人工智能正在改变商业。从自然语言处理和智能语音，到物联网和边缘计算，人工智能正在为人类提供重要的战略和实践机遇。虽然技术已逐渐民主化，任何规模的公司都可以从中受益，但一些公司和创新者正在加入这股潮流——他们将于7月10日至11日在旧金山举行的今年变革大会上发表演讲。加入我们的论坛看看他们是怎么做到的。这些专家将提供对您的业务至关重要的鼓舞人心的观点和实用、可操作的建议。让我们来看看一些有影响力的名字：安德鲁·摩尔，谷歌云人工智能负责人在竞争日益激烈的云市场中，谷歌将自己定位为从初创企业到老牌企业的合作伙伴。谷歌拥有数十种新的人工智能产品和服务，即使是非数据科学家也能轻松访问。让我们来看看谷歌云平台，它为人工智能创造者提供了一个新的、共享的、端到端的环境，供团队测试、训练和部署从人工智能战略萌芽到发布的模型。谷歌云正试图通过为依赖云提供商技术的小型企业或初创企业提供在GCP上运行其模型的机会，来从竞争对手中脱颖而出。此外，AutoML和AIPlatform是新的秘密武器。AutoML是预制零售和呼叫中心AI服务的集合，而AIPlatform是协作模型制作工具。任何编程经验很少或没有编程经验的开发人员都可以轻松使用AutoML。AIPlatform适用于数据科学家。这是谷歌尝试在各种体验范围内提供人工智能工具的一部分。谷歌正试图将有用的人工智能引入所有垂直行业。场地。亚马逊人工智能副总裁SwamiSivasubramanian如果想在降低成本的同时大规模训练机器学习模型，亚马逊的AWS还为开发人员和企业高管提供了多种人工智能产品。亚马逊希望您利用其SageMakerAI服务，该服务使用创新技术锁定您所需的计算能力，同时提供类似的性能。通过SageMaker的流算法提供的数据越多，系统接受的训练就越多。但是这样做的计算成本随着时间的推移保持不变，而不是呈指数增长。这意味着他们已经创建了一个系统，可以处理在全球范围内运行的难以置信的大型数据集，其准确性可与更传统的人工智能系统训练方法相媲美。这不仅对亚马逊自己的AI项目很重要，对满足其客户的需求也很重要。企业需要投资NLP技术以跟上搜索和参与方面的持续革命，而AmazonAI正在加入谷歌等领导者的行列，快速进入NLP领域。亚马逊Alexa部门的科学家最近使用了跨语言迁移学习，这是一种需要训练一个AI系统先将英语模型适应德语的技术，在一篇新论文中，他们扩大了工作范围，准备应用英语日语的语言模型。HilaryMason，通用汽车、Cloudera机器学习和FastForwardLabs的创始人HilaryMason是数据科学领域最引人注目的女性之一，也是Cloudera的总经理。她今年早些时候表示，人工智能领域的一个趋势是人工智能系统的伦理影响。企业需要更广泛地认识到某种道德框架的必要性，并需要承担创造无偏见产品的责任。此外，正如用户期望业务经理能够使用电子表格进行简单建模一样，用户也需要期望他们能够在自己的产品中识别AI机会。梅森还认为，越来越多的企业将需要形成结构来管理多个人工智能系统。可以使用手动部署的自定义脚本来管理单个系统，而cron作业可以管理数十个系统。但是，当一个用户在一个有安全、治理、风险需求的企业中管理数百个系统时，他需要一个专业的、强大的工具，以及一个从拥有大量能力甚至强大到拥有系统的方法。机器学习和人工智能机会的转变。OpenAIGames的联合创始人GregBrockman和IlyaSutskever长期以来一直是AI研究的基准，并且OpenAI一直处于创造能够比人类更好地玩许多最复杂游戏的AI的前沿。该技术建立在深度强化学习的基础上，可以说处于向通用人工智能发展的早期阶段，它也可以应用于游戏以外的领域。事实上，他们将讨论NLP和文本生成背后的人工智能，这是许多企业在其客户参与消息传递应用程序中所做的事情。这一切都源于OpenAI在游戏方面的成功，它的机器人被扔进了斗兽场。从4月18日到4月21日，该公司进行了一次大规模实验，以测试其对Dota2玩家的表现。OpenAI5的胜率为99.4%，没有人能够检测到这种针对人类编程游戏机器人的易于执行的威胁。能够掌握复杂策略游戏的机器人是一个里程碑，因为它开始捕捉现实世界的方方面面。这是朝着可以处理复杂性和不确定性的人工智能迈出的一步，为开发在具有经济价值的工作中胜过人类的自主系统提供了更清晰的途径。KevinScott，微软技术官现代机器学习行业不仅建立在计算能力的进步之上，还建立在开源项目之上。正是这种架构使机器智能得以突飞猛进，科技巨头微软正在引领其新的Azure机器学习和Azure认知服务公告。微软的业务领域充斥着大量与企业相关的工作，包括面向制造企业的机器人和人工智能，还提供用于机器模型训练和推理的通用FPGA芯片。此外，开放神经网络交换（ONNX）也充分发挥了微软的优势。ONNX允许微软客户使用其他非微软技术，这也预示着一个开放的新时代。ONNX现在支持Nvidia的Tensorrt和Intel的Ngraph，用于在Nvidia和Intel硬件上进行高速推理。这是继微软加入MLFlow项目并开源NX运行时的高性能推理引擎之后发生的又一激动人心的事情。ONNX为不同框架、运行时、编译器和其他工具的集合带来的互操作性使机器学习生态系统变得更大。多年来，FPGA芯片一直用于为Azure运行100%的数据加密和压缩加速任务。现在，用户可以自由使用TensorFlow、PyTorch、Keras或他们喜欢的任何框架来构建自定义模型，然后对任何GPU或FPGA进行硬件加速。根据Github去年秋天发布的2018年10月海外公告，微软现在也被称为开源项目贡献者的雇主之一。Github是微软去年收购的一家公司。
