実際のAIと機械学習の27の素晴らしい例

人工知能と機械学習が舞台裏で使用されて、私たちの日常生活に影響を与え、ビジネス上の意思決定を通知し、世界をリードする企業の運用を最適化する非常に多くの驚くべき方法があります。 ここでは、AIと機械学習の27の驚くべき実用的な例があります。

消費者物

自然言語処理、機械学習、高度な分析、こんにちはバービーの話を聞く対応します。 バービーのネックレスのマイクは、言われたことを記録し、ToyTalkのサーバーに送信します。 そこでは、録音が分析され、8,000行の対話からの適切な応答が決定されます。 彼女は子供に応答することができますので、サーバーは、第二の下でバービーに戻って正しい応答を送信します。 自分の好きな食べ物が何であるかなどの質問への回答は、後で会話で使用できるように保存されています。

コカコーラのグローバル市場と広範な製品リスト-500以上のドリンクブランドは、200カ国以上で販売—それは世界最大の飲料会社にします。 同社は大量のデータを作成するだけでなく、新技術を採用し、そのデータを実践して新製品開発をサポートし、人工知能ボットを活用し、瓶詰め工場で拡張現実感を試すことさえしています。

オランダの会社ハイネケンは、過去150年間、世界的な醸造リーダーとなっているにもかかわらず、彼らは収集した膨大な量のデータを活用することによ データ駆動型マーケティングからモノのインターネット、データ分析による業務改善まで、ハイネケンはAIの強化とデータを活用して業務、マーケティング、広告、顧客サービスを改善しています。

創造的な芸術

料理の芸術は右、人間のタッチを必要としますか？ はい、いいえ。 IBMのAI対応のシェフワトソンは、人工知能がレシピを開発し、完全にユニークな味を作成するために、食品の組み合わせに彼らの人間のカウンターパート AIと人間が一緒に働くことで、一人で働くよりもキッチンで多くを創造することができます。

AIとビッグデータが創造性を高めるもう一つの方法は、アートとデザインの世界です。 一例では、IBMの機械学習システム、ワトソンは、機械がバルセロナ、その文化、伝記、歴史的な記事や歌の歌詞を含む彼の仕事のための可能な影響を学ぶのを助けるために、他の補完的な材料と一緒にアーティストガウディの作品の画像の何百もの供給されました。 ワトソンは、すべての情報を分析し、ワトソンによって、ガウディのスタイルで”通知”彫刻を作成すると充電された人間の芸術家にインスピレーションを

音楽生成アルゴリズムは今、新しい曲を鼓舞しています。 何百万もの会話、新聞の見出し、スピーチなど、十分な入力があれば、歌詞のテーマを作成するのに役立つ洞察が収集されます。 このような作曲家を鼓舞するために、さまざまな音楽的要素を思い付くことができるワトソンビートなどのマシンがあります。 AIは、ミュージシャンが視聴者が何を望んでいるのかを理解し、最終的にヒットする可能性のある曲をより正確に判断するのに役立ちます。

エネルギー

グローバルエネルギーリーダー、BPはビッグデータと人工知能は、エネルギー業界のために持っている機会を実現する最前線にあります。 彼らは、パフォーマンスの新しいレベルを駆動するために技術を使用し、資源の使用と石油とガスの生産と精製の安全性と信頼性を向上させます。 各サイトの状況を中継するセンサーから、AI技術を使用して業務を改善するまで、BPはエンジニア、科学者、意思決定者の指先にデータを配置して、高性能を推進するのに役立ちます。

21世紀にエネルギーを提供しようとする試みでは、GEパワーは、ビッグデータ、機械学習とモノのインターネット（IoT）技術を使用して”エネルギーのインターネット。「高度な分析と機械学習により、予測保全と電力、運用、ビジネスの最適化が可能になり、GE Powerが「デジタル発電所」というビジョンに向けて取り組むのに役立”

金融サービス

世界中の個人に関する約3.6ペタバイトのデータ（および成長）で、信用照会機関Experianは、マーケティングデータベース、取引記録、公開情報記録か 彼らは、より迅速で効果的な意思決定を可能にするために、機械学習を製品に積極的に組み込んでいます。 時間が経つにつれて、マシンは重要なデータポイントとそうでないデータポイントを区別することを学ぶことができます。

アメリカン-エキスプレスは1兆ドルの取引を処理し、110万枚のアメックス-カードを運用している。 データ分析と機械学習アルゴリズムに大きく依存しており、ほぼリアルタイムで不正を検出するため、何百万もの損失を節約できます。 さらに、AmExはそのデータフローを活用して、カード所有者と製品やサービスや特別オファーを結びつけることができるアプリを開発しています。 彼らはまた商人にオンラインビジネス傾向の分析および企業の同等者のbenchmarkingを与えている。

医療

AIと深層学習は、Infervisionによって命を救うために使用されています。 中国では、肺がんの早期兆候を探すために毎年14億のCTスキャンを見直すという要求に追いつくのに十分な放射線科医がいない。 放射線科医は毎日何百ものスキャンを見直す必要がありますが、それは面倒なだけでなく、人間の疲労はエラーにつながる可能性があります。 Infervisionは、より正確かつ効率的に癌を診断できるように、放射線科医の仕事を強化するためのアルゴリズムを訓練し、教えました。神経科学は、私たち自身の脳の思考プロセスを模倣することができるマシンを作成し、GoogleのDeepMindのためのインスピレーションと基盤です。

神経科学は、私た DeepMindはゲームで人間を殴ることに成功しましたが、本当に興味深いのは、治療計画にかかる時間を短縮したり、病気の診断に機械を使用したりするなど、

製造業

車はますます接続され、多くの方法で使用できるデータを生成します。 ボルボは、部品が故障したり、車両がサービスを必要とするときに予測するのに役立つデータを使用し、危険な状況の間に車両の性能を監視することによ ボルボはまた、自律走行車に関する独自の研究開発を行っています。

BMWは、そのビジネスモデルの中心にビッグデータ関連の技術を持っており、データは、設計とエンジニアリングから販売とアフターケアにビジネス全体 同社は無人運転技術のリーダーでもあり、2021年までにレベル5の自律性を実現する計画を立てています。

AI技術革命は農業にも打撃を与え、John Deereはデータ駆動型の分析ツールと自動化を農家の手に委ねています。 彼らは、高度な機械学習アルゴリズムを使用して、計画が農薬でそれを処理する害虫であるかどうかについての視覚データに基づいてロボットが決 同社はすでに、正確なGPSシステムで耕して播種する自動農場車を提供しており、Farmsightシステムは農業の意思決定を支援するように設計されています。

メディア

BBCプロジェクト、マシンと話すことは、リスナーが参加し、彼らのスマートスピーカーを介して双方向の会話を持つことを可能にするオーディ リスナーは、質問に答えて自分の行を物語に挿入するように促すので、物語の一部になるようになります。 スマートスピーカーアマゾンエコーとGoogleホームのために特別に作成され、BBCは、将来的には他の音声活性化デバイスに拡大することを期待しています。

英国の報道機関プレス協会（PA）は、ロボットや人工知能が地元のニュースを保存することができるかもしれない期待しています。 彼らはニュース自動化の専門家Urbs Mediaと提携し、ロボットにRADAR（Reporters and Data and Robots）と呼ばれるプロジェクトで毎月30,000のローカルニュース記事を書かせました。 政府、公共サービスおよび地方自治体からのいろいろなデータと与えられて、機械はローカルニュース記事を書くのに自然言語生成の技術を使用する。 これらのロボットは、人間によって満たされていなかったニュース報道のギャップを埋めています。

ビッグデータ分析は、Netflixが顧客が見て楽しむものを予測するのに役立ちます。 また、ディストリビューターだけでなく、コンテンツ作成者も増えており、データを使用して作成に投資するコンテンツを推進しています。 彼らはデータの調査結果に自信を持っているため、彼らは単なるパイロットエピソードではなく、新しいショーの複数の季節を慣習と手数料に喜んでいます。

小売

あなたが最初にバーバリーを考えるとき、あなたはおそらくその豪華なファッションを考慮し、最初にそれらをデジタルビジネスと考 しかし、彼らは自分自身を再発明し、ビッグデータとAIを使用して偽造品と戦い、販売と顧客との関係を改善することに忙殺されています。 売上を増やすための同社の戦略は、顧客との深い個人的なつながりを育むことです。 その一環として、彼らは彼らが各顧客のためのショッピング体験をパーソナライズするのに役立つデータを作成する報酬とロイヤルティプログラ 実際には、彼らはオンライン体験と同じように革新的な彼らのレンガとモルタルの店でショッピング体験を作っています。

世界第二位の小売業者として、ウォルマートは、小売を変換し、顧客により良いサービスを提供する方法を見つけるの最先端にあります。 ビッグデータ、機械学習、AI、IoTを使用して、オンラインカスタマーエクスペリエンスと店舗内エクスペリエンスのシームレスなエクスペリエンスを確保します（11,000の実店舗では、ライバルのAmazonではできないことがあります。 機能強化には、アプリのスキャンと移動機能、ピックアップタワーの使用が含まれ、顧客が幸せか悲しいかを判断するために顔認識技術を試しています。

サービス

Microsoftが行うすべての中心は、スマートマシンを活用しています。 マイクロソフトは、コルタナ、仮想アシスタントを持っています; Skypeを実行し、顧客サービスのクエリに応答したり、天気や旅行の更新などの情報を配信したりするチャットボットで、同社はOfficeエンタープライズ内でインテリ 他の企業は、独自のインテリジェントなツールを作成するには、Microsoft AIプラットフォームを使用することができます。 将来的には、Microsoftは、彼らが任意のタスクを完了することを可能にする一般化されたAI機能を備えたインテリジェントなマシンを見

クラウドコンピューティング、ジオマッピング、機械学習をまとめると、いくつかの本当に興味深いことが起こる可能性があります。 Googleは違法漁業を防ぐためにAIと衛星データを使用しています。 任意の日に、船が世界の水路のどこにあるかを示す2200万のデータポイントが作成されます。 Googleのエンジニアは、データに機械学習を適用すると、船舶がなぜ海上にいたのかを特定できることを発見しました。 彼らは最終的に釣りが起こっている場所を示し、釣りが違法に起こっていたときに識別することができるグローバル釣りウォッチを作成しました。

常に配信異常なサービスの上部に、ディズニーはビッグデータのおかげでさらに良くなっています。 すべての訪問者は、ID、ホテルの部屋の鍵、チケット、FastPasses、支払いシステムとして機能する独自のMagicBandリストバンドを取得します。 ゲストの利便性は十分ですが、ディズニーはゲストのニーズを予測し、素晴らしい、パーソナライズされた経験を提供するのに役立つ多くのデータを取得し 彼らは交通渋滞を解決し、閉鎖された魅力によって不便になったかもしれないゲストに余分なサービスを提供することができ、データは会社がより効率的にスタッフをスケジュールすることを可能にします。

Googleは、2011年のGoogle Brainプロジェクトへの最初の進出から、ディープラーニングの先駆者の一人です。 Googleは最初に画像認識にディープラーニングを使用し、現在は画像強調に使用できます。 Googleはまた、言語処理にディープラーニングを適用し、コンテンツをストリーミングするときの視聴者の習慣や好みを研究するため、YouTubeでより良い動画の推 次に、Googleの自動運転車部門もディープラーニングを活用しています。 Googleはまた、機械学習を使用して、データセンターのハードウェアとクーラーの適切な構成を把握し、運用を維持するために消費されるエネルギー量を削減しました。 AIと機械学習は、Googleが持続可能性の新しい方法のロックを解除するのに役立ちました。

ソーシャルメディア

不適切なまたは人種差別的なコンテンツとの戦いとユーザーエクスペリエンスを向上させることをお勧めするものから、Twitterは、自社の製品を強化するために、舞台裏で人工知能を使用し始めています。 彼らは深いニューラルネットワークを介して大量のデータを処理し、ユーザーの好みが何であるかを時間をかけて学習します。

ディープラーニングは、Facebookがほぼ2億人が毎分293,000回ステータスを更新することによって作成された非構造化データセットの大部分から価値を引き出す その深層学習技術のほとんどは、深層学習技術とニューラルネットワークに焦点を当てたTorchプラットフォーム上に構築されています。