美國《快公司》近日評選出2017年在人工智慧/ 機器學習領域最具創新意識的10大公司，谷歌、IBM和百度均榜上有名。

雖然人工智慧不太可能在短期內取代你的工作（儘管很多烏托邦電影給出了相反的結論），但人工智慧和機器學習已經幫助很多日常任務實現了自動化，並改進了效果，包括移動搜尋和家庭照片的整理過程。

人工智慧還孕育出一批顛覆行業的新公司，他們瞄準了從醫藥研究到農業種植等各個領域。電腦尚未取代人類，但它們的確很擅長處理我們的日常瑣事。也正因如此，各大科技公司才競相入局。

以下為AI世代整理的榜單內容：

1、谷歌

評語：谷歌將一流的計算資源與智慧演算法結合起來，開發了無人能及的熱門服務：搜尋、地圖、Gmail和YouTube都因為集中化的內容廣受歡迎，使用者也很容易在上面找到自己想要的資訊。由於現在每年獲得的照片超過1萬億張，所以儲存和呈現照片已經成了谷歌今後的重要專案——同時也是該公司進一步吸引使用者的重要渠道。

“我們認為可以通過頗具影響力的方式，圍繞照片和視訊部署機器智慧，方便使用者享受他們所創造的內容。”谷歌Photos副總裁阿尼爾·薩布哈瓦爾（Anil Sabharval）說。2015年5月推出的谷歌Photos服務可以像鞋盒子一樣彙總使用者儲存在不同硬碟和裝置上的圖片。這都要得益於PhotoScan應用，這款去年11月釋出的應用還可以對傳統照片進行數字化。藉助谷歌的圖片識別和人工智慧技術，該服務的Assistant功能還能把圖片製作成各種特效和圖冊。

谷歌Photos的使用者超過2億，這凸顯出該公司的創新意識和改革意願。“人們仍然需要滾屏檢視圖片，”薩布哈瓦爾說，“我們希望採取更多措施，讓第一頁的照片變得更加智慧。”

2、IBM

評語：幾十年來，IBM一直在拋棄原有的電腦硬體製作和銷售業務，向更加現代化的業務方向轉型，希望成為一家提供雲端計算和資料分析服務的公司。在2015年斥資約20億美元收購了Weather Company的數字資產後，IBM又向這一方向邁出了一大步，獲取了關於世界各地的大量天氣資料。這些資訊被廣泛應用於航空、保險和農業領域，IBM的沃森系統可以藉此對天氣形態形成新的理解，給出更加精準的預測。在這種以消費者為中心的實際應用中使用沃森，可以幫助IBM獲得資料公司的身份，而不再僅僅是一家電腦公司。這對該公司的業務發展同樣有利：據稱，每年約有價值5000億美元的商務發展依賴天氣變化。

IBM的沃森事業部位於紐約，早在2014年1月就已單獨分拆。該部門的重點是基於雲端計算的人工智慧技術，可以幫助開發者和組織將自然語言處理和認知計算等工具整合到他們自己的產品之中。自從沃森商用以來，這項技術已經應用於癌症研究（沃森負責篩選和解讀數以百萬的醫學期刊）和零售（沃森負責幫助消費者尋找商品）等領域。截至2017年，沃森已經為4億多人和病號提供了服務。IBM目前正在探索未來的用例，包括讓沃森同時與多種技術互動，並將人工智慧整合到其他應用中，包括無人駕駛和餐飲服務業。

3、百度

評語：百度CEO李彥宏2016年公開宣稱，該公司將把人工智慧技術積極整合到百度旗下的所有重要業務中，包括搜尋引擎以及無人駕駛等新業務。去年8月，百度、史丹佛大學和華盛頓大學釋出了一項學術研究，證明語音輸入比在智慧手機上打字更加精準，速度甚至快出三倍。該公司的矽谷實驗室專門負責為人工智慧尋找新的使用方式，而該公司開發的語音識別引擎也整合到他們的搜尋工具中，在中國的使用者達到數億。

4、SoundHound

評語：雖然SoundHound最著名的是音樂識別應用，但該公司真正的創新是開發了全世界最先進、最精準的自然語言處理平臺。該平臺有很多應用（雲端計算、移動和汽車），可以方便使用者不用動手便可與很多資料域展開互動。2016年，SoundHound推出了Hound虛擬助手，與蘋果Siri、亞馬遜Alexa和谷歌Assistant展開競爭，目前約有2萬開發者使用Houndify平臺，其服務已經整合到150個域中。採用該技術的企業包括三星、英偉達、索尼、Yelp和Uber。

5、Zebra Medical Vision

Zebra Medical Systems是一家以色列公司，他們將深度學習技術應用到放射領域。該公司已經積累了大量的醫學成像訓練集，另外還擁有一項分類技術，因此可以藉助電腦預測各種疾病，精度甚至超過人類。2016年，該公司推出了兩個新的軟體演算法，可以預測甚至預防心臟病等心血管疾病。

6、Prisma

評語：由於可以將智慧手機拍攝的照片和視訊變成梵高、畢加索、列維坦風格的超現實主義作品，Prisma出人意料地成為2016年最熱門的應用之一。該公司並沒有像Instagram那樣使用圖片濾鏡，而是利用這家俄羅斯創業公司的神經網路生成全新的作品。雖然這目前只是一款手機應用，但Prisma代表了下一代圖片製作服務，也讓我們得以窺見人工智慧將對未來的圖片和視訊產生何種影響。

7、Iris AI

評語：查詢科研資料是一項費時費力的活動，對高等院校或企業研發部門的研究人員來說，往往像是大海撈針——可能需要查閱數以百萬的論文才能找到相關資料，而每天還會新發表成千上萬篇論文。Iris AI則使用人工智慧幫助人們完成這一任務。自從釋出以來，已經有4.8萬人嘗試過這項服務，其中13%成為了它的常規使用者。企業和高校的研究表明，Iris AI的人工智慧技術可以將科研資源需求量降低30%至50%。測試表明，使用Iris AI的效率遠高於谷歌學術。任務越複雜，節約的時間越多。正因如此，Iris AI的所有付費工具已經接近售罄，雖然使用這款工具的高校、企業和研究機構數量不大，但卻在不斷增多。

8、Pinterest

評語：為了幫助使用者找到自己最喜歡的內容，Pinterest每個月都要處理1.5億圖片搜尋。該公司正在逐步利用機器學習技術提供與使用者之前的釘圖相似的內容——所以，如果某人之前釘了一張中世紀的桌子圖片，系統便會認為此人可能也喜歡同一時期的其他傢俱。該公司甚至希望在不久後更新移動應用，在使用者用智慧手機攝像頭拍攝某個物體後，便可立刻為其推薦類似的東西。

9、TrademarkVision

評語：對企業來說，獨特的logo十分重要，但同時也要避免侵犯他人的註冊商標。類似地，如果一家公司已經擁有較高辨識度的logo，肯定也希望在他人侵犯自己註冊商標後儘快知道。但這一過程往往很麻煩。TrademarkVision的機器學習技術便可派上用場。它使用影像視訊別工具來加快這一流程，儘快判斷某個新logo是否可以接受，並尋找那些可能侵犯現有註冊商標的logo。歐盟和澳大利亞商標局都已經採用了TrademarkVision的系統。

10、Descartes Labs

評語：有很多公司和政府機構都希望提前幾個月瞭解人群的食物需求量。但政府似乎並不擅長預測整個美國和整個世界的農作物產量，併為即將到來的糧食短缺做好準備。Descartes Labs可以做到這一點，他們使用機器學習來分析大量的衛星圖片資料集，從而分析和預測農作物產量。

該公司與金融、保險、農業綜合企業和環保行業展開了合作，而且已經盈利。之所以能夠更好地預測農作物產量，是因為該公司會對3PB的資料展開持續分析——相當於6000萬個裝滿文字的四抽屜檔案櫃，或者長達40年的高清視訊。該公司每天還會從網上彙總10TB的新資料——相當於在書架上擺了1萬多米的書。

自 騰訊科技