Zhidongxi（公众号：zhidxcom）海中天 如果你问科幻电影告诉我们什么，那就是它描绘了一个荒凉的世界，就像地狱一样，由有知觉的杀人机器人统治。
幸运的是，电影只是电影。
近年来，人工智能和机器学习已成为最先进的技术之一。
只有少数技术能像机器学习一样“颠覆”生活，而且许多机器学习应用程序在我们看不见的阴影中运行。
想了解机器学习应用案例吗？今天我们列出了 10 家以新奇有趣的方式使用机器学习技术的公司： Yelp：图片大规模管理 很多人去新餐厅吃饭，吃完之后又尖叫又后悔，极度不满意，于是就去了网上投诉。
为什么 Yelp 如此受欢迎且有用？原因有很多，上面的原因就是其中之一。
乍一看，Yelp 不像一家科技公司，但实际上它利用机器学习来改善用户体验。
对于 Yelp 来说，图片与用户评论一样重要。
正因为如此，Yelp会积极引入图片处理方面的新技术。
Yelp 几年前部署了使用机器学习的图像分类技术。
Yelp 的机器学习算法帮助公司员工对图像进行编辑、分类和标记，以提高效率。
这是一个不小的壮举，毕竟你必须处理数千万张图像。
Pinterest：让内容发现变得更容易无论您是 Pinterest 的铁杆粉丝还是从未使用过该网站，Pinterest 在整个社交媒体生态系统中都占有一席之地，并且是一个充满好奇心的地方。
Pinterest 的主要功能是美化现有内容并投资新技术以使流程更加高效。
这是 Pinterest 的首要任务。
2017年，Pinterest收购了Kosei，这是一家机器学习公司，是机器学习技术商业应用方面的专家。
具体来说，它使用技术使内容更容易发现和开发推荐算法。
如今，机器学习已经渗透到 Pinterest 业务运营的各个领域，例如查找垃圾邮件、发现内容、增强广告变现能力。
很酷。
Facebook：聊天机器人 尽管Facebook Messenger存在一些争议，但它确实是Facebook平台上最有趣的服务之一。
为什么？因为 Messenger 已经成为聊天机器人的实验室。
任何开发人员都可以创建并提交聊天机器人以与 Facebook Messenger 集成。
换句话说，如果一家公司非常重视客户服务，并希望留住更多客户，那么它就可以使用聊天机器人来帮助自己，即使公司规模较小且工程资源有限。
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 也在利用机器学习技术来过滤垃圾邮件、过滤掉不良内容。
它还正在开发计算机视觉算法，可以让视障人士“阅读”图像。
Twitter：组织你的时间线 Twitter 正在向算法提要（相当于新闻提要）迈进。
当你要求 Twitter 显示“最佳推文”，或按合理时间对它们进行排序时，信息的变化是由机器学习技术驱动的。
Twitter利用AI技术实时评估每条推文，然后根据不同的指标对信息进行“评分”。
最终，Twitter 的算法将显示特定的推文以提高用户参与度。
机器学习技术根据用户的个人选择做出决策，生成经过算法编辑和修改的动态。
谷歌：神经网络和造梦机器 今天，我们相对容易知道谷歌在哪些领域从事科学研究，但要知道它的技术野心是什么就比较困难了。
不用说，谷歌近年来一直很忙碌。
它已经进入了许多新的领域，比如研究抗衰老技术、开发医疗设备等。
然而，最令人兴奋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，它想要创造一个“梦想机器”。
正是这个网络创造了一些引起很多人谈论的迷幻图像。
据谷歌称，DeepMind 正在探索机器学习的几乎所有方面。
这就是为什么谷歌表示它在“经典算法”和其他应用方面取得了令人兴奋的突破，包括自然语言处理、快速翻译、搜索排名、预测系统。
Edgecase：提高电子商务转化率 多年来，零售商一直在努力解决一个问题：店内购物和在线购物之间的脱节。
大家都在说网络零售将给传统零售敲响丧钟，很多电商网站都在努力。
Edgecase（原名Compare Metrics）想要改变这一趋势：Edgecase希望机器学习技术能够帮助商业零售商改善用户体验。
除了让业务体验更加流畅、提高转化率之外，Edgecase 还想更进一步。
有些用户在寻找产品时态度不明确，Edgecase希望帮助用户做出决定。
如何帮助？ Edgecase会分析用户的具体行为和动作，这些行为和动作具有明确的商业意图。
百度：语音搜索的未来 谷歌并不是唯一一家研究机器学习的搜索公司。
百度也在投资人工智能应用。
百度研发实验室最有趣的研究叫做“Deep Voice”，这是一种神经网络，可以合成与真实人声无法区分的人声。
该网络可以学习节奏、口音、发音和高音等“细节”，以准确地再现说话者的声音。
Deep Voice 2 更加先进，将对自然语言处理产生影响。
Deep Voice 2 是语音搜索和语音模式识别系统的基础技术。
这项技术可能会对语音搜索和其他应用产生深远的影响，例如实时翻译和生物特征识别。
HubSpot：更聪明的销售 熟悉HubSpot的人可能知道，这家公司喜欢鼓捣新技术。
本月初，其宣布收购机器学习技术公司Kemvi。
HubSpot 正准备在多个领域使用 Kemvi 技术，但有一个领域最受关注：将 Kemvi DeepGraph 机器学习和自然语言处理技术与公司内部内容管理系统集成。
据HubSpot首席战略官介绍，合并后，HubSpot可以更好地识别“触发事件”，即企业架构、管理等地方会影响公司日常运营的变化，从而使HubSpot能够更高效地进行招聘。
潜在客户并更好地服务现有客户。
IBM：更好的医疗保健 IBM 是世界上最大、历史最悠久的科技公司之一，它正在寻求突破旧的商业模式并寻找新的收入来源。
沃森就是最好的证明。
它就是IBM著名的AI系统。
近年来，多家医院和医疗中心引入了 Watson，事实证明它可以比人类肿瘤学家更有效地诊断某些类型的癌症。
Watson 在零售业有着巨大的潜力，它可以帮助购物者进行购物，也可以在医院使用。
因此，IBM 以许可形式提供 Watson 机器学习技术。
Salesforce：智能CRM Salesforce是科技巨头之一，占据CRM市场很大份额，拥有众多资源。
对于最精明的数字营销人员来说，提前预测和评估是很困难的，这就是 Salesforce 投资该公司专有系统 Einstein 机器学习技术的原因。
使用 Salesforce CRM 软件的客户使用 Einstein 来分析客户关系的各个方面，从最初的接触到持续的互动接触点，以便他们可以建立更丰富的客户档案并识别销售流程中的关键时刻。
新技术使潜在客户评分更加全面，帮助企业提供更有效的客户服务（让客户更满意）并发现更多机会。
未来机器学习技术的快速进步会带来一些问题，其中之一就是我们最终会认为飞跃是理所当然的。
十年前，上面提到的一些机器学习应用是不可想象的。
科学家和研究人员前进的速度非常快，他们给我们带来了很多惊喜。
那么机器学习下一步将走向何方？ 1.让机器学习更加高效。
用不了多久，我们就会看到人工智能学习效率更高。
算法处理方式将会改进。
例如，我们将部署人工智能系统，只需少量的人类监督就可以修改和改进自己的内部架构。
2、自动制定网络攻击对策网络攻击和勒索病毒猖獗，大大小小的企业都被迫思考一个问题：如何应对系统性网络攻击。
人工智能将在监测、预防和应对方面发挥越来越重要的作用。
3. 令人信服的生成模型 生成模型已经非常令人信服了。
很快，它们就会变得完全无法区分。
随着生成模型的改进，越来越复杂的图像和声音将会出现，甚至可以使用算法生成整个身份。
4.更好的机器学习培训。
即使是最复杂的人工智能，其学习效率也会受到训练的限制。
在许多情况下，机器学习系统需要大量数据进行训练。
未来，机器学习系统需要越来越少的数据来学习，因此系统可以用更少的数据学习得更快。