27 Exemples Incroyables D’IA Et d’Apprentissage Automatique Dans la Pratique

Il existe de nombreuses façons incroyables d’utiliser l’intelligence artificielle et l’apprentissage automatique en coulisses pour influer sur notre vie quotidienne, éclairer les décisions commerciales et optimiser les opérations pour certaines des plus grandes entreprises du monde. Voici 27 exemples pratiques étonnants d’IA et d’apprentissage automatique.

Biens de consommation

Grâce au traitement du langage naturel, à l’apprentissage automatique et à des analyses avancées, Hello Barbie écoute et répond à un enfant. Un microphone sur le collier de Barbie enregistre ce qui est dit et le transmet aux serveurs de ToyTalk. Là, l’enregistrement est analysé pour déterminer la réponse appropriée à partir de 8 000 lignes de dialogue. Les serveurs transmettent la réponse correcte à Barbie en moins d’une seconde afin qu’elle puisse répondre à l’enfant. Les réponses à des questions telles que leur nourriture préférée sont stockées afin qu’elles puissent être utilisées dans une conversation plus tard.

Le marché mondial et la vaste liste de produits de Coca-Cola — plus de 500 marques de boissons vendues dans plus de 200 pays — en font la plus grande entreprise de boissons au monde. Non seulement l’entreprise crée-t-elle beaucoup de données, mais elle a adopté les nouvelles technologies et met ces données en pratique pour soutenir le développement de nouveaux produits, capitaliser sur les robots d’intelligence artificielle et même tester la réalité augmentée dans les usines d’embouteillage.

Même si la société néerlandaise Heineken est un leader mondial du brassage depuis 150 ans, elle cherche à catapulter son succès spécifiquement aux États-Unis en exploitant la grande quantité de données qu’elle collecte. Du marketing axé sur les données à l’Internet des objets en passant par l’amélioration des opérations grâce à l’analyse des données, Heineken mise sur l’augmentation de l’IA et des données pour améliorer ses opérations, son marketing, sa publicité et son service client.

Les arts créatifs

Les arts culinaires nécessitent une touche humaine, n’est-ce pas? Oui et non. Le chef Watson d’IBM, doté d’une intelligence artificielle, offre un aperçu de la façon dont l’intelligence artificielle peut devenir un sous-chef en cuisine pour aider à développer des recettes et conseiller leurs homologues humains sur les combinaisons alimentaires pour créer des saveurs complètement uniques. En travaillant ensemble, l’IA et les humains peuvent créer plus en cuisine que de travailler seuls.

Une autre façon dont l’IA et le big data peuvent augmenter la créativité est dans le monde de l’art et du design. Dans un exemple, le système d’apprentissage automatique d’IBM, Watson, a été alimenté par des centaines d’images du travail de l’artiste Gaudi avec d’autres matériaux complémentaires pour aider la machine à apprendre les influences possibles de son travail, notamment Barcelone, sa culture, des biographies, des articles historiques et des paroles de chansons. Watson a analysé toutes les informations et a inspiré les artistes humains chargés de créer une sculpture « informée” par Watson et dans le style de Gaudi.

Les algorithmes de génération de musique inspirent maintenant de nouvelles chansons. Compte tenu de suffisamment d’informations — des millions de conversations, de titres de journaux et de discours — des idées sont glanées qui peuvent aider à créer un thème pour les paroles. Il existe des machines telles que Watson BEAT qui peuvent proposer différents éléments musicaux pour inspirer les compositeurs. L’IA aide les musiciens à comprendre ce que leur public veut et à déterminer plus précisément quelles chansons pourraient finalement être des succès.

Énergie

Leader mondial de l’énergie, BP est à la pointe de la réalisation des opportunités offertes par le big data et l’intelligence artificielle pour le secteur de l’énergie. Ils utilisent la technologie pour atteindre de nouveaux niveaux de performance, améliorer l’utilisation des ressources et la sécurité et la fiabilité de la production et du raffinage de pétrole et de gaz. Des capteurs qui relaient les conditions de chaque site à l’utilisation de la technologie d’IA pour améliorer les opérations, BP met les données à la portée des ingénieurs, des scientifiques et des décideurs pour les aider à améliorer les performances.

Pour tenter de livrer de l’énergie au 21e siècle, GE Power utilise les mégadonnées, l’apprentissage automatique et la technologie de l’Internet des objets (IoT) pour construire un  » Internet de l’énergie. » L’analyse avancée et l’apprentissage automatique permettent la maintenance prédictive et l’optimisation de l’alimentation, des opérations et de l’entreprise pour aider GE Power à concrétiser sa vision d’une « centrale électrique numérique « . »

Services financiers

Avec environ 3,6 pétaoctets de données (et en croissance) sur des individus du monde entier, l’agence de référence de crédit Experian tire son extraordinaire quantité de données de bases de données marketing, d’enregistrements transactionnels et d’informations publiques. Ils intègrent activement l’apprentissage automatique dans leurs produits pour permettre une prise de décision plus rapide et plus efficace. Au fil du temps, les machines peuvent apprendre à distinguer les points de données importants de ceux qui ne le sont pas. Les informations extraites des machines permettront à Experian d’optimiser ses processus.

American Express traite 1 billion de dollars de transactions et dispose de 110 millions de cartes AmEx en fonctionnement. Ils s’appuient fortement sur l’analyse de données et les algorithmes d’apprentissage automatique pour aider à détecter la fraude en temps quasi réel, économisant ainsi des millions de pertes. De plus, AmEx tire parti de ses flux de données pour développer des applications qui peuvent connecter un titulaire de carte à des produits ou services et à des offres spéciales. Ils fournissent également aux commerçants une analyse des tendances commerciales en ligne et une analyse comparative par les pairs de l’industrie.

Soins de santé

L’IA et l’apprentissage profond sont mis à profit pour sauver des vies par infervision. En Chine, où il n’y a pas assez de radiologues pour répondre à la demande d’examen de 1,4 milliard de tomodensitogrammes chaque année pour rechercher les premiers signes de cancer du poumon. Les radiologues doivent examiner des centaines d’analyses chaque jour, ce qui est non seulement fastidieux, mais la fatigue humaine peut entraîner des erreurs. Infervision a formé et enseigné des algorithmes pour augmenter le travail des radiologues afin de leur permettre de diagnostiquer le cancer avec plus de précision et d’efficacité.

Les neurosciences sont l’inspiration et le fondement de DeepMind de Google, créant une machine capable d’imiter les processus de pensée de notre propre cerveau. Alors que DeepMind a réussi à battre des humains lors de jeux, ce qui est vraiment intrigant, ce sont les possibilités d’applications de santé telles que la réduction du temps nécessaire à la planification des traitements et l’utilisation de machines pour aider à diagnostiquer les maladies.

Fabrication

Les voitures sont de plus en plus connectées et génèrent des données qui peuvent être utilisées de plusieurs manières. Volvo utilise les données pour prédire quand les pièces tomberaient en panne ou quand les véhicules auraient besoin d’être entretenus, pour maintenir son impressionnant bilan de sécurité en surveillant les performances des véhicules dans des situations dangereuses et pour améliorer le confort du conducteur et des passagers. Volvo mène également sa propre recherche et développement sur les véhicules autonomes.

BMW place la technologie liée au big Data au cœur de son modèle économique et les données guident les décisions tout au long de l’activité, de la conception et de l’ingénierie à la vente et au suivi. L’entreprise est également un leader de la technologie sans conducteur et prévoit que ses voitures offrent une autonomie de niveau 5 — le véhicule peut se conduire lui—même sans aucune intervention humaine – d’ici 2021.

La révolution technologique de l’IA a également frappé l’agriculture, et John Deere met des outils d’analyse et d’automatisation axés sur les données entre les mains des agriculteurs. Ils ont acquis la technologie Blue River pour sa solution qui utilise des algorithmes avancés d’apprentissage automatique pour permettre aux robots de prendre des décisions basées sur des données visuelles pour savoir si un plan est ou non un ravageur pour le traiter avec un pesticide. L’entreprise propose déjà des véhicules agricoles automatisés pour labourer et semer avec des systèmes GPS précis et précis et son système Farmsight est conçu pour aider la prise de décision agricole.

Médias

Le projet de la BBC, Talking with Machines est un drame audio qui permet aux auditeurs de se joindre à eux et d’avoir une conversation bidirectionnelle via leur haut-parleur intelligent. Les auditeurs peuvent faire partie de l’histoire car cela les incite à répondre aux questions et à insérer leurs propres lignes dans l’histoire. Créé spécifiquement pour les haut-parleurs intelligents Amazon Echo et Google Home, la BBC prévoit de s’étendre à d’autres appareils à commande vocale à l’avenir.

L’agence de presse britannique Press Association (PA) espère que les robots et l’intelligence artificielle pourraient être en mesure de sauver les nouvelles locales. Ils se sont associés au spécialiste de l’automatisation des actualités Urbs Media pour que des robots écrivent 30 000 nouvelles locales chaque mois dans un projet appelé RADAR (Reporters et Données et Robots). Alimentée par une variété de données provenant du gouvernement, des services publics et des autorités locales, la machine utilise la technologie de génération de langage naturel pour écrire des nouvelles locales. Ces robots comblent une lacune dans la couverture des nouvelles qui n’était pas comblée par les humains.

L’analyse du Big Data aide Netflix à prédire ce que ses clients apprécieront de regarder. Ils sont également de plus en plus un créateur de contenu, pas seulement un distributeur, et utilisent les données pour déterminer le contenu qu’ils investiront dans la création. En raison de la confiance qu’ils ont dans les résultats des données, ils sont prêts à passer la convention et à commander plusieurs saisons d’une nouvelle émission plutôt qu’un simple épisode pilote.

Retail

Lorsque vous pensez d’abord à Burberry, vous considérez probablement sa mode de luxe et non pas d’abord comme une entreprise numérique. Cependant, ils ont été occupés à se réinventer et à utiliser le big Data et l’IA pour lutter contre les produits contrefaits et améliorer les ventes et les relations avec les clients. La stratégie de l’entreprise pour augmenter ses ventes consiste à entretenir des liens profonds et personnels avec ses clients. Dans le cadre de cela, ils ont des programmes de récompense et de fidélité qui créent des données pour les aider à personnaliser l’expérience d’achat pour chaque client. En fait, ils rendent l’expérience d’achat dans leurs magasins physiques tout aussi innovante qu’une expérience en ligne.

En tant que deuxième plus grand détaillant au monde, Walmart est à la pointe de la recherche de moyens de transformer le commerce de détail et de fournir un meilleur service à ses clients. Ils utilisent le big Data, l’apprentissage automatique, l’IA et l’IoT pour assurer une expérience transparente entre l’expérience client en ligne et l’expérience en magasin (avec 11 000 magasins physiques, ce que son rival Amazon n’est pas en mesure de faire. Les améliorations incluent l’utilisation de la fonction Scan and Go sur l’application, les tours de ramassage et la technologie de reconnaissance faciale pour déterminer si les clients sont heureux ou tristes.

Le service

Au cœur de tout ce que fait Microsoft est l’exploitation des machines intelligentes. Microsoft a Cortana, un assistant virtuel; des chatbots qui exécutent Skype et répondent aux requêtes du service client ou fournissent des informations telles que des mises à jour météorologiques ou de voyage et la société a déployé des fonctionnalités intelligentes au sein de son entreprise Office. D’autres entreprises peuvent utiliser la plate-forme Microsoft AI pour créer leurs propres outils intelligents. À l’avenir, Microsoft souhaite voir des machines intelligentes dotées de capacités d’IA généralisées leur permettant d’accomplir n’importe quelle tâche.

Lorsque vous combinez le cloud computing, la géo-cartographie et l’apprentissage automatique, des choses vraiment intéressantes peuvent se produire. Google utilise l’IA et les données satellitaires pour empêcher la pêche illégale. Chaque jour, 22 millions de points de données sont créés pour montrer où se trouvent les navires dans les voies navigables du monde. Les ingénieurs de Google ont constaté que lorsqu’ils appliquaient l’apprentissage automatique aux données, ils pouvaient identifier pourquoi un navire était en mer. Ils ont finalement créé Global Fishing Watch qui montre où la pêche se déroule et pourrait ensuite identifier quand la pêche se déroule illégalement.

Toujours au top de la livraison service extraordinaire, Disney s’améliore encore grâce au big data. Chaque visiteur reçoit son propre bracelet MagicBand qui sert de carte d’identité, de clé de chambre d’hôtel, de billets, de FastPasses et de système de paiement. Bien que les clients aient assez de commodité, Disney reçoit de nombreuses données qui les aident à anticiper les besoins des clients et à offrir une expérience incroyable et personnalisée. Ils peuvent résoudre les embouteillages, offrir des services supplémentaires aux clients qui pourraient avoir été incommodés par une attraction fermée et les données permettent même à l’entreprise de planifier le personnel plus efficacement.

Google est l’un des pionniers du deep learning depuis sa première incursion avec le projet Google Brain en 2011. Google a d’abord utilisé l’apprentissage en profondeur pour la reconnaissance d’images et est maintenant capable de l’utiliser pour l’amélioration de l’image. Google a également appliqué l’apprentissage en profondeur au traitement des langues et pour fournir de meilleures recommandations vidéo sur YouTube, car il étudie les habitudes et les préférences des téléspectateurs lorsqu’ils diffusent du contenu. Ensuite, la division des voitures autonomes de Google tire également parti de l’apprentissage en profondeur. Google a également utilisé l’apprentissage automatique pour l’aider à déterminer la bonne configuration du matériel et des refroidisseurs dans ses centres de données afin de réduire la quantité d’énergie dépensée pour les maintenir opérationnels. L’IA et l’apprentissage automatique ont aidé Google à ouvrir de nouvelles voies de durabilité.

Médias sociaux

Des tweets à recommander à la lutte contre les contenus inappropriés ou racistes et à l’amélioration de l’expérience utilisateur, Twitter a commencé à utiliser l’intelligence artificielle en coulisses pour améliorer son produit. Ils traitent de nombreuses données via des réseaux neuronaux profonds pour apprendre au fil du temps quelles sont les préférences des utilisateurs.

Le Deep learning aide Facebook à tirer de la valeur d’une plus grande partie de ses ensembles de données non structurés créés par près de 2 milliards de personnes mettant à jour leurs statuts 293 000 fois par minute. La majeure partie de sa technologie d’apprentissage profond repose sur la plate-forme Torch qui se concentre sur les technologies d’apprentissage profond et les réseaux de neurones.