即將催生下一次技術革命的AI會帶來怎樣的美麗新世界？

【AI星球（微信ID：ai_xingqiu）】8月31日報道（編譯：福爾摩望）

買房是大多數消費者最大的支出來源，所以想要弄清楚購買合適且在消費能力範圍的房子可能是一個很耗時的過程。事實上，52％的購房者認為，找到合適的房地產是購房過程中最困難的部分。根據全美房地產經紀人協會的一項調查，平均每位購房者在做出最終決定前會花大約10周的時間考察10處房地產。不過，由於人工智慧，這一過程開始變得更加簡單，更具個性化。

提供在線房地產服務的Zillow數據科學副總裁Jasjeet Thind說：「我們專註於將客戶尋找合適房地產的流程自動化。由於減少了搜索時間，你可以節省大量的時間。我們也會從數百萬客戶的消費行為中提取數據，幫你找到你可能從未考慮過的房地產或社區。「

Zillow的系統可以從數以千計的數據點中挖掘出數據，包括房屋價格、社區環境，甚至賣方提供的照片。Thind說：「兩個彼此相鄰的房屋，都擁有卧室和浴室，但是在賣家的照片中卻可以看到不一樣的地方，比如不鏽鋼器具或者花崗岩廚台。人類可以發現這些差異的存在，而我們的任務就是訓練計算機也能分辨出這些差異。」

在生物醫學研究和財務管理等領域，像Zillow這樣使用人工智慧革命傳統行業、創造全新業務、重塑全球經濟的公司還有很多。

在在線教育領域，世界上最受歡迎的語言學習平台Duolingo使用人工智慧將課程中介紹的概念通過20多種語言進行定義。

Duolingo CTO Severin Hacker表示：「AI和機器學習幾乎涉及到了Duolingo語言學習平台的各個方面。通過我們的演算法，我們可以先前不可能的方式個性化課程。」通過基於數十億學生互動進行訓練的系統，Duolingo能夠預測出學生可能遇到的生詞，並根據學生自身的優缺點動態化構建課程。

在金融服務行業，基於AI的欺詐檢測和風險管理已被廣泛接受。業務覆蓋約2%電子商務的公司Fraud.net使用亞馬遜機器學習分析金融交易，並在欺詐發生前進行預測。Fraud.net的CEO Whitnet Anderson表示，該公司通過檢測和組織複雜的欺詐活動，每周給其用戶節省超100萬美元。他說：「每天，我們都會看到100種不同的欺詐活動，每一種都有100種不同的變化。隨著新的欺詐形式出現，我們必須圍繞特定情況識別並創建機器學習模型。」

根據國際律師事務所Baker McKenzie最近的一項研究，23%的金融服務公司預計在未來三年內將AI部署在欺詐檢測項目中，約有1/4的公司希望將AI納入其風險管理流程中。

根據研究公司Tractica最近的一份報告，與AI相關的技術將在2025年前創造近600億美元的收入。該報告表示：「AI幾乎在所有行業都有應用，可以認為是下一個大的技術革命，類似於此前的工業革命、計算機革命和智能手機革命。」

雖然AI革命似乎是一夜之間發生的，但其實今天的爆發源自60多年前的嘗試。那時，研究人員剛剛意識到計算機能夠基於以前學習的概念，開發深入的專業知識並理解抽象概念。以深度學習面部識別系統為例，該系統通過成千上萬張圖像的訓練，學習如何識別特定的面孔。

InsideBigData新聞服務部的編輯Daniel Gutierrez表示：「現如今AI的火爆主要有這麼幾個原因。第一是大數據的普及。」

和人類學習的方式類似，機器學習需要大量數據來拓展它們的能力。GIPHY的CTO Anthony Johnson說：「除了演算法以外，最重要的部分就在於使用數據集進行訓練。所以對於我們來說，對於任何機器學習或AI項目來說，不可避免的第一步是創建你能夠應用演算法的訓練數據集。」

Gutierrez說，同樣重要的還有圖形處理單元（GPU）的廣泛使用。GPU最初被用於運行圖片工作站和遊戲機。如今，這些晶元在被優化后，可以同時執行多個進程。也正因此，它們被越來越多的部署在機器學習系統。

作為遊戲GPU領頭羊的英偉達，去年和AI相關的業務增長了近300%，而這一趨勢仍在繼續。英偉達加速計算部門的副總裁Ian Buck說：「現如今要想訓練一個神經網路，大概需要1億個數據點。這是大規模的計算密集型操作。」

英偉達的GPU所具有的計算馬力可以比CPU更快的處理1億個數據點。這也是為什麼像AWS這樣的雲計算提供商越來越多的通過GPU來給各行各業的客戶提供訓練和部署AI的功能。

Buck說：「雲的普及也是原因之一，因為開發人員或數據科學家可以隨時進行實驗和評估機器學習。一旦有了解決方案，他們就可以直接在雲中進行拓展和部署服務。」

像AWS這樣的供應商不再僅僅提供基礎設施，他們也開始越來越多的給客戶提供與AI相關的技術。對於那些擁有數據科學家和機器學習專家的公司來說，他們可以提供平台和資源來幫助這些公司進行低成本的開發。而對於沒有這些資源的公司來說，他們可以提供AI服務，能夠讓這些公司無需開發自己的演算法或訓練數據集就可以使用深度學習系統。

Buck說：「不論類型和規模，各家公司都爭相將AI納入其產品或服務中。所以他們該怎麼做呢？在某些情況下，他們可以使用GPU和深度學習，但是他們也可以使用AWS雲服務中的GPU實例。」

Alan Cloutier正面臨著巨大的挑戰。作為C-SPAN檔案館的技術經理，他需要為這家公立電視台組織大約20萬小時的數字視頻剪輯。多年來，Cloutier的團隊依靠封閉式視頻素材和人力檢查，將名稱與人臉匹配起來，便於訪問者搜索所需的人物視頻素材。這個過程緩慢而又費力，需要花費一個小時的人力才能組織起一個小時的視頻。Cloutier一直在努力訓練他的深度學習系統，但是由於人員稀少，導致進度緩慢。

Zillow系統的核心是Zestimate，一種估值模型，會隨著新數據的添加而不斷更新。Thind說：「我們在全國擁有1.1億個家庭的Zestimate，是由每天數百萬個不斷訓練的模型創造出來的。」

Zestimate由機器學習驅動，機器學習是指計算機可以根據他們處理的數據學習新的事物，並通過學習結果採取行動。傳統意義上的計算機是基於硬編碼方式來告訴機器如何處理預定義的一組信息，而機器學習系統則是使用這些信息來幫助理解新的數據。這些系統經歷過數千萬數據的訓練，並將數據當作其進行附加輸入交互的基礎。

2016年12月，Cloutier開始測試AWS的圖像分析服務Rekogniton，該服務可以很容易對索引圖像進行立即精確的設置。Cloutier表示，Rekognition的出現將C-SPAN從自己開發演算法的困境中解脫出來，他們可以使用亞馬遜的深度學習模型來開發自己的流程，並應用於自己的圖像中。有了亞馬遜的幫助，C-SPAN短短三個星期就創造出了解決方案。據估計，通過應用機器學習，每年可以節省上千小時，並極大的提高了電視台在遇到突發政治新聞時快速剪輯的能力。

Cloutier說：「現在這一流程幾乎達到了99%的自動化。」他也表示，C-SPAN正在考慮擴大使用Rekognition從圖像中提取的數據量。「我們想使用Rekognition來識別出每張照片中的對象，以及白宮油畫上人物出現的次數。」

像亞馬遜Rekognition這樣的解決方案正在給諸如C-SPAN這樣沒有足夠資源和時間打造或訓練自己系統的組織更多接觸深度學習的機會。AWS提供的AI工具還有Amazon Lex和Amazon Polly。Amazon Lex可以讓企業使用和Alexa一樣的技術來創建智能代理，通過語音或文本與客戶和員工進行交互。Amazon Polly可以將任何文本轉換成自然語言的演講。Duolingo使用該工具來強化其語言課程，華盛頓郵報則使用該公司來給新聞故事提供聲音版本。

AWS的深度學習產品管理總監Matt Wood認為這是公司業務的自然演變。他說：「AWS的原始業務目標是採用傳統上只有少數資金充足的組織才能擁有的技術，並儘可能的進行廣泛分配。而我們在AI上也採取了相同的方法，我們的目標就是讓任何水平的開發人員都可以將智能嵌入他們的業務和應用中。」

Gutierrez說：「擁有基於雲的AI資源就可以成為遊戲變革者。創企不得不籌集資金來打造計算機基礎設施和數據中心的日子一去不復返了。由於雲的存在，由於按需服務的存在，沒有人再會這樣做了。創企可以將構建演算法並部署到雲端上。所有的數據都存儲在雲端。」

對於AWS而言，深度學習並不意味著企業管理服務的終結。該公司與開發人員社區緊密合作，構建出可讓AI專業人員創建可擴展、靈活的解決方案的工具。例如亞馬遜旗下的一個開源框架Apache MXNet，該框架允許開發人員使用幾乎所有的編程語言，在任一系統上，通過網關連接到具有數百個GPU的雲端系統，打造AI應用。

AWS機器學習與深度學習主管以及MXNet的創造者Alex Smola說：「它基本上模糊了在雲端或物聯網設備上運行的邊界，所以你可以在兩邊執行相同的代碼。MXNet想要的是讓人們更容易、更公平的接觸到高性能的深度學習模型。」

AI的影響幾乎在每個行業都可以感受到，AI研究人員認為最具前景的行業是醫療健康。Buck說：「研究人員收集了大量的患者資料、記錄和圖像信息。由此訓練出來的工具可以幫助醫生診斷和識別出腫瘤，檢測生命體征或測試結果，識別出83種不同的治療方法來個性化藥物。」

根據Global Market Insights Inc.最近的一項研究，到2024年，與AI相關的醫療保健應用市場規模可能達到100億美元。

OhioHealth是一家非盈利醫院和保健機構，每年接待300萬多萬病患。OhioHealth正在嘗試使用AI來更好的服務醫生和患者。由該組織開發的原型應用可以讓患者獲得個性化護理建議、預約，如果有需要還可以申請急診，整個過程無需與人交談。

OhioHealth的數字客戶體驗部門副總裁Salil Verma說：「我們的重點都圍繞著客戶參與度。我們的目標是給所有人提供平等的機會，並能夠滿足他們的醫療保健需求。」

OhioHealth使用Amazon Lex服務構建了其語音系統，Verma表示原型系統將會在未來幾周內上線。

就像如今的深度學習應用一樣，未來的可能性是無限的。

對於GIPHY來說，未來不僅僅只是識別動畫動圖，還在於創建出它們的系統。Johnson說：「以往，大多數有關AI的研究都是識別和理解內容。我認為接下來的研究方向將會是可生成的系統。當深度學習幫助藝術家創造藝術的時候會發生什麼呢？」

對於Duolingo來說，未來是使用更智能的機器來讓人們變得更聰明。Hacker說，去年公司引入了會話機器人，接收並回應了數千個問題，幫助學生改善自己的學習情況。「與用戶互動的越多，它們就會越聰明。」

他說：「雖然聽起來有些誇張，但是我們的目標是到2020年，通過AI和機器學習來幫助Duolingo提供更加優秀的一對一輔導。我們還有很長的路要走，但是我們有信息有希望。」

對於Zillow來說，未來就是未來。Thind說：「使用深度學習進行預測是我們研究的一個重要領域。用戶想知道他們的房地產具有多大的價值。」

Wood說：「我們遠未達到AI技術應用的極限。它非常適合解決計算機科學中最困難的問題。所以現在才是剛剛開始，我們甚至還沒有定義應用的極限。」

本文來自獵雲網，如若轉載，請註明出處：http://www.lieyunwang.com/archives/357973