从百度、谷歌、到Facebook和Twitter带你看看这十家公司是如何玩转机器学习技术的。
智东西 文 | 海中天
如果问科幻电影告诉我们什么，那就是它描绘了一个凄凉的世界，跟地狱一样，被有意识的杀人机器人统治。很幸运，电影只是电影。
最近一段时间，AI与机器学习成为进步最大的技术之一。只有少数技术像机器学习一样“破坏”生活，许多机器学习应用是暗中运行的，我们看不见。
想不想了解一下机器学习的应用案例？今天我们就列举10家企业，它们以新颖有趣的方式使用机器学习技术：
一、Yelp：大规模管理图片
有许多人跑到新餐馆吃饭，吃完后大叫后悔，极为不满，于是跑到网上抱怨。为什么Yelp这么流行实用？原因有很多，上面这个原因正是其中之一。
初一看，Yelp不像是科技公司，事实上它用机器学习改进用户体验。
对于Yelp来说，图片与用户的评论一样重要，正因如此，Yelp才会在图片处理上积极引进新技术。
几年前Yelp部署了图片分类技术，它使用的正是机器学习。Yelp机器学习算法帮助公司员工编辑图片、给图片分类并贴上标签，提高效率，这可不是一项小成就，毕竟你要处理数以千万计的图片。
二、Pinterest：让内容发现变得更容易
不论你是Pinterest的忠实粉丝，还是从未使用过该网站，在整个社交媒体生态系统中Pinterest都占据了一席之地，它是一个让人好奇的地方。Pinterest的主要功能就是修饰现有内容，向新技术投资，让处理过程变得更有效率，这是Pinterest的首要任务。
2015年，Pinterest收购了Kosei，这是一家机器学习公司，它是机器学习技术商务应用领域的专家，具体来讲就是用技术让内容变得更容易发现，开发推荐算法。
到了今天，机器学习已经渗透到Pinterest业务运营的各个领域，比如查找垃圾邮件、发现内容、增强广告货币化能力。相当酷。
三、Facebook：聊天机器人
虽然Facebook Messenger服务存在一些争议，但它的确是Facebook平台中最有趣的服务之一。为什么？因为Messenger成为了聊天机器人的实验室。
任何开发者都可以制作、提交聊天机器人，让机器人与Facebook Messenger融合。也就是说企业如果十分重视客户服务，想留下更多客户，就可以利用聊天机器人帮助自己，即使公司很小、工程资源有限也没有关系。
当然，聊天机器人并不是Facebook唯一感兴趣的机器学习应用。现在Facebook还用机器学习技术过滤垃圾邮件，过滤糟糕内容，它还在开发计算机视觉算法，能够让视障人员“阅读”图片。
四、Twitter：整理时间线
Twitter正在朝着算法Feed（相当于动态消息）的方向前进。当你让Twitter显示“最好的tweets”，或者按合理时间排序，信息的变化就是由机器学习技术驱动的。Twitter用AI技术评估每一条tweet，实时评估，然后根据不同的指标给信息“评分”。
最终，Twitter算法会显示特定tweets，提高用户参与度。机器学习技术根据用户的个人选择做决策，生成由算法编辑修饰的动态。
五、谷歌：神经网络与梦幻机器
今天，我们如果想知道谷歌在哪些领域从事科学研究还是比较容易的，如果想知道它的技术野心是怎样的就比较难了。
不用说，最近几年谷歌很忙，它进入了许多新领域，比如研究抗衰老技术、开发医疗设备等等，然而最激动人心的可能是神经网络技术。
在神经网络研究方面，谷歌最大的成就应该是DeepMind网络，它想制造“梦幻机器”。正是这个网络创作了一些迷幻图片，它曾引起许多人讨论。
根据谷歌的介绍，DeepMind正在探索机器学习的几乎任何一个方面，正因如此，谷歌才说自己在“经典算法”（classical algorithms）及其它应用上取得了激动人心的突破，包括自然语言处理、快速翻译、搜索排序、预测系统。
六、Edgecase：提高电商转化率
多年来，零售商一直想解决一个问题：店铺购物与线上购物脱节。所有人都在说网络零售将会为传统零售吹响丧钟，许多电商网站正在努力。
Edgecase之前叫作Compare Metrics，它想改变趋势：Edgecase希望机器学习技术能够帮助商务零售商改进用户体验。除了可以让商务体验变得更流畅，提高转化率，Edgecase还想更进一步，有些用户寻找商品时态度并不明确，Edgecase想帮助用户做决策。如何帮助呢？Edgecase会分析用户的特定行为与动作，这些行为和动作有明确的商务意图。
七、百度：语音搜索的未来
研究机器学习的搜索公司不只是谷歌一家，百度也在向AI应用投资。
百度研发实验室最有趣的研究叫作Deep Voice，它是一个神经网络，可以合成人类声音，与真正的人类声音很难区分。网络可以学习一些“细节”，比如节奏、口音、发音和高音，精准重现讲话者的声音。
Deep Voice 2更先进，它会对自然语言处理造成影响。Deep Voice 2是语音搜索、语音模式识别系统的底层技术。这门技术可能会给语音搜索带来深远影响，还会影响其它一些应用，比如实时翻译、生物识别。
八、HubSpot：更智能的销售
熟悉HubSpot的人可能都知道，这家公司很喜欢鼓捣新技术，月初时，它宣布收购机器学习技术公司Kemvi。
HubSpot准备在许多领域使用Kemvi技术，有一个领域最引人关注：将Kemvi DeepGraph机器学习、自然语言处理技术与公司内部的内容管理系统整合。
根据HubSpot首席战略官的介绍，结合之后HubSpot可以更好识别“触发事件”，也就是企业架构、管理及其它地方出现的变化，这些变化会影响公司的日常运营，这样一来HubSpot就可以高效招揽潜在客户，更好服务现有客户。
九、IBM：更好的医疗保健
IBM是世界上最大最古老的科技公司之一，它正从跳出老业务模式，寻找新的营收流。沃森就是最好的证明，它是IBM著名的AI系统。
近几年来，有几家医院和医疗中心引进了沃森，它向世人证明自己可以诊断一些癌症类型，效率比人类肿瘤学家高很多。
沃森在零售领域潜力巨大，它可以帮助购物者购物，它还可以用在医院。正因如此，IBM才以授权形式提供沃森机器学习技术。
十、Salesforce：智能CRM
Salesforce是科技巨头之一，在CRM市场占有很大的份额，有着众多的资源。对于最精明的数字营销人员来说，提前预测、评估也是很难的事，正因如此Salesforce才会向Einstein机器学习技术投资，Einstein是公司的专有系统。
使用Salesforce CRM软件的客户用Einstein分析客户关系的方方面面，从最初的接触到持续的互动接触点，这样就可以建立资料更丰富的客户档案，在销售流程中找到关键时间点。新技术让案源计分 (lead scoring) 变得更全面，帮助企业提供更有效的客户服务（让客户更高兴），找到更多机会。
未来的机器学习
技术快速进步会带来一些问题，当中一个问题在于：我们最终会认为跳跃是理所当然的。放在10年前，上面谈到的一些机器学习应用还是不可想像的，科学家研究人员前进的速度很快，他们为我们带来了许多惊奇。
那么接下来机器学习会走向何处呢？
1、让机器学习变得更高效
用不了多久，我们将会看到AI以更高的效率学习。算法的处理方式将会进步，比如我们会部署AI系统，只需要人类进行少量的监督，系统就可以对自己的内部架构进行修改、改进。
2、自动制定网络攻击对策
网络攻击与勒索病毒泛滥，各种规模的企业被迫思考一个问题：如何对系统性网络攻击进行反应。在监控、阻止、响应方面，AI将会发挥越来越重要的作用。
3、令人信服的生成式模型
生成式模型（Generative models）已经让人很信服了。很快，它们就会变得完全无法区分了。随着生成式模型的改进，越来越复杂的图片、语音将会冒出来，甚至可以用算法生成整个身份。
4、更好的机器学习训练
即使是最复杂的AI，它的学习效率也受到了训练的制约，许多时候，机器学习系统需要大量的数据训练。未来，机器学习系统学习时需要的数据会越来越少，这样系统就可以用更少的数据以更快的速度学习。
延伸阅读
点击下方图片直接阅读
往期回顾
