27 niesamowitych przykładów sztucznej inteligencji i Uczenia Maszynowego w praktyce

istnieje tak wiele niesamowitych sposobów, w jakie sztuczna inteligencja i uczenie maszynowe są wykorzystywane za kulisami, aby wpływać na nasze codzienne życie, informować o decyzjach biznesowych i optymalizować operacje dla niektórych wiodących firm na świecie. Oto 27 niesamowitych praktycznych przykładów sztucznej inteligencji i uczenia maszynowego.

dobra konsumpcyjne

korzystając z przetwarzania języka naturalnego, uczenia maszynowego i zaawansowanej analizy, Hello Barbie słucha i reaguje na dziecko. Mikrofon na naszyjniku Barbie zapisuje to, co zostało powiedziane i przesyła je na serwery w ToyTalk. Tam nagranie jest analizowane w celu określenia odpowiedniej reakcji z 8000 linii dialogu. Serwery przesyłają prawidłową odpowiedź do Barbie w mniej niż sekundę, aby mogła reagować na dziecko. Odpowiedzi na pytania, takie jak to, co jest ich ulubionym jedzeniem, są przechowywane, aby można je było później wykorzystać w rozmowie.

globalny rynek Coca-Coli i obszerna lista produktów-ponad 500 marek napojów sprzedawanych w ponad 200 krajach—sprawiają, że jest to największa firma produkująca napoje na świecie. Firma nie tylko tworzy wiele danych, ale także wykorzystuje nowe technologie i wykorzystuje je w praktyce, aby wspierać rozwój nowych produktów, wykorzystywać boty sztucznej inteligencji, a nawet testować rozszerzoną rzeczywistość w zakładach rozlewniczych.

pomimo tego, że holenderska firma Heineken od 150 lat jest światowym liderem w dziedzinie piwowarstwa, jej celem jest osiągnięcie sukcesu w Stanach Zjednoczonych poprzez wykorzystanie ogromnej ilości gromadzonych danych. Od marketingu opartego na danych przez Internet rzeczy po Ulepszanie operacji poprzez analizę danych, Heineken poszukuje augmentacji sztucznej inteligencji i danych, aby usprawnić swoje działania, marketing, reklamę i obsługę klienta.

Sztuka kreatywna

sztuka kulinarna wymaga ludzkiego dotyku, prawda? Tak i nie. Szef kuchni oparty na sztucznej inteligencji Watson z IBM pokazuje, jak sztuczna inteligencja może stać się zastępcą szefa kuchni, aby pomóc w opracowywaniu przepisów i doradzać swoim ludzkim odpowiednikom w zakresie kombinacji żywności, aby stworzyć całkowicie unikalne smaki. Pracując razem, AI i ludzie mogą stworzyć więcej w kuchni niż pracować samotnie.

innym sposobem AI i big data mogą zwiększyć kreatywność jest świat sztuki i designu. W jednym z przykładów, system IBM machine learning, Watson, został zasilony setkami obrazów prac artysty Gaudiego wraz z innymi materiałami uzupełniającymi, aby pomóc maszynie poznać możliwe wpływy jego pracy, w tym Barcelonę, jej kulturę, biografie, artykuły historyczne i teksty piosenek. Watson przeanalizował wszystkie informacje i dostarczył inspiracji ludzkim artystom, którzy zostali oskarżeni o stworzenie rzeźby „poinformowanej” przez Watsona i w stylu Gaudiego.

algorytmy generujące muzykę inspirują teraz nowe utwory. Biorąc pod uwagę wystarczającą ilość danych wejściowych-miliony rozmów, nagłówki gazet i przemówień—gromadzone są spostrzeżenia, które mogą pomóc w stworzeniu motywu do tekstów. Istnieją maszyny takie jak Watson BEAT, które mogą wymyślić różne elementy muzyczne, aby zainspirować kompozytorów. AI pomaga muzykom zrozumieć, czego chcą ich odbiorcy i pomóc dokładniej określić, które utwory mogą ostatecznie być hitami.

Energia

globalny lider w dziedzinie energii, BP jest liderem w realizacji możliwości, jakie big data i sztuczna inteligencja mają dla branży energetycznej. Wykorzystują tę technologię do osiągania nowych poziomów wydajności, poprawy wykorzystania zasobów oraz bezpieczeństwa i niezawodności produkcji i rafinacji ropy naftowej i gazu. BP udostępnia dane inżynierom, naukowcom i decydentom, począwszy od czujników przekazujących warunki w każdym miejscu, a skończywszy na wykorzystaniu technologii sztucznej inteligencji w celu usprawnienia operacji.

próbując dostarczyć energię w XXI wiek, GE Power wykorzystuje big data, uczenie maszynowe i technologię Internetu rzeczy (IoT) do budowy „Internetu energii.”Zaawansowana analityka i uczenie maszynowe umożliwiają predykcyjną Konserwację i optymalizację zasilania, operacji i biznesu, aby pomóc GE Power w realizacji swojej wizji cyfrowej elektrowni”.”

Usługi Finansowe

dzięki około 3,6 petabajtom danych (i rosnącym) o osobach na całym świecie, Agencja Informacji Kredytowej Experian otrzymuje niezwykłą ilość danych z marketingowych baz danych, rejestrów transakcji i rejestrów informacji publicznej. Aktywnie włączają uczenie maszynowe do swoich produktów, aby umożliwić szybsze i skuteczniejsze podejmowanie decyzji. Z biegiem czasu maszyny mogą nauczyć się odróżniać, które punkty danych są ważne od tych, które nie są. wgląd wydobyty z maszyn pozwoli Experian zoptymalizować swoje procesy.

American Express przetwarza 1 bilion dolarów transakcji i ma 110 milionów kart AmEx w eksploatacji. W dużej mierze opierają się na analizie danych i algorytmach uczenia maszynowego, aby pomóc w wykrywaniu oszustw w czasie zbliżonym do rzeczywistego, co pozwala zaoszczędzić miliony strat. Ponadto AmEx wykorzystuje przepływ danych do tworzenia aplikacji, które mogą łączyć posiadacza karty z produktami lub usługami i ofertami specjalnymi. Są one również dając kupcom online analizy trendów biznesowych i branży peer benchmarking.

Opieka zdrowotna

sztuczna inteligencja i głębokie uczenie są wykorzystywane do ratowania życia poprzez Infervision. W Chinach, gdzie nie ma wystarczającej liczby radiologów, aby nadążyć za zapotrzebowaniem na przeglądanie 1,4 miliarda tomografii komputerowej każdego roku w poszukiwaniu wczesnych objawów raka płuc. Radiolodzy muszą przeglądać setki skanów każdego dnia, co jest nie tylko żmudne, ale ludzkie zmęczenie może prowadzić do błędów. Infervision szkolił i nauczał algorytmów w celu zwiększenia pracy radiologów, aby umożliwić im dokładniejsze i skuteczniejsze diagnozowanie raka.

Neuronauka jest inspiracją i fundamentem dla DeepMind Google, tworząc maszynę, która może naśladować procesy myślowe naszych własnych mózgów. Podczas gdy DeepMind skutecznie pokonał ludzi w grach, naprawdę intrygujące są możliwości zastosowań medycznych, takich jak skrócenie czasu potrzebnego na zaplanowanie leczenia i użycie maszyn do diagnozowania dolegliwości.

produkcja

samochody są coraz bardziej połączone i generują dane, które można wykorzystać na wiele sposobów. Volvo wykorzystuje dane, aby pomóc przewidzieć, kiedy Części ulegną awarii lub kiedy pojazdy będą wymagały serwisowania, utrzymać imponujące wyniki w zakresie bezpieczeństwa, monitorując osiągi pojazdu w sytuacjach niebezpiecznych oraz poprawiając wygodę kierowcy i pasażera. Volvo prowadzi również własne badania i rozwój pojazdów autonomicznych.

BMW ma technologię związaną z big data w sercu swojego modelu biznesowego, a dane kierują decyzjami w całym biznesie, od projektowania i inżynierii po sprzedaż i obsługę posprzedażną. Firma jest również liderem w dziedzinie technologii bez kierowcy i planuje, aby jej Samochody zapewniały autonomię na poziomie 5—pojazd może jeździć sam bez interwencji człowieka—do 2021 roku.

rewolucja w technologii sztucznej inteligencji również dotknęła Rolnictwo, a John Deere otrzymuje narzędzia analityczne i automatyzację oparte na danych w ręce rolników. Nabyli technologię Blue River, aby wykorzystać zaawansowane algorytmy uczenia maszynowego, aby umożliwić robotom podejmowanie decyzji na podstawie danych wizualnych o tym, czy plan jest szkodnikiem, aby leczyć go pestycydem. Firma oferuje już zautomatyzowane Pojazdy rolnicze do orki i siewu za pomocą precyzyjnych systemów GPS, a system Farmsight został zaprojektowany, aby pomóc w podejmowaniu decyzji w rolnictwie.

Media

projekt BBC, Talking with Machines to dramat audio, który pozwala słuchaczom dołączyć i prowadzić dwukierunkową rozmowę za pośrednictwem inteligentnego głośnika. Słuchacze stają się częścią historii, ponieważ skłania ich do odpowiedzi na pytania i wstawiania własnych linii do historii. Stworzony specjalnie dla inteligentnych głośników Amazon Echo i Google Home, BBC spodziewa się rozszerzyć na inne urządzenia aktywowane głosem w przyszłości.

brytyjska agencja prasowa (PA) ma nadzieję, że roboty i sztuczna inteligencja będą w stanie zapisać lokalne wiadomości. Współpracowali ze specjalistą od automatyzacji wiadomości Urbs Media, aby roboty pisały 30 000 lokalnych wiadomości każdego miesiąca w projekcie o nazwie RADAR (reporterzy i Dane i roboty). Zasilany różnymi danymi od rządu, służb publicznych i władz lokalnych, maszyna wykorzystuje technologię generowania języka naturalnego do pisania lokalnych wiadomości. Te roboty wypełniają lukę w wiadomościach, która nie została wypełniona przez ludzi.

analityka Big data pomaga firmie Netflix przewidzieć, co jej klienci będą cieszyć się oglądaniem. Coraz częściej są także twórcami treści, a nie tylko dystrybutorami,i wykorzystują dane, aby napędzać treści, w które zainwestuje. Ze względu na zaufanie, jakie mają do ustaleń danych, są skłonni zaryzykować konwencję i zlecić kilka sezonów nowego serialu, a nie tylko odcinek pilotażowy.

Handel detaliczny

Kiedy po raz pierwszy myślisz o Burberry, prawdopodobnie bierzesz pod uwagę jego luksusową modę, a nie najpierw uważasz je za cyfrowy biznes. Jednak byli zajęci odkrywaniem siebie na nowo i wykorzystywaniem big data i sztucznej inteligencji do zwalczania podrabianych produktów oraz poprawy sprzedaży i Relacji z klientami. Strategia firmy na rzecz zwiększenia sprzedaży polega na pielęgnowaniu głębokich, osobistych kontaktów z klientami. W ramach tego mają programy nagród i lojalnościowe, które tworzą dane, które pomagają im spersonalizować wrażenia zakupowe dla każdego klienta. W rzeczywistości robią zakupy w swoich sklepach stacjonarnych tak samo innowacyjne jak doświadczenie online.

jako drugi co do wielkości sprzedawca detaliczny na świecie, Walmart jest w czołówce znajdowania sposobów na przekształcenie handlu detalicznego i zapewnienie lepszej obsługi swoim klientom. Wykorzystują duże zbiory danych, uczenie maszynowe, sztuczną inteligencję i Internet przedmiotów, aby zapewnić płynną obsługę klienta online i sklepu (z 11 000 sklepów stacjonarnych, coś, czego nie jest w stanie zrobić konkurencyjny Amazon. Ulepszenia obejmują korzystanie z funkcji Skanuj i idź w aplikacji, wieże odbiorcze i eksperymentują z technologią rozpoznawania twarzy, aby określić, czy klienci są zadowoleni, czy smutni.

serwis

głównym elementem wszystkiego, co robi Microsoft, jest wykorzystanie inteligentnych maszyn. Microsoft ma Cortanę, wirtualnego asystenta; chatboty, które uruchamiają Skype i odpowiadają na pytania obsługi klienta lub dostarczają informacje, takie jak pogoda lub aktualizacje podróży, a firma wdrożyła inteligentne funkcje w swoim przedsiębiorstwie biurowym. Inne firmy mogą korzystać z platformy Microsoft AI do tworzenia własnych inteligentnych narzędzi. W przyszłości Microsoft chce zobaczyć inteligentne maszyny z uogólnionymi możliwościami sztucznej inteligencji, które pozwolą im wykonać każde zadanie.

kiedy łączymy przetwarzanie w chmurze, GEO-mapowanie i uczenie maszynowe, może się zdarzyć kilka naprawdę interesujących rzeczy. Google używa sztucznej inteligencji i danych satelitarnych, aby zapobiegać nielegalnym połowom. Każdego dnia tworzone są 22 miliony punktów danych, które pokazują, gdzie znajdują się statki na światowych drogach wodnych. Inżynierowie Google odkryli, że kiedy zastosowali uczenie maszynowe do danych, mogli zidentyfikować, dlaczego statek był na morzu. Ostatecznie stworzyli Global Fishing Watch, który pokazuje, gdzie odbywa się rybołówstwo, a następnie może zidentyfikować, kiedy połowy miały miejsce nielegalnie.

zawsze na szczycie dostaw niezwykła obsługa, Disney staje się jeszcze lepszy dzięki big data. Każdy gość otrzymuje swoją opaskę MagicBand, która służy jako identyfikator, klucz do pokoju hotelowego, bilety, przepustki i system płatności. Chociaż gość jest wystarczająco wygodny, Disney otrzymuje wiele danych, które pomagają im przewidywać potrzeby gości i zapewniać niesamowite, spersonalizowane wrażenia. Mogą rozwiązywać korki, zapewniać dodatkowe usługi gościom, którzy mogli być niewygodni przez zamkniętą atrakcję, A Dane pozwalają nawet firmie na bardziej efektywne planowanie personelu.

Google jest jednym z pionierów głębokiego uczenia się od pierwszego ataku z Google Brain project w 2011 roku. Google po raz pierwszy użył głębokiego uczenia do rozpoznawania obrazów, a teraz może go używać do ulepszania obrazu. Google zastosowało również głębokie uczenie do przetwarzania języka i dostarczania lepszych rekomendacji wideo na YouTube, ponieważ bada nawyki i preferencje widzów podczas przesyłania strumieniowego treści. Następnie dział samochodów samojezdnych Google wykorzystuje również głębokie uczenie. Google wykorzystało również uczenie maszynowe, aby pomóc it w ustaleniu właściwej konfiguracji sprzętu i chłodnic w swoich centrach danych, aby zmniejszyć ilość zużywanej energii, aby utrzymać je w działaniu. Sztuczna inteligencja i uczenie maszynowe pomogły Google odkryć nowe sposoby zrównoważonego rozwoju.

Media społecznościowe

od tego, co tweety polecają zwalczaniu nieodpowiednich lub rasistowskich treści i zwiększaniu komfortu użytkowania, Twitter zaczął wykorzystywać sztuczną inteligencję za kulisami, aby ulepszyć swój produkt. Przetwarzają wiele danych za pośrednictwem głębokich sieci neuronowych, aby z czasem dowiedzieć się, jakie są preferencje użytkowników.

deep learning pomaga Facebookowi czerpać wartość z większej części nieustrukturyzowanych zbiorów danych stworzonych przez prawie 2 miliardy ludzi aktualizujących swoje statusy 293 000 razy na minutę. Większość technologii deep learning opiera się na platformie Torch, która koncentruje się na technologiach uczenia głębokiego i sieciach neuronowych.