27 Incredibili esempi di intelligenza artificiale e apprendimento automatico In pratica

Ci sono così tanti modi incredibili intelligenza artificiale e apprendimento automatico vengono utilizzati dietro le quinte per influenzare la nostra vita quotidiana e informare le decisioni aziendali e ottimizzare le operazioni per alcune delle aziende leader a livello mondiale. Ecco 27 sorprendenti esempi pratici di AI e machine learning.

Beni di consumo

Utilizzando l’elaborazione del linguaggio naturale, l’apprendimento automatico e l’analisi avanzata, Hello Barbie ascolta e risponde a un bambino. Un microfono sulla collana di Barbie registra ciò che viene detto e lo trasmette ai server di ToyTalk. Lì, la registrazione viene analizzata per determinare la risposta appropriata da 8.000 linee di dialogo. I server trasmettono la risposta corretta a Barbie in meno di un secondo in modo che possa rispondere al bambino. Le risposte a domande come quale sia il loro cibo preferito sono memorizzate in modo che possa essere utilizzato in una conversazione successiva.

Il mercato globale di Coca-Cola e l’ampia lista di prodotti—più di 500 marchi di bevande venduti in più di 200 paesi—ne fanno la più grande azienda di bevande al mondo. Non solo l’azienda crea molti dati, ma ha abbracciato nuove tecnologie e mette in pratica tali dati per supportare lo sviluppo di nuovi prodotti, capitalizzare i bot di intelligenza artificiale e persino sperimentare la realtà aumentata negli impianti di imbottigliamento.

Anche se l’azienda olandese Heineken è stata leader mondiale della produzione di birra negli ultimi 150 anni, sta cercando di catapultare il loro successo specificamente negli Stati Uniti sfruttando la grande quantità di dati che raccolgono. Dal marketing basato sui dati all’Internet of Things al miglioramento delle operazioni attraverso l’analisi dei dati, Heineken punta sull’aumento dell’IA e sui dati per migliorare le sue operazioni, il marketing, la pubblicità e il servizio clienti.

Arti creative

Le arti culinarie richiedono il tocco umano, giusto? Sì e no. AI-enabled Chef Watson da IBM offre un assaggio di come l’intelligenza artificiale può diventare un sous-chef in cucina per aiutare a sviluppare ricette e consigliare le loro controparti umane sulle combinazioni di cibo per creare sapori completamente unici. Lavorando insieme, AI e gli esseri umani possono creare di più in cucina che lavorare da soli.

Un altro modo in cui AI e big data possono aumentare la creatività è nel mondo dell’arte e del design. In un esempio, il sistema di apprendimento automatico di IBM, Watson, è stato alimentato centinaia di immagini del lavoro dell’artista Gaudi insieme ad altro materiale complementare per aiutare la macchina a imparare possibili influenze per il suo lavoro tra cui Barcellona, la sua cultura, biografie, articoli storici e testi di canzoni. Watson ha analizzato tutte le informazioni e ha dato ispirazione agli artisti umani che sono stati incaricati della creazione di una scultura “informata” da Watson e nello stile di Gaudi.

Gli algoritmi che generano musica stanno ora ispirando nuove canzoni. Dato abbastanza input-milioni di conversazioni, titoli di giornali e discorsi—vengono raccolte intuizioni che possono aiutare a creare un tema per i testi. Ci sono macchine come Watson BEAT che possono venire con diversi elementi musicali per ispirare compositori. AI aiuta i musicisti a capire ciò che il loro pubblico vuole e per aiutare a determinare con maggiore precisione quali canzoni potrebbero in ultima analisi, essere successi.

Energia

Leader mondiale dell’energia, BP è in prima linea nel realizzare le opportunità che i big data e l’intelligenza artificiale hanno per l’industria energetica. Usano la tecnologia per guidare nuovi livelli di prestazioni, migliorare l’uso delle risorse e la sicurezza e l’affidabilità della produzione e della raffinazione di petrolio e gas. Dai sensori che trasmettono le condizioni in ogni sito all’utilizzo della tecnologia AI per migliorare le operazioni, BP mette i dati a disposizione di ingegneri, scienziati e decisori per aiutare a migliorare le prestazioni.

Nel tentativo di fornire energia nel 21 ° secolo, GE Power utilizza big data, machine learning e Internet of Things (IoT) tecnologia per costruire un “internet of energy.”L’analisi avanzata e l’apprendimento automatico consentono la manutenzione predittiva e l’alimentazione, le operazioni e l’ottimizzazione aziendale per aiutare GE Power a lavorare verso la sua visione di una “centrale elettrica digitale.”

Servizi finanziari

Con circa 3,6 petabyte di dati (e in crescita) su individui in tutto il mondo, l’agenzia di riferimento del credito Experian ottiene la sua straordinaria quantità di dati da database di marketing, record transazionali e record di informazioni pubbliche. Stanno attivamente incorporando l’apprendimento automatico nei loro prodotti per consentire un processo decisionale più rapido ed efficace. Nel corso del tempo, le macchine possono imparare a distinguere quali punti dati sono importanti da quelli che non lo sono. Insight estratto dalle macchine permetterà Experian per ottimizzare i suoi processi.

American Express elabora transaction 1 trilione di transazioni e ha 110 milioni di carte AmEx in funzione. Si affidano molto all’analisi dei dati e agli algoritmi di apprendimento automatico per aiutare a rilevare le frodi in tempo quasi reale, risparmiando così milioni di perdite. Inoltre, AmEx sta sfruttando i suoi flussi di dati per sviluppare applicazioni in grado di collegare un titolare della carta con prodotti o servizi e offerte speciali. Stanno anche dando ai commercianti un’analisi delle tendenze del business online e un benchmarking tra pari del settore.

Healthcare

L’intelligenza artificiale e l’apprendimento profondo vengono utilizzati per salvare vite umane da Infervision. In Cina, dove non ci sono abbastanza radiologi per tenere il passo con la richiesta di rivedere 1,4 miliardi di TAC ogni anno per cercare i primi segni di cancro ai polmoni. I radiologi hanno bisogno di rivedere centinaia di scansioni ogni giorno che non è solo noioso, ma la fatica umana può portare a errori. Infervision addestrato e insegnato algoritmi per aumentare il lavoro dei radiologi per consentire loro di diagnosticare il cancro in modo più accurato ed efficiente.

Le neuroscienze sono l’ispirazione e il fondamento per DeepMind di Google, creando una macchina in grado di imitare i processi mentali del nostro cervello. Mentre DeepMind ha battuto con successo gli esseri umani nei giochi, ciò che è davvero intrigante sono le possibilità per le applicazioni sanitarie come la riduzione del tempo necessario per pianificare i trattamenti e l’utilizzo di macchine per aiutare a diagnosticare i disturbi.

Produzione

Le auto sono sempre più connesse e generano dati che possono essere utilizzati in diversi modi. Volvo utilizza i dati per aiutare a prevedere quando le parti potrebbero guastarsi o quando i veicoli necessitano di manutenzione, mantenere il suo impressionante record di sicurezza monitorando le prestazioni del veicolo in situazioni pericolose e migliorare la comodità del conducente e del passeggero. Volvo sta anche conducendo la propria ricerca e sviluppo su veicoli autonomi.

La tecnologia relativa ai big data è al centro del suo modello di business e i dati guidano le decisioni in tutto il business, dalla progettazione e dall’ingegneria alle vendite e all’assistenza post-vendita. L’azienda è anche leader nella tecnologia driverless e prevede che le sue auto forniscano un’autonomia di livello 5—il veicolo può guidare da solo senza alcun intervento umano—entro il 2021.

La rivoluzione tecnologica AI ha colpito anche l’agricoltura, e John Deere sta ottenendo strumenti analitici e automazione basati sui dati nelle mani degli agricoltori. Hanno acquisito Blue River Technology per la sua soluzione di utilizzare algoritmi di apprendimento automatico avanzati per consentire ai robot di prendere decisioni basate su dati visivi sul fatto che un piano sia o meno un parassita per trattarlo con un pesticida. L’azienda offre già veicoli agricoli automatizzati per arare e seminare con sistemi GPS precisi e precisi e il suo sistema Farmsight è progettato per aiutare il processo decisionale agricolo.

Media

Il progetto BBC, Talking with Machines è un dramma audio che consente agli ascoltatori di partecipare e avere una conversazione bidirezionale tramite il loro altoparlante intelligente. Ascoltatori arrivare a essere una parte della storia come li spinge a rispondere alle domande e inserire le proprie linee nella storia. Creato appositamente per gli altoparlanti intelligenti Amazon Echo e Google Home, la BBC si aspetta di espandersi ad altri dispositivi ad attivazione vocale in futuro.

UK news agency Press Association (PA) spera robot e intelligenza artificiale potrebbero essere in grado di salvare le notizie locali. Hanno collaborato con lo specialista di automazione delle notizie Urbs Media per far scrivere ai robot 30.000 notizie locali ogni mese in un progetto chiamato RADAR (Reporters and Data and Robots). Alimentato con una varietà di dati provenienti da governo, servizi pubblici e autorità locali, la macchina utilizza la tecnologia di generazione del linguaggio naturale per scrivere notizie locali. Questi robot stanno colmando una lacuna nella copertura delle notizie che non veniva colmata dagli umani.

Big data analytics sta aiutando Netflix prevedere ciò che i suoi clienti potranno godere di guardare. Sono anche sempre più un creatore di contenuti, non solo un distributore, e utilizzano i dati per guidare quali contenuti investirà nella creazione. A causa della fiducia che hanno nei risultati dei dati, sono disposti a buck convention e commissionare più stagioni di un nuovo spettacolo piuttosto che solo un episodio pilota.

Retail

Quando pensi per la prima volta a Burberry, probabilmente consideri la sua moda di lusso e non la consideri prima un business digitale. Tuttavia, sono stati impegnati a reinventarsi e utilizzare big data e AI per combattere i prodotti contraffatti e migliorare le vendite e le relazioni con i clienti. La strategia dell’azienda per aumentare le vendite è quella di coltivare connessioni profonde e personali con i propri clienti. Come parte di ciò, hanno programmi di ricompensa e fidelizzazione che creano dati per aiutarli a personalizzare l’esperienza di acquisto per ogni cliente. In realtà, stanno facendo l’esperienza di shopping nei loro negozi di mattoni e malta altrettanto innovativo come un’esperienza online.

In qualità di secondo rivenditore al mondo, Walmart è all’avanguardia nella ricerca di modi per trasformare la vendita al dettaglio e fornire un servizio migliore ai propri clienti. Utilizzano big data, machine learning, AI e IoT per garantire un’esperienza perfetta tra l’esperienza del cliente online e l’esperienza in-store (con 11.000 negozi di mattoni e malta, qualcosa che la rivale Amazon non è in grado di fare. I miglioramenti includono l’utilizzo della funzione Scan and Go sull’app, le torri Pick-up e stanno sperimentando la tecnologia di riconoscimento facciale per determinare se i clienti sono felici o tristi.

Servizio

Centrale per tutto ciò che Microsoft fa è sfruttare le macchine intelligenti. Microsoft ha Cortana, un assistente virtuale; i chatbot che eseguono Skype e rispondono alle domande del servizio clienti o forniscono informazioni come aggiornamenti meteo o di viaggio e l’azienda ha implementato funzionalità intelligenti all’interno della propria Office enterprise. Altre aziende possono utilizzare la piattaforma Microsoft AI per creare i propri strumenti intelligenti. In futuro, Microsoft vuole vedere macchine intelligenti con funzionalità AI generalizzate che consentano loro di completare qualsiasi attività.

Quando si mettono insieme il cloud computing, geo-mapping e apprendimento automatico, alcune cose davvero interessanti possono accadere. Google sta utilizzando AI e dati satellitari per prevenire la pesca illegale. In un dato giorno, vengono creati 22 milioni di punti dati che mostrano dove si trovano le navi nei corsi d’acqua del mondo. Gli ingegneri di Google hanno scoperto che quando applicavano l’apprendimento automatico ai dati, potevano identificare il motivo per cui una nave era in mare. Alla fine hanno creato Global Fishing Watch che mostra dove sta avvenendo la pesca e potrebbe quindi identificare quando la pesca stava avvenendo illegalmente.

Sempre al top del servizio di consegna straordinario, Disney sta migliorando ancora grazie ai big data. Ogni visitatore riceve il proprio braccialetto MagicBand che funge da ID, chiave della camera d’albergo, biglietti, FastPass e sistema di pagamento. Mentre ospite abbastanza la convenienza, Disney ottiene un sacco di dati che li aiuta ad anticipare le esigenze degli ospiti e fornire un incredibile, esperienza personalizzata. Possono risolvere gli ingorghi, fornire servizi extra agli ospiti che potrebbero essere stati disturbati da un’attrazione chiusa e i dati consentono persino all’azienda di pianificare il personale in modo più efficiente.

Google è uno dei pionieri dell’apprendimento profondo dalla sua incursione iniziale con il Google Brain project nel 2011. Google prima utilizzato deep learning per il riconoscimento delle immagini e ora è in grado di usarlo per il miglioramento delle immagini. Google ha anche applicato il deep learning all’elaborazione delle lingue e per fornire migliori raccomandazioni video su YouTube, perché studia le abitudini e le preferenze degli spettatori quando trasmettono contenuti. Successivamente, la divisione auto-guida di Google sfrutta anche l’apprendimento profondo. Google ha anche utilizzato l’apprendimento automatico per aiutare l’it a capire la giusta configurazione di hardware e dispositivi di raffreddamento nei propri data center per ridurre la quantità di energia spesa per mantenerli operativi. L’intelligenza artificiale e l’apprendimento automatico hanno aiutato Google a sbloccare nuovi modi di sostenibilità.

Social Media

Da ciò tweets di raccomandare a combattere contenuti inappropriati o razzisti e migliorare l’esperienza dell’utente, Twitter ha iniziato a utilizzare l’intelligenza artificiale dietro le quinte per migliorare il loro prodotto. Elaborano molti dati attraverso reti neurali profonde per apprendere nel tempo quali sono le preferenze degli utenti.

L’apprendimento profondo sta aiutando Facebook a trarre valore da una porzione più ampia dei suoi set di dati non strutturati creati da quasi 2 miliardi di persone che aggiornano i loro stati 293.000 volte al minuto. La maggior parte della sua tecnologia di deep learning è costruita sulla piattaforma Torch che si concentra sulle tecnologie di deep learning e sulle reti neurali.