AI改變現代商業的25種方式

AI 改變現代商業的25種方式

 

 

  現在，是時候真正瞭解 AI 未來。

 

關於人工智慧引起的焦慮 - 就業問題是其主要來源 - 現實是，沒有人知道未來會如何。原因是， 我們永遠無法預見人類的聰明才智，以及全世界數百萬企業家和管理者採用技術的方式。

 

郵政局長亞瑟·薩默菲爾德（Arthur Summerfield）曾在 1959 年自信地預測，經濟增長意味著更多的信件，郵政工人的未來似乎很光明，儘管電子郵件，簡訊和蜂窩網路技術的初級形式當時已經存在，但人類不會再在紙上寫信的可能性，Summerfield 從未想到過。

 

要記住的第二個現實是，AI 的最終用途將主要由市場力量決定。

 

人工智慧將被公司和消費者用於無數的實際目的，其中大多數是適度的，並且無法預見累積效應。當我們試圖猜測人工智慧的未來時， 關鍵在於要像真實生活中自利的人（包括好人和壞人）那樣思考。

 

以下，人工智慧正在發揮作用的這 25 個例子是有益的，甚至鼓舞人心 - 而且，它們是真實的。

 

人工智慧如何改變你的工作方式

 

讓我們都說同一種語言

 

自《神秘博士》和《星際迷航》的黃金時代以來，科幻小說一直重視能夠自動翻譯語言的裝置，這樣人類就可以與外星人交談而無需學習遙遠的方言了。

 

事實證明，地球上的公司，比如谷歌，正在使用人工智慧技術創造一種可以將對話從一種語言翻譯成另一種語言的裝置。儘管谷歌最近釋出的 Pixel Buds 是一個很有前途的開始，它也可以運作的很好，但也得考慮企業使用這項技術的方式。

 

美國高管可以打電話給他們講葡萄牙語的同行，實時與全球的合作伙伴進行頭腦風暴。擁有國際辦事處的企業可以更有效地與員工溝通，員工可以同其他國家說不同語言的同事協同工作。銷售人員可以在新區域尋找潛在客戶，並進行「冷呼叫」（為了推銷給陌生人撥打電話），從而促成下一筆改變遊戲規則的交易。

 

儘管許多公司為了讓員工講同一種語言，制定了只講英語的政策，但是實時翻譯技術可以讓非美國員工說他們的母語、保留他們的文化，這是全球化時代的一個好處。——Jonathan Vanian

 

 

讀心術

 

語音控制很酷，但是在公共場合諮詢 Alexa、Siri 或者 Cortana，可能會很尷尬，也會給他人造成干擾。

 

麻省理工學院 (MIT) 研究人員發明的一種非侵入式可穿戴裝置 AlterEgo（耳機），可以在你開口之前就知道你要說什麼。它可以在幾秒鐘內回答許多查詢，傳送私人訊息，並在內部記錄資訊流以便日後訪問——所有這些都無需任何可見的外部操作。

 

儘管聽起來 AlterEgo 可能讀懂了你的思想，但實際上它並沒有。相反，它可以毫不費力地促進秘密的人機交流——當單詞或短語在內部發聲時，它會觸發下顎中的電脈衝。

 

雖然大學的研究人員仍在收集資料和培訓系統，但 AlterEgo 最終可能成為使用者在高噪音環境下（比如飛機駕駛艙或工廠車間）進行溝通的平臺，也可能會成為有語言障礙的人的一種交流方式。

 

雖然 AlterEgo 能從根本上加快寫作、計劃和溝通的程式，但就目前而言，人類仍會被困在閱讀所有電子郵件的過程中。——Carson Kessler

 

34%

 

Pegasystems 的一份研究報告表明，34％的人與 AI 進行過互動。（實際上與 AI 有過互動的人的百分比為 84％。）

 

招聘更聰明的人

 

招聘過程充滿了挑戰。人們可能會在不知不覺的情況下被姓氏、大學甚至是簡歷上的字型大小所影響。一些公司正在觀察人工智慧是否能提供幫助。

 

例如，沃達豐、尼爾森和聯合利華的求職者都在玩一款由 AI 初創企業 Pymetrics 設計的智慧手機遊戲，這款遊戲透過一種避免種族、性別或其他偏見的演算法來衡量認知和情感特徵。然後，聯合利華會要求由軟體挑選出來的最佳求職者在 HireVue 上錄製影片，回答他們如何處理工作中遇到的各種各樣的問題。

 

另一種演算法不僅審查他們所說的內容，還審查他們的反應速度，以及從他們面部表情中表現出的情緒線索來篩選最佳候選人。那些透過早期測試的求職者會得到一個合格的、現場面試的機會。

 

聯合利華表示，自建立這個系統以來，它在提供工作時獲得了更高的接受率，並且透過多種措施招攬了更多的求職者（包括種族，民族和社會經濟地位）——它從一個更多樣化的「游泳池」中去招募人才，獲得的求職者數量是學院和大學的 3 倍。——Aaron Pressman

 

20%

 

英國 Computerlove 公司的一項研究表明，20％的人希望語音助手能幫他們變得「更有趣或更具吸引力」。

 

打造終極經理人

 

對人類行為做出判斷的機會曾經是留給人類的。但是，演算法越來越多地評估我們的行為甚至是意圖，並從中得出結論。

 

在工作場所尤其如此，為了對可能的人員流失的風險、高績效員工的特質、以及團隊運作的動力有可擴充套件性的見解（希望是可靠的），人力資源部門正向 AI 尋求幫助。

 

總部位於波士頓的 Humanyze 公司正在嘗試使用一種智慧身份證，用於跟蹤員工們一天中的互動情況，以使僱主能夠找到模式來確定工作實際上是如何完成的。西雅圖的一家初創公司 Textio 利用人工智慧幫公司製作合適的招聘廣告。

 

大公司也加入了 H-less HR 的佇列： 英特爾正在考慮利用人工智慧來推動一種新的內部工具，將員工與公司內部的其他機會相匹配，而這一切都是以留住人才的名義進行的。

 

這些新功能可以幫助公司吸引和留住他們所需的人才（並透過自動化這些流程來減少員工入職和招聘成本）。一個可能的缺點是？他們還冒著疏遠他們稱為服務物件的風險——員工可能不喜歡這個侵入性越來越高的工作場所。——Michal Lev-Ram

 

人工智慧正如何對銀行業和華爾街造成衝擊

 

次貸危機爆發以來，近十年間有一種理論甚囂塵上：機器可能可以比人更加明智地發放住房貸款。——Fannie Mae

 

釋出的一項對抵押貸款機構的最新調查發現：40% 的抵押貸款銀行已經部署了人工智慧系統，使用該系統自動處理涉及到繁重的文件處理的申請流程、欺詐檢測、並預測借款人違約的可能性。

 

例如，總部位於舊金山的「Blend」公司為包括貸款巨頭 Wells Fargo 在內的 114 家貸款銀行提供線上抵押貸款申請的軟體，這使審批流程至少縮短了一週。那麼問題來了，這樣的人工智慧系統能夠阻擋抵押貸款行業的崩潰嗎？

 

也許它並不能完全起到這樣的作用，但是由於機器能夠更快地發出警告的訊號，它已經可以降低一部分嚴重程度。「Blend」的聯合創始人兼執行長 Nima Ghamsari 說：「與資料相關的錯誤決策可以立刻被發現並且得以改正」。儘管銀行還沒有依靠人工智慧來做出審批決策，但是貸款的主管們已經察覺到了這樣的人工智慧化的處理流程的另一個好處：讓更多的美國人能夠獲得住房貸款。「Blend」所定義的收入最低的消費人群（歷史上一直不願申請個人使用者的群體）填寫該公司移動應用程式的可能性是其他群體的三倍。

 

Wells Fargo 的消費者銀行主管 Mary Mack 表示：「這消除了人們的恐懼心理」。——Jen Wieczner

 

專業投資人的新挑戰

 

在金融領域，過去 10 年收集的資料數量激增，以至於那些 20 多歲、日以繼夜工作的分析師都沒無力處理所有資料。但機器可以做到。彭博社、FactSet 研究系統和 Thomson Reuters 都開發了一系列資料科學工具和技術——包括機器學習、深度學習和自然語言處理（NLP）——迅速為數以千計的金融專業人士挖掘出有價值的知識。

 

彭博社是情感分析領域的先驅，該公司該公司大約 10 年前就開始開發該項技術。在情感分析技術中，機器學習技術被用來標註與股票相關新聞故事或推特，並給出一個情感分數。人工智慧也在向財富管理領域擴充套件。在過去 5 年裡，投資集團的後備資料分析師的數量增加了逾 3 倍。

 

而理財公司正競相發掘包含在網站剪貼、語言分析、信用卡購買和衛星資料中的交易訊號的潛力。據報導，將人工智慧用於投資研究的公司包括 BlackRock、Fidelity、nvesco、Schroders 和 T. Rowe Price。全球最大的理財公司 BlackRock 是採用人工智慧技術的先行者，它正在建立一個 BlackRock 人工智慧實驗室。——Scott DeCarlo 

 

72%

 

根據 Pew 研究院的研究結果，72% 的人害怕機器人會接替他們的工作。

 

對於業餘人士也是如此

 

像 Betterment 和 Chaeles Schwab 這樣的傳統折扣經紀公司提供的「機器人顧問」服務，已經開始利用人工智慧技術服務於廣大的投資群體。他們的低收費投資工具依賴於人工智慧算發，根據你的需求和對風險的承受能力來決定你的資產應該如何在股票、債券和其他資產形式之間進行分配。他們的人工智慧技術可以自動調整你的投資組合，當演算法預測出你需要尋求一些避稅策略或財產規劃的幫助時，他還能向你推送非機器人的顧問與你電話聯絡、。

 

下一個技術前沿是：當人工智慧足夠智慧化時，它可以幫助儲戶在長期的「買入——持有」的投資過程中做出正確的決定。美銀美林和摩根史丹利是量化投資分析這一次新興領域已知的（彆扭的）頭號玩家之一。

 

他們的目標是把人工智慧技術最適用的定量處理任務（最基本的是在海量資料中挖掘出有用的模式的能力）與其它在極其聰明的人才能夠完成的複雜分析任務中訓練出來的演算法相結合。這樣的任務就好比評估一個行業的成長潛力或對一個公司管理者的戰略規劃。

 

機器學習最終能適應一個量化分析系統從它的錯誤中學習。它的終極目標是：創造一個人造具有低價選股的智慧的「沃倫巴菲特！」這個響亮的名字可能比「量化投資分析」更吸引人！——Matt Heimer

 

人工智慧正如何改變製造方式

 

更加高效地設計 

 

當然，計算機演算法正在顛覆技術，科學和醫學...... 但創意設計仍然是安全的，對嗎？不完全是。軟體開發商 Autodesk 開發的一個新程式使用 AI 技術，幫助人類設計師完成他們的創造性任務，且已經被空中客車，安德瑪公司和斯坦利·布萊克等公司使用。

 

設計師可以將自己的要求、限制和其他需求（甚至包括材料成本）輸入到軟體，程式隨後可生成數百甚至數千個選項。當人類設計師選擇時，軟體會發現設計師的偏好並不斷迭代，以幫助其做出更好的選擇。空中客車公司使用該軟體重新設計了 A320 的內部隔斷，並找到比之前輕 66 磅（輕了 45％）的設計。——Aaron Pressman 

 

 

人類和機器人協作

 

幾十年來，機器人一直在製造業的裝配線上做著各種活兒。最近，一項新功能被新增進來：與人類協作。協作機器人範圍廣泛，從可以將正確部件交給人類同事的機器人助手，到增強人類力量的機器人外骨骼，以及 AI 指導。

 

在寶馬位於南卡羅來納州斯巴達堡的工廠，綽號為夏洛特小姐的協作機器人正在負責安裝車門。梅賽德斯 - 賓士正轉向協作機器人，幫助實現某些豪華汽車生產線的個性化生產。比如，在更加靈活協作機器人的幫助下，工人可以更快地在定製化 S-Class 轎車所需的各種零件中進行揀選。

 

麻省理工學院教授 Julie Shaw 正在研究利用機器學習開發軟體演算法，透過讀取周圍人類的訊號，演算法可以教授協作機器人如何以及何時進行溝通。一些研究人員甚至研究過將協作機器人連線到讀取腦電波上。可以讀心的機器人助手？現在叫協作（機器人）。——Aaron Pressman 

 

48 ％ 

 

據 Mindshare，發現聊天機器人假裝人類後，48% 的人會感覺「毛骨悚然」。

 

為清潔能源提供動力

 

如果風能比化石燃料還便宜，並且便宜到一定程度，那麼，將風能轉化為電能的過程會更加高效。西門子開發的機器學習技術正在發揮這方面的作用。

 

研究人員意識到，透過使用天氣和元件震動的資料，巨大的風力渦輪機可以不斷微調自身，比如，調整轉子葉片的角度。但是，「你無法分析計算出這一點，」研究員 Volkmar Sterzing 說。這正是 AI 和機器學習的用武之地。感測器生成的所需引數，在「以前，僅被用於遠端維護和服務診斷，」Sterzing 說。「現在，他們也在幫助風力渦輪機產生更多的電力。」該技術甚至可以調整渦輪機，以適應那些從其前面透過的氣流，而這些氣流是無法預測的。

 

如今，廣泛部署這樣的人工智慧技術，正成為西門子可再生能源公司（去年，西門子風能業務與西班牙 Gamesa 風電業務合併成立的一家獨立公司）的發展機遇。——Geoff Colvin 

 

密切關懷凡人

 

人類似乎並不太瞭解自己的極限在哪裡。他們往往吃得太多，睡得太少，並高估了一段時間內可以取得的成就。在有些場合下，比如感恩節晚餐，這些行為可能看起來不那麼重要，但在某些行業，比如長途貨運和重型裝置操作，這些行為不僅危險，甚至是災難性的。這就是為什麼越來越多地的公司使用人工智慧（類似守護天使）來保護高風險行業的員工。

 

經過數百小時資料訓練的系統能夠實時監控操作員的心率，體溫，疲勞程度或緊張情緒指標，並在個人需要休息或休息時發出訊號，商業軟體公司 SAP 的高階副總裁 Mike Flannagan 說。（SAP 一款叫做 Connected Worker Safety 的產品可以做到這一點。）

 

至於我們其他人，可以期待在未來的車庫中看到這類技術，汽車製造商們正在構想讓汽車監督人類的辦法。雖然該技術目前僅限於在幾個車型的儀表板上閃爍的咖啡杯圖示，但是，與大多數主要汽車製造商合作的人工智慧公司 Nuance Communications 的汽車創新管理負責人 Nils Lenke 表示，使用語音和麵部識別技術來檢測疲勞程度，將很快成為新車的標準配置。——Erika Fry 

 

AI 正從三個方面讓你更安全

 

武器自動鎖定的目標

 

如果企業和五角大樓願意的話，能夠自動鎖定目標的殺手機器人距離我們不會太遠。不過，到目前為止，國防部還沒有製造出自主性致命武器（無需人類即可自主實現攻擊，就像 Facebook 在你照片上標記朋友一樣容易）。

 

但是，可能構成這類武器系統基礎的人工智慧技術正在順利研發過程中。比如，五角大樓最引人注目的人工智慧計劃 Maven，旨在研發藉助機器學習演算法即可識別恐怖分子的無人機，協助軍隊打擊 ISIS。對於國防工業來說，這並不算什麼新鮮事，但是，五角大樓開始越來越多地向矽谷尋求人工智慧和麵部識別方面的專業技術，最近還引發了爭議，谷歌宣佈將退出 Project Maven。未來，公司贏得利潤豐厚的新人工智慧合約的唯一障礙，可能就是他們自己不情願。——Jen Wieczner 

 

2022

 

據牛津大學和耶魯大學的研究人員稱，2022n 年，在摺疊衣物方面，AI 會比人類做的更好。

 

避免威脅

 

未能有效防止網路和真實生活遭受攻擊，讓人們代價慘痛。2017 年，個人資料洩露造成的平均損失近 400 萬美元。但是，最近攻擊激增有一個好處：這意味著，還有更多的資料有待深入挖掘。

 

幾十年來，機器學習技術已被用於識別模式和過濾電子郵件，但是 Barracuda Networks 等供應商的新系統藉助 AI，可以學習特定公司及其高管的獨特通訊模式，以查明潛在的網路釣魚詐騙及其他駭客企圖。在物理安全領域，人工智慧甚至被用於安全攝像頭，「識別」並試圖阻止威脅。啟動 Athena Security 的新攝像頭即可識別對方什麼時候會拔槍，甚至會自動報警。簡而言之：我們擁有的資料越多，就越能使用 AI 抗擊犯罪。——Michal Lev-Ram 

 

貪汙者要小心！

 

如何捕獲金融犯罪？全球各地的銀行，如匯豐銀行和丹麥銀行，越來越多地藉助人工智慧打擊金融詐騙，洗錢和欺詐行為，而不是讓合規人員篩查數千筆交易，尋找可疑線索。（幾家銀行因未能發現非法資金流入他們的帳戶而遭受鉅額罰款，這也成為銀行採用新技術的重要推動力。）匯豐銀行與人工智慧創業公司 Ayasdi 合作，實現了部分合規自動化。在與匯豐銀行合作的為期 12 周的試點專案中，Ayasdi 的人工智慧技術使假陽性減少了 20％（交易看起來很可疑，但事實上合法），同時保留下的可疑活動報告數量，與人類審查結果相同。——Carson Kessler 

 

AI 正從 7 個方面改變人類的吃穿住行

 

不必開車

 

在理想道路條件下實現安全自動駕駛的技術的出現，已經有一段時間了。不過對於現實世界來說，汽車的駕駛行為還必須更像人類一點。這也是著名 iPhone 駭客喬治·霍茲建立的創業公司 Comma.ai 所要做的事情。

 

公司的 Openpilot 技術不是用來教會汽車識別樹或者停車標誌，而是分析駕駛員的駕駛習慣來訓練自己。該公司將從一個名為 Chffr 的行車記錄儀應用程式和一個名為 Panda 的外掛模組中提取的數百萬英里駕駛資料，彙總成一個模仿人類駕駛員的自主系統。該公司將其技術定位為自動駕駛的 Android，與特斯拉的 Autopilot 這個封閉系統（類似蘋果系統）形成對比。

 

這是一個開源系統，將自身的成功與使用者的後續改善行為掛鉤。——Daniel Bentley 

 

16 ％ 

 

路透社/ IPSOS 民意調查顯示，駕駛無人駕駛汽車會感到舒服的女性比例為 38％。

 

新的旅行伴侶

 

2010 年爆發的冰島火山影響了數百萬航班，也正因如此，開創了旅遊通訊的新紀元。由於航空資訊流能力有限，航空公司發現，社交媒體能更加實時有效地觸及顧客。「一旦開啟閘門，」埃森哲互動的社交媒體和新興渠道負責人 Rob Harles 表示，這種溝通方式「便勢不可擋。」而且，從那時起，旅客人數也在激增，2016 年入境人數達到 12.5 億，增加了 30％。哈萊斯說，這種規模導致人工處理基於社交媒體的資訊溝通變得「不可能」。

 

聊天機器人能夠回答的基本問題是，比如：我的航班是否延誤了？我的酒店結賬時間是什麼時候？例如，Booking.com 的聊天機器人，據稱可以自動解決 60％的客戶查詢。

 

這項技術的下一階段是讓機器人瞭解客戶的旅行目的，比如商務或玩樂？並根據客戶喜好在整個旅程中提出建議，從航班升級到最佳素食餐廳、咖啡館預訂。因此，目前的聊天機器人可能很快就會成為一個全面的自動化禮賓服務員。——Claire Zillman 

 

 

升級客服中心

 

「有什麼可以幫你的？」IBM 估計，到 2020 年，85％的客服工作將不再交由人工處理。機器學習和 NLP 技術讓聊天機器人成為可能，自助服務介面就能幫助完成絕大多數人類客戶代表的工作。

 

那麼，美國 270 萬客戶服務代表該怎麼辦？有些可能會從事機器人無法完成的任務（比如與真正憤怒的客戶打交道）。依賴這項技術的公司表示，這些技術可以幫助消除人為錯誤，大幅提高資料檢索的速度，並消除客戶工作中的偏見。

 

但不要認為這樣的聊天機器人就是最終狀態。瑞士投資銀行瑞銀（UBS）最近與紐西蘭人工智慧專家 FaceMe 合作，數字化地克隆了首席經濟學家丹尼爾·卡爾特（Daniel Kalt），讓「他」與客戶互動。該銀行表示，這個虛擬人物使用了 IBM Watson AI 技術，並由 Kalt 本人訓練過，這也是「人與數字混合」探索專案的一部分。- McKenna Moore 

 

點石成金 2.0

 

人工智慧證明，它能夠發掘可能會被人們忽視的人才。安大略冰球聯盟 19 歲的防守隊員肖恩-杜爾茲（Sean Durzi，下圖）就是一個例子。杜爾茲是今年國家冰球聯盟（NHL）選拔賽的熱門選手。但是在去年的選拔賽上，頂級球隊並沒有錄用他，但人工智慧支援的分析系統將他排在前 40 強。

 

「如果這些球隊去年檢視了我們的系統分析的結果，那麼它們可能早就會錄用他了。」人工智慧系統開發公司 Sportlogiq 的曲棍球分析經理克里斯托弗-鮑徹（Christopher Boucher）說。該公司的人工智慧系統已有 24 個 NHL 球隊使用。Sportlogiq 只是使用 AI 幫助團隊發現下一個明星的幾家公司之一。

 

澳大利亞資料分析公司布魯克林動力公司（Brooklyn Dynamics）聯合創始人卡姆·波特（Cam Potter）表示：「這一切都是為了識別隱藏在口袋中的人才，發現金子。」該公司曾與多家美國職業棒球大聯盟球隊合作，甚至為 2017 年環法腳踏車賽開發了一套機器學習 AI 系統，收集實時資料點，預測比賽結果。

 

布魯克林動力公司 (Brooklyn Dynamics) 正在開發一款應用程式，球探、教練可以對潛力和現有球員進行機器學習分析，j 藉此打造一個全球大學和職業球隊都可以查閱到的中心資料庫。「可以將這個獨特的工具新增到人才儲備工作中，」波特說。「其他人也可以檢視 [統計資料] 並加入討論，最終決定誰將為俱樂部帶來價值。」——Carson Kessler

 

 

改變你的購物方式

 

實體店面現在有了一個新的使命：完美的 AI 資料收集實驗室。Home Depot 正使用來自數百萬筆交易的資料，弄清楚你還有什麼其他需求，比如廚房翻新。絲芙蘭使用 ModiFace（最近被 L'Oréal 收購）的技術進行面部識別，幫助購物者選擇合適的高光化妝品：該軟體分析了數百萬使用者資料，k 可以更好地預測適合使用者的產品。

 

MIT 剝離出去的創業公司 Celect 正使用機器學習來預測購物者的行為方式，以確定在商店的哪個部分進行什麼樣的促銷，效果更好，哪些產品放在哪裡，會獲得最佳效果。

 

例如，沃爾瑪已經在 50 家商店使用機器人，負責掃描貨架上的缺貨商品，被客戶放錯位置的商品，以及價格被標記錯誤的商品。對於人類來說，這些都是耗時且繁瑣的工作。雖然零售商對店內技術守口如瓶，但據 CB Insights 資料，像 Navii 和 Simbe 這樣的人工智慧機器人的公司正受到投資者關注。——Phil Wahba 

 

這個廣告會讓你微笑嗎？

 

廣告商並不能總是命中目標。現在，越來越多地公司依靠人工智慧來降低錯失目標的可能性。

 

情感識別的人工智慧創業公司 Affectiva 表示，財富 500 強企業中的四分之一正在使用他們的技術，比如在調研中利用人工智慧來了解觀眾對廣告的反應。Affectiva 的系統已經接受了來自 87 個國家的 700 萬張面孔（以及 38 億個面部框架）的影像訓練，可以解碼個人的面部表情。比如，在觀眾看到廣告的那一刻起，識別出八種面部情緒，包括「厭惡」。

 

媒體研究巨頭 Kantar Millward Brown 也部署了 Affectiva 的產品。他們發現，Colin Kaepernick（美式橄欖球明星）代言的廣告引發微笑的程度值得注意，「我們確實能夠確定，Kaepernick 傳遞的那種犧牲和夢想的資訊引發了觀眾積極的反應，」該公司董事總經理格雷厄姆佩奇說。他們還發現，觀眾對世界盃廣告中的女性代言人做出了積極回應，這個發現有些出乎意料。

 

除了幫助客戶提升廣告效果，Kantar 還從中獲得了能讓所有客戶受益的一些洞見。比如，主角是現代人物（而不是傳統角色）的廣告，其推廣效果會提高 25％。——Erika Fry

 

種植食物

 

表面上看，農業似乎就是簡單苦力活兒的不斷重複：播種、灌溉、收穫。其實，如何種植作物非常複雜。「農業中要處理的大量資料，非常複雜，」室內農業垂直領域的創業公司 Plenty 聯合創始人兼首席科學官 Nate Storey 說，比如環境因素中的氣流，二氧化碳，光照和溼度等因素、植物遺傳以及施肥澆水等因素，都屬於會相互作用的變數。現在，Plenty 和許多其他創業公司正在使用人工智慧來協助做出複雜決策。

 

例如，Plenty 及其對手 Bowery 和 Gotham Greens 都在打造用於收集和分析影像資料集的系統，幫助確定某株作物是否存在諸如氮或鐵缺乏或蟲害問題，提前進行治療。「軟體瞭解問題所在，還可以進行大規模自動化處理，僅靠我們，無法單獨完成，」Storey 說。——Beth Kowitt 

 

AI 正從三個方面變革醫療

 

 

醫療保健制度再度人性化 

 

當前的美國醫療保健行業情況非常糟糕： 

 

每年，嚴重誤診次數超過 1200 萬次，3.6 萬億美元醫療花費中的三分之一都歸於浪費，預期壽命連續三年下降（史無前例），醫生的職業倦怠、抑鬱和自殺達到歷史最高水平。

 

但也因為有了可穿戴感測器生理學，掃描解剖學，DNA 測序，腸道微生物組生物學等，如今每個人的醫療資料比以往任何時候都多。

 

有了深度學習，藉助神經網路，人工智慧將影響所有臨床醫生：從協助準確讀取掃描，幻燈片，皮膚病變等，到保健系統、促進遠端監控的使用，最終我們不再需要正規病房。而且藉助虛擬醫學指導，消費者就能更好地管理甚至預防疾病。

 

雖然人工智慧融入醫療實踐，還處於早期階段，當前是炒作勝過有效驗證。但是，這是我們應對所有嚴峻挑戰的最好機會：利用豐富的資料來減少誤診和浪費，並節省時間，顯著改善醫生與患者之間的關係。——Eric Topol，MD（即將出版的「深度醫學」一書的作者）

 

比醫生更聰明 

 

僅在過去幾年，就出現了一些比較靠譜的 AI 應用。

 

比如讀取放射掃描（如 Imagen），識別腫瘤並跟蹤癌症擴散（Arterys），根據視網膜成像檢測眼部狀況（谷歌的 DeepMind），透過「不流血的血液測試」標記危險的異常鉀水平（Mayo Clinic Ventures 和 AliveCor），以及其他幫助解決診斷棘手之處的應用，甚至包括預測疾病。

 

歷史資料表明，醫生的誤診率在 5％到 20％，在某些情況下，這個數字更高，主要原因還是在於醫生短缺和過度勞累，醫療保健系統資源緊張，因此，AI 或許可以幫助治療一些疾病。——Erika Fry 

 

7 ％。

 

根據 Ideall 的一項研究，認為「機器人可以完成工作」的人力資源員工百分比。

 

重塑藥物研發 

 

醫藥業充滿變數。早期小規模病人測試中，如果藥物是安全的，接下來還要進入燒錢的大規模臨床測試階段。事實上，德勤資料顯示，2017 年美國最大的生物製藥公司的投資回報率下降至令人沮喪的 3.2％。這就是為什麼像 BERG 和 Roivant Sciences 以及 Exscientia 這樣的公司希望利用 AI 更好地部署資源。

 

BERG 已經與阿斯利康（AstraZeneca）和賽諾菲巴斯德（Sanofi Pasteur）等主要製藥公司合作，使用臨床資料和演算法來識別潛在可能的生物靶點，研發有效藥物以治療帕金森等疾病。賽諾菲還在分析大量資料，以深入瞭解為什麼某些流感疫苗對某些人有效，而對其他人無效。

 

人工智慧作為一種重要的藥物研發工具，仍處於早期階段。但前景光明：透過將製藥研發工作轉移到最有希望的靶點上，可避免大量浪費，如果藥物研發能夠更加精簡，公司和患者都將受益。- Sy Mukherjee 

 

逆轉疾病 

 

美國的醫療保健系統並未將更經濟、更強調主動預防的路子放在優先考慮的地位，也因此遭受到大眾的批評，企業也為失去勞動力和高昂的醫療成本付出代價。

 

Virta Health 執行長 Sami Inkinen 採取了不同的路子，該公司利用人工智慧，預防患糖尿病風險的患者進一步惡化疾病，在早期試驗中，他們甚至嘗試透過純粹的數字平臺，逆轉 2 型糖尿病。透過將使用者與提供個性化飲食建議的虛擬指導聯絡起來，這家創業公司希望可以改變患者的生活方式。

 

另外，公司還提供數字連線工具，幫助使用者測量血糖、酮、血壓和體重。Virta 並不孤單，IBM Watson 的醫療保健團隊與巨頭 Medtronic 正在合作開發一款叫做 Sugar.IQ 的應用程式，其功能與 Virta 的產品類似。——Sy Mukherjee

 

原文連結：