5种机器学习的创新用途 当您的客户在讲话时请静默品牌声音并倾听 凭借7200万美元的资金超越肉类的企业家追求利润之上的创新 这位前Uber高管想要设计和装修您的下一个公寓 腾讯领投印度视频流服务MX Player 1.11亿美元 HBO Max每月费用为14.99美元将于2020年5月推出 Slack投资者Index Ventures支持Slack竞争对手Quill Juul宣布大规模裁员时一项新的诉讼称其运送了100万个被污染的豆荚 ShareGrid收购英国点对点胶卷和相机租赁社区BorrowFox 让我们谈谈Disrupt Berlin的Clare Jones的what3words 想要一张免费的创新者通行证到2019柏林破坏世界吗 Prosus Ventures领投印度物流初创公司ElasticRun 4000万美元投资 现场管理软件初创公司Workiz获500万美元A轮融资 Google说它可以预测您的航班何时要迟到 亚马逊HQ2搜索揭露美国科技人才的空白 亚马逊如何避免电视意外触发回音 亚马逊专利腕带将精确追踪其仓库工人 谁拥有您的企业使用的数据不知道会损害您公司的销售 技术可能会害了我们但不必一定是那样 您应该用于市场研究的7种高级Google搜索技巧 无人机改变世界的5种方式 从Apple App Store的变化中您如何赢得巨大的胜利 企业家如何适应当今的智能助手来建立明天的办公室 您的人类虚拟助手将很快成为AI驱动的数字助手 数字内容的历史 这些软件设计功能正在打动我们的大脑和业务但不一定非要这样 深度学习为您的公司带来的3大竞争优势 7怪异的东西ElonMusk在SXSW说 改变世界的10种技术 不要试图成为破坏性的要真正产生影响您需要对未来进行逆向工程
您的位置:首页 >新闻 >

5种机器学习的创新用途

2019-10-31 19:42:07   来源:

尽管无法预测其时间范围,但人工智能(AI)有望或多或少地对现代社会产生根本性的影响。子类型人工智能-机器学习-已经获得了特别关注从专家为它在世界上最重要的行业的潜在影响。由于由此引起的炒作,大量的人才和资源正在进入这个领域。

但是什么是机器学习?为什么我们首先要关心它?答案是,从广义上讲,机器学习模型是AI的一种应用,其中算法独立地预测结果。换句话说,这些模型可以处理大量数据集,提取见解并做出准确的预测,而无需人工干预。

这项技术的加速发展带来了许多可创造价值的含义,并且许多准备从根本上简化商业世界。这是机器学习中五个最具创新性的用例。他们比您想像的要早进入您的生活-至少是您的业务生活。

1.大规模使用自动驾驶汽车

无人驾驶汽车的广泛采用代表了交通运输更高效的未来。早期的报告表明,自动驾驶汽车可以减少90%的交通相关死亡事故。

尽管距消费品生产尚有数年之遥,但目前社会不可避免地会采用自动驾驶汽车。但是,采用该技术的时间尺度在很大程度上取决于监管行动,而这往往超出了技术界的控制范围。

开发这些自动驾驶“未来车队”的软件工程师在很大程度上依赖于机器学习技术来为使车辆能够自动运行的算法提供动力。这些模型有效地集成了来自多个不同传感器(激光雷达(一种使用激光的测量方法),雷达和照相机)的数据点,以操作车辆。随着时间的推移,这些深度学习算法将变得更加智能,从而实现更安全的驾驶。

2.更有效的医疗网络

尽管是经济的重要组成部分,但医疗保健行业仍在低效的旧有基础设施之上运营。一个主要的关注点是寻找方法,以保留敏感的患者详细信息,同时仍然优化系统。

幸运的是,我们可以应用创新的机器学习算法(无需人工操作)来处理大量医疗数据,而不会违反保密合同。此外,我们可以使用这些模型更好地分析和理解诊断,风险因素和因果关系系数。

正如Ed Corbett博士指出的那样:“很明显,机器学习在临床决策制定中又增加了另一支箭。

Health Catalyst的医学官Corbett说:“医学上的机器学习最近成为头条新闻。Google开发了一种机器学习算法来帮助在乳房X线照片上识别癌性肿瘤。斯坦福大学正在使用深度学习算法来识别皮肤癌。”

3.嵌入式零售管理系统

在过去的几年中,国际零售业一直每年创造超过20万亿美元的销售额。这个惊人的数字来自海量的消费者行为数据(人口统计,趋势和品味),这些数据是根据无限的消费者购物模式和趋势整理而成的。

但是,由于信息通常来自断开连接的数据仓库,因此许多零售公司都在努力实现这些有价值的见解。因此,存在大量的机会来实施机器学习模型,使零售商能够更好地了解其客户并提供更加个性化的客户体验。

使用先前获取的数据,机器学习模型可以预测从推荐产品到何时打折的所有信息。尤其是电子商务零售商,可以结合数字行为模式来优化整个用户旅程,从最初的联系点到购买商品再到跟进。

4.改进的内容审核

内容的审核是社交媒体平台(如Facebook和Twitter)的主要关注点,因为它们努力向受众提供准确的信息。正如上次选举周期所强调的那样,未能正确监督内容可能会产生严重影响。

为了回应公众对“虚假新闻”的强烈抗议,Facebook最近宣布将雇用3,000名新员工,专门照顾该平台的新闻提要内容。但是,由于像Google这样的科技企业集团如何投入大量资金来发展自己的内容监控团队来支持其快速发展的市场,这种焦虑远远超出了社交媒体。

诸如Orions Systems之类的新兴机器学习和AI平台正在提供专有系统,以“增长和适应人类与人工智能之间的互动”,以完成诸如大规模地缩减内容之类的任务。

这些技术独特地解决了使用创新工具和资源(例如分析每个视频帧的上下文和内容)来简化内容的任务,从而使员工可以提高工作效率。这是一项重要的进步,因为训练机器学习以处理视频非常困难。

5.先进的网络安全

到2021年,网络犯罪造成的损失估计每年将飙升至6万亿美元以上。专家预测,从2017年到2021年,公司将在网络安全服务上花费超过1万亿美元,以抵消这一日益严重的威胁。显然,对于初创企业和大型企业而言,网络安全将继续是其首要任务。

研究人员正在开发巧妙的方法来实施机器学习模型,以检测欺诈,防止网络钓鱼并防御网络攻击。正在使用过去的数据对防御机制系统进行培训,以快速发现并防御可疑活动。与人类不同,这些算法可以每周7天,每天24小时不耗尽地运行。

随着这些机器学习模型可供开发人员使用,它们将开始获得消费者和企业的广泛认可。而且,碰巧的是,看看哪些模型排在首位将会很有趣。