人工智能（AI）和機器學習（ML）一直以來都頗受企業(yè)關注，很多企業(yè)榨干腦汁的去思考怎樣從中受益，但實現(xiàn)路程依舊艱難。隨著兩項技術的發(fā)展，無數(shù)種應用程序接踵而至，讓很多企業(yè)在業(yè)務中著實輕松了不少。
人工智能和機器學習幫助企業(yè)減少了很多繁重工作，使企業(yè)運營變得更加高效。此外，人工智能驅動程序和自動化系統(tǒng)可以幫助企業(yè)改善資源的使用，提升資源利用率。
下面是福布斯技術委員會的15名成員各自公司在人工智能和機器學習領域的最新應用。
1．為基礎設施、解決方案和服務提供動力
我們一直都在探討怎樣在商業(yè)解決方案、安全性、服務和網(wǎng)絡基礎架構中利用好人工智能和機器學習。最近，我們購買了一個人工智能平臺，用于構建會話接口，為下一代聊天和語音助手提供動力。我們還將人工智能、機器學習添加到新的IT服務和安全性，以及超融合基礎架構構建中，來平衡計算系統(tǒng)的工作負載。
——Maciej Kranz Cisco Systems
2． 網(wǎng)路安全預防
除了傳統(tǒng)的網(wǎng)絡安全措施外，我們還利用人工智能來協(xié)助網(wǎng)絡安全預防。人工智能能夠持續(xù)分析我們的網(wǎng)絡數(shù)據(jù)包，繪制出正常流量。它能夠識別我們網(wǎng)絡上的102000多種模式，還能在沒有任何先前知識驗證的情況下自動檢測異常情況，勝過了傳統(tǒng)的防火墻和AV數(shù)據(jù)。
——John Sanborn， RAA － Financial Advisors
3．助力于醫(yī)療
我們正在將人工智能技術利用到醫(yī)療過程中。它可以幫助醫(yī)生診斷患者病情的惡化程度，能夠使患者在無需住院的情況下及時得到治療。對于醫(yī)療來說，它實現(xiàn)了共贏的利益，既可以為醫(yī)院節(jié)省成本，也為患者省錢。機器學習的精確程度可以更快的檢測到癌癥等惡性疾病，從而挽救生命。
——Adam Bayaa， Heal
4．招聘自動化
失業(yè)率一直是人們普遍關心的問題，且各大企業(yè)同時也因找不到合適的人才而頭疼。關鍵之極，人工智能介入其中，實現(xiàn)了招聘自動化。通過招聘自動化，企業(yè)雇員可以使用人工智能的招聘工具，來尋找那些沒有被考慮過的求職者，不是因為他們不合格，而是因為他們一開始就沒有浮出水面。
——Jon Bischke， Entelo
5． 智能會話
我們正在使用人工智能、機器學習來構建智能聊天機器人和語音助手。人工智能驅動的會話界面能夠自動回答一些常見的問題，在酒店為客人提供禮賓服務，并提供有關購物產(chǎn)品的信息。深度神經(jīng)網(wǎng)絡或深度學習的進步使更多人工智能、機器學習的應用成為可能。
—— Mitul Tiwari， Passage AI
6．節(jié)省能源和成本
我們正在使用人工智能來減少能源的使用，降低鉆井、原油和天然氣運輸、儲存以及石油精煉業(yè)務的能源成本。直到最近，該行業(yè)也一直在關注歷史數(shù)據(jù)點。我們目前運行的人工智能應用程序可以預測未來能源的負載情況，這樣不但可以減少浪費、降低成本，還能平衡高峰時期的需求。
—— Jane Ren， Atomiton， Inc．
7．預防漏洞利用
我們最近開始使用機器學習來預測某個軟件的漏洞是否有被攻擊者利用的可能。這使我們能夠在新的攻擊之前留出數(shù)天的時間做準備。通過對“將被攻擊”或“不會被攻擊”的簡單分類，我們還能訓練具有高召回率的精確模型。
—— Michael Roytman，Kenna Security
8．更加聚焦以客戶為中心的商業(yè)模式
通過人工智能，我們能夠更好的分析客戶對調查和活動的反應。這使我們能夠及時了解客戶的反饋信息，了解是否存在與其響應率和參與性相關的其他屬性。這些信息能幫助客戶調整他們的調查戰(zhàn)略。
—— Alan Price，visioncritical．com
9．市場預測
我們在很多傳統(tǒng)的業(yè)務場景中使用人工智能，如個性化，直觀的工作流程，搜索和產(chǎn)品推薦。最近我們開始將人工智能融入到我們的市場預測，通過對未來市場的預測來提升競爭力?；蛘呖梢赃@樣說，我們正“嘗試”著預測未來。
——Tim Rendulic， Thomson Reuters
10．加速閱讀
人工智能正在加速我們對書面文字的理解速度。簡單地說，人類的閱讀速度還是不夠快，無法迅速挖掘出可利用的大量數(shù)據(jù)。我們已經(jīng)開發(fā)出能夠閱讀和理解生命科學文章的高級人工智能，幫助研究人員快速找到治療疾病的方法，開發(fā)出新的治療方案和藥物。
——Daniel Levitt， Bioz
11．跨層彈性驗證
我們在聽取客戶意見時得知，在預測不同IT層之間的錯誤配置時，現(xiàn)有的測試方法不足。因此，我們在跨層依賴映射和跨層驗證技術的研發(fā)上投入了大量資金，利用了知識驅動分析和機器學習技術。
——Gil Hecht， Continuity Software
12．會計和金融科技
人工智能正在影響許多行業(yè)，會計和金融科技也不例外。經(jīng)過與專業(yè)會計師合作多年，我發(fā)現(xiàn)了一種日益增長的趨勢——他們正在利用人工智能自動化來簡化專業(yè)流程。不僅是會計師，整個金融服務業(yè)都在擁抱自動化。
——Nick Chandi， PayPie
13．高級計費規(guī)則
我們公司添加了機器學習驅動的計費規(guī)則，來最大限度的提高定期計費的信用卡處理成功率。通過識別信用卡下降的趨勢（例如：周日晚上信用卡的下降頻率比周三大），以及導致退款的欺詐模式，我們已經(jīng)能夠在減少人工干預的情況下提高收入。
——Jason Gill， The HOTH
14．理解意圖和行為
不良行為者一般都有著特定的行為模式，例如：喜歡散布謠言的人往往是很健談的。高級人工智能不僅能夠識別這些模式，還能利用行為分析來理解交流背后的意圖。這種方式也是我們辨別客戶進行授權的一種方法。
——Brandon Carl， Digital Reasoning
15．提案審查
我們在我們的應用程序中發(fā)現(xiàn)了人工智能的一種很好的應用，它不但節(jié)省了時間還提高了客戶的質量。當設備經(jīng)理收到承包商的建議書時，機器學習通過分析范圍、定價和承包商的歷史業(yè)績，來斷定建議書上的成本定價是否合理，然后在合理的質量水平上完成任務。對我們的客戶來說這也是一個巨大的福利。
—— Tom Buiocchi， ServiceChannel
（免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內(nèi)容或斷開相關鏈接。 ）
