您的位置:首页 >投资 >

5机器学习的创新用途

时间:2022-04-05 12:04:07 来源:

尽管其时间范围无法预测,但人工智能 (AI) 有望在根本上影响现代社会,无论好坏。人工智能的一个子类型 -- 机器学习 -- 因其对世界上最重要的行业的潜在影响而受到专家的特别关注。

由于随之而来的炒作,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,机器学习模型是人工智能的一种应用,其中算法可以独立预测结果。换句话说,这些模型可以处理大型数据集,提取见解并做出准确的预测,而不需要太多的人工干预。

这项技术的加速发展带来了许多价值产生的影响,许多人准备从根本上简化商业世界。以下是机器学习的五个最具创新性的用例。他们会比你想象的更快地进入你的生活 -- 至少是你的商业生活。

1.自动驾驶汽车的广泛使用

自动驾驶汽车的广泛采用代表了运输效率更高的未来。早期报告表明,自动驾驶汽车可以将与交通相关的死亡人数减少多达90%。

尽管我们离消费生产可能还有几年的时间,但在这一点上,社会对自动驾驶汽车的采用是不可避免的。然而,采用这项技术的时间尺度在很大程度上取决于监管措施,而监管措施通常不在科技界的控制范围之内。

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主运行的算法提供动力。这些模型有效地整合了来自许多不同传感器的数据点-激光雷达 (一种使用激光的测量方法),雷达和摄像机-来操作车辆。随着时间的推移,这些深度学习算法变得更加智能,从而导致更安全的驾驶。

2.更高效的医疗网络

尽管是经济的重要组成部分,但医疗保健行业仍在低效的传统基础设施之上运作。一个主要的关注点是找到在优化系统的同时保留敏感患者详细信息的方法。

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

正如埃德·科贝特博士指出的那样: “很明显,机器学习在临床决策的颤抖中又放了一个箭。

“医学中的机器学习最近成为头条新闻,” 健康催化剂的医学官员Corbett说,“谷歌开发了一种机器学习算法来帮助识别乳房x线照片上的癌性肿瘤。斯坦福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,国际零售业的销售额一直超过20万亿美元。这个惊人的p带有大量的消费者行为数据 (人口统计,趋势和品味),这些数据是从无限的消费者购物模式和趋势低谷中收集的。

然而,许多零售公司都在努力实现这些有价值的见解,因为这些信息通常来自不连接的数据仓库。因此,有一个巨大的机会来实现机器学习模型,使零售商能够更好地了解他们的客户,并提供更个性化的客户体验。

使用以前获取的数据,机器学习模型可以预测从推荐哪种产品到何时给予折扣的所有内容。特别是,电子商务零售商可以结合数字行为模式来优化从第一个联系点到购买商品再到跟进的整个用户旅程。

4.改进内容的调节

内容的调节是Facebook和Twitter等社交媒体平台的主要关注点,因为它们努力向受众提供准确的信息。正如上一个选举周期所强调的那样,未能适当地推翻选举可能会产生严重影响。

为了回应公众对 “假新闻” 的强烈抗议,Facebook最近宣布将雇用3,000名新员工,专门负责该平台的新闻提要内容。然而,这种焦虑远远超出了社交媒体,因为像谷歌这样的科技集团正在投入大量资金来发展自己的内容监控团队,以支持他们快速增长的市场。

新兴的机器学习和AI平台 (例如Orions系统) 正在提供专有系统,以 “发展和适应人类与人工智能之间的交互”,以满足诸如大规模moderatingcontent之类的任务。

独特的是,这些技术正在解决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) 调节内容的任务,以便员工可以更高效地工作。这是一个重要的进步,因为训练机器学习来处理视频是出了名的困难。

5.高级网络安全

网络犯罪损害成本估计每年2021年飙升超过6万亿美元。专家预测,2017年2021年,公司将在网络安全服务上花费超过1万亿美元,以抵消这一日益增长的威胁。显然,网络安全将继续是初创企业和大型企业的主要优先事项。

研究人员正在开发巧妙的方法来实现机器学习模型,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,以快速发现并防止可疑活动。与人类不同,这些算法可以每周7天,每天24小时运行,而不会耗尽。

随着这些机器学习模型变得更容易被开发人员使用,它们将开始获得消费者和企业的大量认可。而且,当这种情况发生时,看看哪些模型会很有趣。


郑重声明:文章仅代表原作者观点,不代表本站立场;如有侵权、违规,可直接反馈本站,我们将会作修改或删除处理。