anvendte maskinlæring på dataene, kunne de identificere, hvorfor et skib var til søs. De skabte i sidste ende globalt Fiskeriur, der viser, hvor fiskeri sker, og kunne derefter identificere, hvornår fiskeri foregik ulovligt.

altid på toppen af levering ekstraordinær service, Disney bliver endnu bedre takket være big data. Hver besøgende får deres eget MagicBand armbånd, der fungerer som ID, hotelværelse nøgle, billetter, Fastpass og betalingssystem. Mens gæst nok bekvemmelighed, Disney får en masse data, der hjælper dem med at forudse gæsternes behov og levere en fantastisk, personlig oplevelse. De kan løse trafikpropper, give ekstra tjenester til gæster, der kan have været generet af en lukket attraktion, og data giver endda virksomheden mulighed for at planlægge personale mere effektivt.

Google er en af pionererne inden for dyb læring fra sin første strejftog med Google Brain-projektet i 2011. Google brugte først dyb læring til billedgenkendelse og er nu i stand til at bruge den til billedforbedring. Google har også anvendt dyb læring til sprogbehandling og til at give bedre videoanbefalinger på YouTube, fordi det studerer seernes vaner og præferencer, når de streamer indhold. Dernæst udnytter Googles selvkørende bilafdeling også dyb læring. Google brugte også maskinlæring til at finde ud af den rigtige konfiguration af udstyr og kølere i deres datacentre for at reducere mængden af energi, der blev brugt til at holde dem i drift. AI og maskinlæring har hjulpet Google med at låse op for nye måder at bæredygtighed på.

Sociale Medier

fra hvad der skal anbefales til at bekæmpe upassende eller racistisk indhold og forbedre brugeroplevelsen, er kvidre begyndt at bruge kunstig intelligens bag kulisserne for at forbedre deres produkt. De behandler masser af data gennem dybe neurale netværk for over tid at lære, hvad brugernes præferencer er.Deep learning hjælper Facebook med at trække værdi fra en større del af sine ustrukturerede datasæt skabt af næsten 2 milliarder mennesker, der opdaterer deres status 293.000 gange i minuttet. Det meste af sin dybe læringsteknologi er bygget på Torch-platformen, der fokuserer på dybe læringsteknologier og neurale netværk.