人工智能的12个典型案例
但以亚马逊的推荐系统为例，它是一个交易性人工智能平台的强大引擎。人们可能已经观察到它的能力，这个系统可以不断学习。本质上，大批购物者正在“教导”亚马逊人工智能系统，以便更好地展示可能出售的商品。也就是说，将一件商品与过去展示的另一件商品相匹配将促进销售，可以将半关联的概念联系起来(例如灯架与摄影设备)。
另一方面，这种高端的人工智能系统需要庞大的计算平台来处理所有这些数据。对于使用小型服务器的用户来说很难为此类系统提供支持。显然，亚马逊网络服务公司拥有世界领先的计算平台。
3.Pandora
对于那些认为人工智能将会取代人类工作的人们来说，Pandora人工智能系统就是一个与人类合作的例子。首先，Pandora通过音乐专业人员的帮助来分析和分类歌曲。Pandora着眼于歌曲的450种属性进行分类，从声乐风格到节奏感。
当其人工智能算法工作时，根据大量用户对其歌曲库的响应，结合了来自用户的大量推荐。然后，人工智能系统可以批量分组和呈现对于用户具有意义的歌曲。
4.Cogito
这无疑是人工智能最活跃的领域之一：在销售和客服电话中使用人工智能，可以增强与客户的情感联系。具体地说，使用人工智能互动比人类更具移情能力。当然，这是人工智能使用的一个前沿。
Cogito(拉丁语的意思是“自我意识”)使用了人类互动的关键真理：它不仅仅是词语的表达意义，而且是词语的表达方式、情绪、节奏和感觉。
Cogito软件可以实时分析对话，提供有关正确和错误的线索和提示。也许对话者可能切入太多主题，或者反应不够快。应用程序提供基于颜色的警告和更新。该软件可以分析数百条线索，以确定对话的情感质量。
5.Nest
推动人工智能增长的关键因素之一是资金雄厚的厂商之间的竞争，希望在早期获得市场份额。以谷歌公司旗下的家用恒温器Nest为例，其部分目标是将谷歌公司的人工智能构建到设备中，用来应对苹果Siri和亚马逊Alexa的不断增长。
Nest使用人工智能来适应人类的行为模式，获得恒定的输入线索，并在家中工作时做出更准确的反应。在业主设置系统一段时间之后，Nest可以自己整合输入。
无论如何，智能家庭设备(物联网设备)无疑是争夺人工智能市场支配地位的关键战场。让一整组智能家庭设备协同行动，它们可以响应家庭成员的指令，并根据其行为学习，这显然是人工智能在家庭应用中的未来。
6.Boxever
总部位于爱尔兰的Boxever公司推出其Boxever“个性化平台”，其主要目标是旅游业。其基于云计算的平台允许旅游公司创建一个单一的客户视图，从而为客户提供更有效的营销。它的目标是通过单独针对客户来改进销售过程。如果人工智能可以在一对一的基础上定制交互过程，理论上它可以更有效地服务(并销售给)客户。
Boxever公司的方法承认竞争的关键部门是客户体验。如果零售商更加谨慎地满足客户的需求，将会在电子商务竞争中获胜。而使用智能软件比人工销售代表的成本要低得多。
7.AIRobotics、Humanoid和其他
人工智能为机器人的应用提供动力，其中包括加州大学伯克利分校的BRETT和麻省理工学院的MITdog。Sophia就是一个受到媒体热捧的人工智能机器人的例子，它和NBC电视台主持人JimmyFallon在“今夜秀”上聊天和唱歌。
除了流行文化的喧嚣之外，还有各种规格和大小的人工智能机器人。例如iRobot公司的RoomBA980吸尘器采用了人工智能技术，可以在家中完成各种清扫工作。该公司声称，Roombas公司已售出1000多万台RoomBA980吸尘器。
8.垃圾邮件过滤器
人工智能的核心就是学习。而使用机器学习和其他人工智能技术，软件系统将变得更智能，无需人工协助。
当然，采用人工智能防止垃圾邮件是一个迫切需要机器学习的领域。工作人员(甚至是团队)难以跟上垃圾邮件的增长。例如，Gmail会部署机器学习算法来过滤(大部分)垃圾邮件。
为此，垃圾邮件过滤器试图更快地跟上垃圾邮件发送者的工作，他们不断采用创造性的方法来欺骗收件人。垃圾邮件过滤器中的人工智能会持续扫描元数据，例如发件人的位置或主题行中的关键字。如果无法学习，垃圾邮件过滤器将在几天之后无法运行。
人工智能技术是使用来自人类的输入：因为对于一个用户具有价值的优惠券对于另一个用户来说则是垃圾邮件。特定用户如何对邮件流进行分类必须是垃圾邮件过滤器学习的一部分。
9.网上银行业务
银行为用户提供方便的优惠：扫描其支票并将其金额存入移动设备中，无需去实际的分支机构存款。其问题是：这样做需要机器来阅读用户的签名，这是一项既混乱又令人困惑的工作——甚至对工作人员来说也是如此。
在其他供应商中，MitekSystems公司采用专门从事基于软件的身份验证。其人工智能技术利用计算机视觉和机器学习使移动到银行的交易安全。
例如，Mitek公司采用视觉算法对银行交易中的无数ID格式进行分类。其核心是光学字符识别(OCR)软件，它扫描文档并将数据转换为可编辑的格式。可以使用人工智能调整OCR软件以准确提取个人签名或指纹。
10.贷款和信用卡处理
当消费者申请信用卡或贷款时，消费者信用评分(FICO)(通常在300到850分之间)将起到至关重要的作用。在过去，贷款工作人员审查了这些贷款和信用卡申请。虽然仍有很多工作人员，但许多关于信用卡的决定或者是否接受消费者的申请，都是由机器学习系统做出的。
同样，学习是这个过程的核心部分。银行管理人员可以设置他们希望当前信贷标准是宽松还是紧缩的参数。但他们希望银行的机器学习系统能够随着时间的推移而学习，以便更密切地确定哪些申请人是安全的借贷者。
11.Lyft和Uber
没有人工智能和机器学习技术，共享单车是不可能存在的。具体来说，票价、预计到达时间以及它将要走的路线：这些都是人工智能计算出来的。
人工智能即时进行大量计算。如果没有一个分析情况的机器学习系统，然后将结果数据路由到用户和驱动程序的应用程序，这些计算的数量和复杂性将是不可能的。当然，Lyft和Uber公司将其记录在自己的系统上，这两家公司拥有关于用户模式的大量数据。
在未来，这些服务预计将出现无人驾驶汽车的时代(尽管这种情况发生时最多仍然模糊不清)。如果没有人类驱动程序的元素，运行系统的过程将成为更纯粹的逻辑机器学习计算。从理论上说，这将导致共享乘车服务的成本下降，甚至可以节省雇佣驾驶员的成本。
12.社交网络
主要的社交媒体网络是人工智能发展的核心驱动力。特别是Facebook公司似乎采用了人工智能的各方面功能。例如，其算法定义了用户的时间轴，决定是否在其时间轴上显示或不显示其朋友的某些帖子。Facebook公司知道，如果某个用户的每位朋友都被展示出来，那么时间表就将变得很混乱，以至于它会让人感到厌烦。因此，时间轴算法可以了解用户与谁进行交互以及其通常忽略的对象。
对于Facebook而言，最重要的是，社交网络使用人工智能来帮助个性化为用户提供广告的方式，因此它具有一定程度的广告显示相关性。需要注意，Facebook允许用户评论广告与时间线的相关性;每个用户评论都有助于系统学习并变得更精细。由于他们使用人工智能微调显示系统的方式，Facebook和谷歌在整个网络广告市场的比例非常高。
此外，Facebook使用图像识别人工智能技术来识别照片中的人脸，因此它可以邀请用户为其添加标签。毫不奇怪，考虑到照片对Facebook的重要性，Facebook在面部识别技术上投入了大量资金。采用机器“读取”照片是当今人工智能时代最为显著的进步之一。返回搜狐，查看更多
创新奇智荣获中国信通院2023可信AI大模型优秀案例
2023年5月30-31日，中国信通院主办的“大模型应用机遇和挑战—杭州通用人工智能发展论坛”举行。会上，“奇智孔明AInnoGC”AIGC工程算法引擎荣获人工智能关键技术和应用评测工业和信息化部重点实验室颁发的“2023可信AI案例—大模型研发应用和工具平台优秀案例”证书。 中国信通院于2017年10月获批建设人工智能关键技术和应用评测工业和信息化部重点实验室，面向人工智能产业化与实体经济深度融合中的突出问题，通过咨询、标准、评测等创新服务手段，支撑我国人工智能产业高质量发展，成为我国在人工智能领域基础理论、核心技术、评估评测等领域的领先实验室。 人工智能正从AI1.0时代的感知、预测、决策能力进化到AI2.0时代的内容生成能力。ChatGPT的火爆出圈更是证明了AI在内容生成领域的巨大潜力，大模型产业随之迎来快速发展期。作为深耕“AI+制造”领域的头部厂商，创新奇智一直致力于探索最新的AI技术在工业制造领域的应用落地。 创新奇智依托自研MMOC人工智能技术平台，结合公司在小样本学习和生成类算法模型上的积累，以及多年为制造业客户赋能的行业经验，推出“奇智孔明AInnoGC”。这是一款以工业预训练大模型为核心的AIGC工程算法引擎，拥有内容生成、智能问答、多轮对话、推理能力、代码生成等多项能力，可以快速把AIGC的能力带到以制造业为主的垂类场景中，推动产品/行业解决方案创新。 “奇智孔明AInnoGC”能够生成高质量的垂直于行业（或企业）的内容，主要源于创新奇智高质量的工业预训练大模型。不同于ChatGPT这样的依托于公开互联网数据的通用预训练大模型，创新奇智的工业预训练大模型是基于行业（或企业）内部的业务数据知识而打造，可以让不同细分行业（或企业）都拥有基于自身数据的AI生成能力。 如果说工业预训练大模型构成“奇智孔明AInnoGC”的内核，那么InstructService,Fine-tuneService,ModelService和PromptService这四大关键模块则构成“奇智孔明AInnoGC”的功能支柱。 InstructService可以完成包括从“数据导入-数据处理-指令生成–指令扩展”的全过程，提供完备数据能力，服务大模型开发与应用。 Fine-tuneService通过封装预训练、指令微调、RLHF对齐等常用算法实现，提供基于大模型的低门槛、再训练工程服务。 ModelService是大模型的管理和部署工具，无论是线上服务或者是本地的模型部署，都可以让用户体验到负载均衡、高可用性的大模型能力。 PromptService提供了完善的企业级Prompt（提示）工程支持，通过提示扩展、提示增强、结果融合等技术手段，协助客户获得更好的生成效果，同时实现反馈闭环，促进大模型迭代、优化。 此外，MaaS（模型即服务）已经成为当下AI赛道玩家的共识，对于垂直制造业场景的客户同样如此。因此，创新奇智通过丰富的API/SDK和MaaS服务，为客户释放了大模型算法和工程化能力，帮助客户加速生成式AI应用的开发进程。 目前，“奇智孔明AInnoGC”着重应用于制造业、工业软件领域，有效解决行业中大客户的专属需求，例如交互式动态业务报表生成、智能产线设计等，打破垂类信息孤岛，提升生产力，实现更全面的数字化转型。例如，奇智孔明AInnoGC赋能的智造实训中心，实现了在学生、教师、教学平台的三端的AI生成辅助教学，解决了智造实训教材匮乏、授课数据稀缺等问题。 此次入选中国信通院大模型优秀案例是对创新奇智大模型技术能力、工程化能力，应用落地能力的多重肯定，验证了AIGC和大模型赋能制造业的应用潜力。未来，创新奇智将持续聚焦推动AI技术在制造业落地，赋能企业数字化转型升级。（来源：看头条网）责任编辑：孙青扬