七大经典应用案例,告诉你机器学习如何助力行业发展

我们总结了最为典型的一些机器学习的应用案例,对于不太了解机器学习以及正在考虑使用机器学习来帮助自己获得业务增长的厂商们或许会有启发。

MIT IDE部门的负责人Erik Brynjolfsson 2017年11月在自己的Twitter上曾经发布了这样一条信息,“AI is a GPT and that's good news for future growth”,他认为AI是一种GPT,General Purpose Technology。GPT有三个重要特点,一是普遍性,二是能够不断改进,三是能够催生互补创新。显然,能够称得上GPT的技术并不多,它们的出现都带来了颠覆性的意义,例如蒸汽机,电力。而Brynjolfsson认为AI与它们一样,正在制造一场颠覆性的变革。

这也正是AI在人类世界产生影响的真实写照。

如果你对AI行业不太了解,可能会对频繁出现的不同术语感到疑惑,例如人工智能(Artificial Intelligence, 简称AI)和机器学习(Machine Learning, 简称ML)。机器学习其实是实现人工智能的手段之一,也是目前最主流的人工智能实现方法。机器学习能够通过数据训练出可以完成一定功能的模型,例如垃圾邮件识别系统,就是通过学习大量的邮件,包括正常邮件和垃圾邮件,建立模型,实现过滤垃圾邮件的功能。

另一个出现频率很高的单词就是深度学习(Deep Learning, 简称DL)了,深度学习其实是机器学习的一个分支,根据维基百科的定义,它是一种以人工神经网络为架构,对数据进行表征学习的算法。当下的深度学习计算机视觉自然语言处理领域取得了重大突破,所以成为了媒体关注的焦点。这篇文章不会过多单独关注这个概念,但我们需要了解除了深度学习之外,还有许多其他实用的算法,例如基于树型的算法,统计学方法等等。

尽管机器学习被公众熟知是近些年的事情,但其实它在数十年前就已经在一些行业中得到应用,当然如今更是深入到各行各业,对几乎所有人的生活产生影响。我们总结了最为典型的一些机器学习的应用案例,或许对于不太了解机器学习以及正在考虑使用机器学习来帮助自己获得业务增长的厂商们会有启发。

击败围棋职业选手

1997年,IBM的超级计算机深蓝打败了国际象棋世界冠军加里·卡斯帕罗夫。同样的历史2016年又在围棋界重演,Google制造的人工智能程序AlphaGo战胜了韩国围棋名将李世石。不止在棋类比赛中,人工智能横扫人类高手,在2017年电子竞技游戏DOTA2的比赛中,人工智能也完成了对人类职业战队的胜利。

AlphaGo的负责人Demis Hassabis在一次演讲中曾经这样说到,“我们发明AlphaGo,并不是为了赢取围棋比赛,…………我们的最终目的是把这些算法应用到真实的世界中,为社会所服务。”(引用自腾讯科技:https://tech.qq.com/a/20170414/011359.htm)

不管AlphaGo是否已经实现了自己的目的,至少它成功让人类社会掀起了一场关于人工智能的大风暴。

自动驾驶

自动驾驶其实最早在飞机上就已经实现了,驾驶员只需要在起飞和降落阶段介入。在汽车上实现自动驾驶相对要复杂很多,因为在实际情况下,在路上行驶的车辆更多,路况更复杂。不过,自动驾驶也在不断取得新的进展,虽然在如何评估自动驾驶安全性上大家还没有达成一致,但是从数据上看来,自动驾驶在某些方面或许已经超越了人类。

导航系统也是机器学习的另一个应用案例。例如,谷歌地图能够从你的手机获取位置信息,知道你从一个地点到达另外一个地点的时间,从而计算出你的行驶速度,了解目前实时的路况,同时它还能够综合用户上传的事故信息,构建出实时交通路况图,推荐到达目的地的最优路线,避开拥堵。

这一技术目前已经非常成熟,不过也依然有很多需要完善的方面。最近就出现了一个非常有趣的小故事,一位名为Simon Weckert的德国艺术家,用一辆小拖车以及装在车上的99部智能手机,成功欺骗了谷歌地图,让其误以为一条本来空空如也的街道发生了交通堵塞。

当然,除了自动驾驶与导航系统,在物流行业中,无人货仓,智能分拣系统,客服系统也都已经有了AI的身影。

替代人类完成重复乏味和危险的工作

在很多行业中都有一些需要花费大量时间去完成的重复性工作,这些岗位通常薪水低,但要求又非常高,甚至有些岗位还有一定的危险性,人工智能恰恰是取代人类完成这些工作的最佳选择。例如汽车装饰件工厂的质检员,他们的工作就是检查每一个生产出来的产品是否有划痕、气痕、短射和黑点,而通过图像识别技术,机器就能很好地完成这项工作,并且提升准确率,这项技术目前已经在很多工厂开始使用了。

又比如,像焊接这样的工作,对于人类来说就有一定的危险性,而通过计算机视觉深度学习技术,也可以利用机器人来完成任务。

环境分析

再优秀的人类也无法在头脑中存储像计算机中那么多的数据,人工智能则可以获取成千上万个传感器中的数据来分析环境,预测天气以及污染情况,为城市决策者们提供帮助,减轻环境灾害带来的影响,而这还仅仅只是开始。

医疗健康

人工智能在健康领域的潜能是很多人最为期待的,例如,随着世界范围内出现的老龄化现象,老年人的护理是很多家庭面临的难题,他们通常需要借助外部的帮助。AI则可以为许多家庭做到这一点,包括使用热传感器这样的设备来监测老人在家中是否跌倒,等等。

不只是面向用户的AI,在很多医院,AI也已经被用来协助医生进行诊断。让计算机学习大量的影像和诊断数据,提取重要信息,最后给出建议,辅助医生进行决策,可以大大提高诊断效率,与此同时可有效减少漏诊、误诊的现象。

金融、保险

金融行业拥有大量的数据,他们的烦恼是人工根本无法及时完成对这些数据的审核。AI正是他们的救星。目前的AI已经可以帮助银行发现欺诈行为,找出用户交易的模式,在发现可疑行为的时候提醒用户或者银行。有些公司甚至能利用AI来预测股票市场,以达到买低卖高的梦想境界。

例如,Trading Technologies公司拥有一个可以实时从多个市场中大规模识别复杂交易模式的AI平台,该公司正是通过将机器学习技术与大数据处理能力相结合,为客户提供持续的合规风险评估。

智能家居

智能家电和智能安防系统是很多公司正在努力的方向,让家中的设备完全脱离人工控制自行运作虽然是比较长远的目标,但是眼下AI已经在这个领域获得了不少的成果。

例如,过去几年中科技公司眼中的宠儿—智能音箱。亚马逊,谷歌,苹果,百度,阿里等科技公司都推出了自己的智能音箱,用户可以通过语音交互来控制它或者家中其他智能设备。如果没有深度学习近些年的发展,以及语音识别相关技术的成熟,这一产品很难推向市场。

不过,真正让万物互联的梦想有了实现的可能性的,是边缘AI 的出现,有了边缘AI,我们生活环境中无数的传感器数据就可以发挥出巨大的价值,以前并不智能的边缘设备就可以变得智能。这也是近两年,边缘AI这一概念获得越来越多关注的原因。

以上这些机器学习的案例只是眼下发生在我们身边的一小部分事实,正如文章开头我们提到的,机器学习正在全社会范围内制造颠覆性的变革。如果你或者你的企业想要在这股潮流中走在前头,那么接下来最重要的问题就是,如何确定机器学习是否对自己的业务有帮助,以及如何让机器学习发挥出应有的作用,这个部分我们会在后续的博客中详细探讨。

更多关于Qeexo AutoML的信息,请可以访问https://automl.qeexo.com/

Qeexo
Qeexo

Qeexo是第一家为嵌入式边缘设备(Cortex M0-M4级别)提供自动化端到端机器学习服务的公司。在Qeexo AutoML的支持下,Qeexo已经将机器学习部署到全球范围内超过2.1亿台消费者设备上。

http://www.qeexochina.cn
专栏二维码
产业人工智能机器学习
相关数据
亚马逊机构

亚马逊(英语:Amazon.com Inc.,NASDAQ:AMZN)是一家总部位于美国西雅图的跨国电子商务企业,业务起始于线上书店,不久之后商品走向多元化。目前是全球最大的互联网线上零售商之一,也是美国《财富》杂志2016年评选的全球最大500家公司的排行榜中的第44名。

https://www.amazon.com/
相关技术
IBM机构

是美国一家跨国科技公司及咨询公司,总部位于纽约州阿蒙克市。IBM主要客户是政府和企业。IBM生产并销售计算机硬件及软件,并且为系统架构和网络托管提供咨询服务。截止2013年,IBM已在全球拥有12个研究实验室和大量的软件开发基地。IBM虽然是一家商业公司,但在材料、化学、物理等科学领域却也有很高的成就,利用这些学术研究为基础,发明很多产品。比较有名的IBM发明的产品包括硬盘、自动柜员机、通用产品代码、SQL、关系数据库管理系统、DRAM及沃森。

https://www.ibm.com/us-en/
相关技术
深度学习技术

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

表征学习技术

在机器学习领域,表征学习(或特征学习)是一种将原始数据转换成为能够被机器学习有效开发的一种技术的集合。在特征学习算法出现之前,机器学习研究人员需要利用手动特征工程(manual feature learning)等技术从原始数据的领域知识(domain knowledge)建立特征,然后再部署相关的机器学习算法。虽然手动特征工程对于应用机器学习很有效,但它同时也是很困难、很昂贵、很耗时、并依赖于强大专业知识。特征学习弥补了这一点,它使得机器不仅能学习到数据的特征,并能利用这些特征来完成一个具体的任务。

计算机视觉技术

计算机视觉(CV)是指机器感知环境的能力。这一技术类别中的经典任务有图像形成、图像处理、图像提取和图像的三维推理。目标识别和面部识别也是很重要的研究领域。

准确率技术

分类模型的正确预测所占的比例。在多类别分类中,准确率的定义为:正确的预测数/样本总数。 在二元分类中,准确率的定义为:(真正例数+真负例数)/样本总数

语音识别技术

自动语音识别是一种将口头语音转换为实时可读文本的技术。自动语音识别也称为语音识别(Speech Recognition)或计算机语音识别(Computer Speech Recognition)。自动语音识别是一个多学科交叉的领域,它与声学、语音学、语言学、数字信号处理理论、信息论、计算机科学等众多学科紧密相连。由于语音信号的多样性和复杂性,目前的语音识别系统只能在一定的限制条件下获得满意的性能,或者说只能应用于某些特定的场合。自动语音识别在人工智能领域占据着极其重要的位置。

自然语言处理技术

自然语言处理(英语:natural language processing,缩写作 NLP)是人工智能和语言学领域的分支学科。此领域探讨如何处理及运用自然语言;自然语言认知则是指让电脑“懂”人类的语言。自然语言生成系统把计算机数据转化为自然语言。自然语言理解系统把自然语言转化为计算机程序更易于处理的形式。

百度机构

百度是全球最大的中文搜索引擎,是一家互联网综合信息服务公司,更是全球领先的人工智能平台型公司。2000年1月1日创立于中关村,公司创始人李彦宏拥有“超链分析”技术专利,也使中国成为美国、俄罗斯、和韩国之外,全球仅有的4个拥有搜索引擎核心技术的国家之一。

https://www.baidu.com/
腾讯机构

腾讯科技股份有限公司(港交所:700)是中国规模最大的互联网公司,1998年11月由马化腾、张志东、陈一丹、许晨晔、曾李青5位创始人共同创立,总部位于深圳南山区腾讯大厦。腾讯由即时通讯软件起家,业务拓展至社交、娱乐、金融、资讯、工具和平台等不同领域。目前,腾讯拥有中国国内使用人数最多的社交软件腾讯QQ和微信,以及中国国内最大的网络游戏社区腾讯游戏。在电子书领域 ,旗下有阅文集团,运营有QQ读书和微信读书。

http://www.tencent.com/
围棋技术

围棋是一种策略性棋类,使用格状棋盘及黑白二色棋子进行对弈。起源于中国,中国古时有“弈”、“碁”、“手谈”等多种称谓,属琴棋书画四艺之一。西方称之为“Go”,是源自日语“碁”的发音。

推荐文章
暂无评论
暂无评论~