如今的人工智能例子如此之多，以至于在選擇一些具有代表性的人工智能案例時成為一個困難的選擇。

雖然人工智能在各個行業的應用有很多的例子，但仍然被認為是一個仍在崛起的新生力量。事實上，人工智能對于許多企業的技術平臺至關重要，其中包括金融、零售、醫療和媒體。則人工智能和深度學習的例子也數不勝數。

[[277209]]

雖然選擇的一些人工智能例子彼此有很大不同，但它們都有一個共同的特點：輸入的數據越多，學到的東西就越多。這就是人工智能的本質：基于輸入學習的軟件系統。這是大數據分析和人工智能的關鍵區別：大數據可以掃描數據并揭示趨勢，但人工智能可以做到這一點，也可以根據輸入進行調整。

人工智能的例子：跨部門的人工智能

以下人工智能的例子正在引領市場——未來幾年采用人工智能的企業可以參考以下示例。

1. Siri和Alexa

語音助理在商業運營中扮演著越來越重要的角色，它們面臨的挑戰是需要真正理解人類的語言，然而更難的是需要真正了解人類。

這就是人工智能的用武之地。雖然人工智能系統工程師可以構建這些語音助理，但他們無法在發布時將大量的人類特質嵌入其中。因此，人工智能系統需要大量使用機器學習技術，使它們能夠更好地完成人機界面這一異常復雜的任務。有了人工智能，語音助理將越來越有能力搜索網絡，幫助人們購物，提供導航。人們期待這項語音技術在家庭助理中發揮重要作用，幫助照顧老人。這是人工智能語音識別的無數其他例子之一。

2. 亞馬遜和在線商務

響應客戶輸入的系統概念本身并不是人工智能的一個例子。例如，那些檢測到用戶了解襯衫產品之后然后在網上推薦襯衫廣告的應用程序不一定是高級的人工智能應用程序。

但以亞馬遜的推薦系統為例，它是一個交易性人工智能平臺的強大引擎。人們可能已經觀察到它的能力，這個系統可以不斷學習。本質上，大批購物者正在“教導”亞馬遜人工智能系統，以便更好地展示可能出售的商品。也就是說，將一件商品與過去展示的另一件商品相匹配將促進銷售，可以將半關聯的概念聯系起來(例如燈架與攝影設備)。

另一方面，這種高端的人工智能系統需要龐大的計算平臺來處理所有這些數據。對于使用小型服務器的用戶來說很難為此類系統提供支持。顯然，亞馬遜網絡服務公司擁有世界領先的計算平臺。

3. Pandora

對于那些認為人工智能將會取代人類工作的人們來說，Pandora人工智能系統就是一個與人類合作的例子。首先，Pandora通過音樂專業人員的幫助來分析和分類歌曲。Pandora著眼于歌曲的450種屬性進行分類，從聲樂風格到節奏感。

當其人工智能算法工作時，根據大量用戶對其歌曲庫的響應，結合了來自用戶的大量推薦。然后，人工智能系統可以批量分組和呈現對于用戶具有意義的歌曲。

4. Cogito

這無疑是人工智能最活躍的領域之一：在銷售和客服電話中使用人工智能，可以增強與客戶的情感聯系。具體地說，使用人工智能互動比人類更具移情能力。當然，這是人工智能使用的一個前沿。

Cogito(拉丁語的意思是“自我意識”)使用了人類互動的關鍵真理：它不僅僅是詞語的表達意義，而且是詞語的表達方式、情緒、節奏和感覺。

Cogito軟件可以實時分析對話，提供有關正確和錯誤的線索和提示。也許對話者可能切入太多主題，或者反應不夠快。應用程序提供基于顏色的警告和更新。該軟件可以分析數百條線索，以確定對話的情感質量。

5. Nest

推動人工智能增長的關鍵因素之一是資金雄厚的廠商之間的競爭，希望在早期獲得市場份額。以谷歌公司旗下的家用恒溫器Nest為例，其部分目標是將谷歌公司的人工智能構建到設備中，用來應對蘋果Siri和亞馬遜Alexa的不斷增長。

Nest使用人工智能來適應人類的行為模式，獲得恒定的輸入線索，并在家中工作時做出更準確的反應。在業主設置系統一段時間之后，Nest可以自己整合輸入。

無論如何，智能家庭設備(物聯網設備)無疑是爭奪人工智能市場支配地位的關鍵戰場。讓一整組智能家庭設備協同行動，它們可以響應家庭成員的指令，并根據其行為學習，這顯然是人工智能在家庭應用中的未來。

6. Boxever

總部位于愛爾蘭的Boxever 公司推出其Boxever“個性化平臺”， 其主要目標是旅游業。其基于云計算的平臺允許旅游公司創建一個單一的客戶視圖，從而為客戶提供更有效的營銷。它的目標是通過單獨針對客戶來改進銷售過程。如果人工智能可以在一對一的基礎上定制交互過程，理論上它可以更有效地服務(并銷售給)客戶。

Boxever公司的方法承認競爭的關鍵部門是客戶體驗。如果零售商更加謹慎地滿足客戶的需求，將會在電子商務競爭中獲勝。而使用智能軟件比人工銷售代表的成本要低得多。

7. AI Robotics、Humanoid和其他

人工智能為機器人的應用提供動力，其中包括加州大學伯克利分校的BRETT和麻省理工學院的MIT dog。Sophia就是一個受到媒體熱捧的人工智能機器人的例子，它和NBC電視臺主持人Jimmy Fallon在“今夜秀”上聊天和唱歌。

除了流行文化的喧囂之外，還有各種規格和大小的人工智能機器人。例如iRobot公司的RoomBA 980吸塵器采用了人工智能技術，可以在家中完成各種清掃工作。該公司聲稱，Roombas公司已售出1000多萬臺RoomBA 980吸塵器。

8. 垃圾郵件過濾器

人工智能的核心就是學習。而使用機器學習和其他人工智能技術，軟件系統將變得更智能，無需人工協助。

當然，采用人工智能防止垃圾郵件是一個迫切需要機器學習的領域。工作人員(甚至是團隊)難以跟上垃圾郵件的增長。例如，Gmail會部署機器學習算法來過濾(大部分)垃圾郵件。

為此，垃圾郵件過濾器試圖更快地跟上垃圾郵件發送者的工作，他們不斷采用創造性的方法來欺騙收件人。垃圾郵件過濾器中的人工智能會持續掃描元數據，例如發件人的位置或主題行中的關鍵字。如果無法學習，垃圾郵件過濾器將在幾天之后無法運行。

人工智能技術是使用來自人類的輸入：因為對于一個用戶具有價值的優惠券對于另一個用戶來說則是垃圾郵件。特定用戶如何對郵件流進行分類必須是垃圾郵件過濾器學習的一部分。

9. 網上銀行業務

銀行為用戶提供方便的優惠：掃描其支票并將其金額存入移動設備中，無需去實際的分支機構存款。其問題是：這樣做需要機器來閱讀用戶的簽名，這是一項既混亂又令人困惑的工作——甚至對工作人員來說也是如此。

在其他供應商中，Mitek Systems公司采用專門從事基于軟件的身份驗證。其人工智能技術利用計算機視覺和機器學習使移動到銀行的交易安全。

例如，Mitek公司采用視覺算法對銀行交易中的無數ID格式進行分類。其核心是光學字符識別(OCR)軟件，它掃描文檔并將數據轉換為可編輯的格式。可以使用人工智能調整OCR軟件以準確提取個人簽名或指紋。

10. 貸款和信用卡處理

當消費者申請信用卡或貸款時，消費者信用評分(FICO)(通常在300到850分之間)將起到至關重要的作用。在過去，貸款工作人員審查了這些貸款和信用卡申請。雖然仍有很多工作人員，但許多關于信用卡的決定或者是否接受消費者的申請，都是由機器學習系統做出的。

同樣，學習是這個過程的核心部分。銀行管理人員可以設置他們希望當前信貸標準是寬松還是緊縮的參數。但他們希望銀行的機器學習系統能夠隨著時間的推移而學習，以便更密切地確定哪些申請人是安全的借貸者。

11. Lyft和Uber

沒有人工智能和機器學習技術，共享單車是不可能存在的。具體來說，票價、預計到達時間以及它將要走的路線：這些都是人工智能計算出來的。

人工智能即時進行大量計算。如果沒有一個分析情況的機器學習系統，然后將結果數據路由到用戶和驅動程序的應用程序，這些計算的數量和復雜性將是不可能的。當然，Lyft和Uber公司將其記錄在自己的系統上，這兩家公司擁有關于用戶模式的大量數據。

在未來，這些服務預計將出現無人駕駛汽車的時代(盡管這種情況發生時最多仍然模糊不清)。如果沒有人類驅動程序的元素，運行系統的過程將成為更純粹的邏輯機器學習計算。從理論上說，這將導致共享乘車服務的成本下降，甚至可以節省雇傭駕駛員的成本。

12. 社交網絡

主要的社交媒體網絡是人工智能發展的核心驅動力。特別是Facebook公司似乎采用了人工智能的各方面功能。例如，其算法定義了用戶的時間軸，決定是否在其時間軸上顯示或不顯示其朋友的某些帖子。Facebook公司知道，如果某個用戶的每位朋友都被展示出來，那么時間表就將變得很混亂，以至于它會讓人感到厭煩。因此，時間軸算法可以了解用戶與誰進行交互以及其通常忽略的對象。

對于Facebook而言，最重要的是，社交網絡使用人工智能來幫助個性化為用戶提供廣告的方式，因此它具有一定程度的廣告顯示相關性。需要注意，Facebook允許用戶評論廣告與時間線的相關性;每個用戶評論都有助于系統學習并變得更精細。由于他們使用人工智能微調顯示系統的方式，Facebook和谷歌在整個網絡廣告市場的比例非常高。

此外，Facebook使用圖像識別人工智能技術來識別照片中的人臉，因此它可以邀請用戶為其添加標簽。毫不奇怪，考慮到照片對Facebook的重要性，Facebook在面部識別技術上投入了大量資金。采用機器“讀取”照片是當今人工智能時代最為顯著的進步之一。