每天，高度先进的人工神经网络 (ANN) 和深度学习 (DL) 算法都会扫描数百万个查询并挖掘无穷无尽的大数据流。 他们正在提供所需的知识，以推动许多软件公司已将其纳入其产品中的许多不断发展的人工智能 (AI)。
机器学习 (ML) 是一种工具，这些新生的基于计算机的人工智能部分通过这些工具处理它们所获得的所有信息，就像五种感官帮助人类蹒跚学步的孩子学习和体验世界一样。
最终，所有这些信息足以帮助这些 AI 为我们的问题提供新的答案，以及许多比人类思维可能设想的解决方案更聪明的解决方案。 那么，今天在实践中有效使用神经网络和机器学习的例子有哪些？ 我们来看一下。
自动驾驶汽车
有什么比自动驾驶汽车更能呼唤“未来”的东西了吗？ 在过去的 30 年里，我们一直梦想着赛博朋克式的反乌托邦世界，在这个世界里，梦想电子羊的机器人跳上无人驾驶汽车，从绑架者手中逃脱。 好吧，也许那些飞行器也能飞，但你明白了。
自动驾驶汽车不再只是一个梦想。 尽管它们中的大多数仍然只是原型，但它们现在绝对是现实。 数十家不同的公司已经投入了大量资金来推动这项技术。 现在，在冠状病毒加强了机器人驾驶员和非接触式社会的用例的世界中，自动驾驶汽车似乎更加不可或缺。 如果新的流行病迫使世界进入新的封锁状态，即使是一个简单的算法驱动的带轮子的钢桶也能发挥作用。
如果不通过机器学习，这些车辆还能如何学习驾驶？ 软件开发人员采用深度学习算法为计算机视觉提供动力，了解周围环境的所有细节，并做出类似人类的智能决策。 多年来，人类驾驶的汽车配备了一系列摄像头和传感器，可以记录从驾驶模式到道路障碍物、交通信号灯和道路标志的一切信息。
现在，所有这些数据都被用来“教”自主系统如何识别这些物体，以及如何在真实道路上行驶时对外部刺激做出适当的反应。 （要了解更多信息，请查看：自动驾驶领域 5 大最惊人的 AI 进步。）
网络效率
使用人工智能优化网络效率并提高网络安全性的想法可以追溯到 80 年代初。 然而，现代技术已经取得了巨大的飞跃，革命性的机器学习算法可以平凡地执行复杂的任务，例如预测故障和安排修复。
AI 通过自主分析流量数据在最需要的地方分配网络资源方面非常高效，并且它们具有将自身与连接到网络架构的许多物联网 (IoT) 设备集成所需的敏捷性。 毕竟，没有人能比另一台机器更好地与一台机器交谈。 我们可以听到人类已经退回食物链，不是吗？
网络安全
ANN 还可用于保护组织免受多种类型的攻击，例如 DDoS 和恶意软件。 恶意软件本身就是一个大问题，每天至少会生成 325,000 个新的恶意文件。 然而，在迭代之间变化的文件不超过 10%，因此可以预测这些变化的基于算法的学习模型能够以惊人的准确性检测出哪些文件是恶意软件。
人工智能在网络安全方面优于人类，因为它们可以自动执行检测攻击和分析应对违规行为的最佳方式所需的最复杂流程。 更一般地说，神经网络可用于检测网络流量的任何变化或异常，包括最新的 5G 网络。 人工智能可以避免误报的风险，并识别潜在的恶意活动，例如暴力攻击、异常登录失败和文件泄露，一些实验达到了 96.4% 的检测率。
显然，黑客开始开发他们自己的自适应人工智能来欺骗安全软件并利用漏洞，在攻击者和防御者之间永无止境的军备竞赛中。 然而，所有这些实际上都有利于 AI，它们在战场上部署的每一天都变得越来越聪明。 （要了解人工智能如何在现实世界中打击犯罪，请参阅人工智能如何帮助打击犯罪。）
与未来的流行病作斗争
2020 年的 COVID-19 大流行震惊了全世界，迫使我们重新思考我们的整个社会，并面临一场没有人预料到的灾难。 无论这种特定的病毒大流行是否已经结束，我们从惨痛的教训中学到了一件事：如果未来出现另一种生物威胁，我们不能再毫无准备。
人工智能技术可以以多种不同方式帮助我们（并且已经帮助了我们）。 复杂的神经网络可用于同时协调多个摄像头的工作，并在发现体温升高的人时发出警告。 人工智能可以立即采取行动，例如阻止人员进入关键场所，并确保更好的工作场所安全。
放射成像可以与先进的人工智能相结合，以允许立即识别表明患者受疾病影响的 X 射线图像，即使在偏远或服务较少的地区也是如此。 可以利用明确的机器学习模型来确定检疫措施的影响，以最大限度地减少限制措施对国民经济的影响。
商业和广告
这可以用一个词（好吧……三个）来概括：个性化产品推荐。 每次我们在谷歌或任何其他搜索引擎上搜索某些东西时，最终我们都会开始看到大量关于这些东西的精确定位广告。 软件怎么会如此了解我们的兴趣所在，以及如何诱使我们购买那些我们非常想要的极其便宜的商品？
再一次，深度学习是答案。 这些高度反应性的程序通过观察我们的行为来学习，例如当我们跳到搜索结果的第二页时，第一页上的内容都不满足我们的需求。 机器可以以人类分析师永远无法企及的速度处理有关客户习惯和偏好的人口统计数据，并可以使用这些数据来优化定价、优惠、客户体验和盈利能力。 人工智能和智能算法的最大爱好者之一正是亚马逊本身，这不足为奇。
然而，这家零售巨头正在使用先进的启发式方法以许多其他方式优化其服务。 Jeff Bezos 的生物如此成功的原因之一，实际上是其物流规划的惊人效率。 沃尔玛和本田等其他巨头以及许多中小型企业和工厂通过在订单管理、库存、库存控制和仓储方面实施机器学习，极大地提高了效率。
人工智能非常擅长检测装配线内外的质量问题，例如通过识别保修登记卡自由文本字段中的模式。
最后的想法
我们生活在这样一个时代，许多最新的数字技术正在帮助许多懒惰的人放弃他们学习、交流和与现实生活互动的能力。 具有讽刺意味的是，这些相同的技术正在帮助人工智能以惊人的速度发展和向前发展。
就像年轻有为的孩子每天都渴望学习新事物一样，我们的机器现在还在“上学”。 我们只能期待他们能够建立和完善自己的学习方法，进入大学阶段的那一天，但与此同时，他们已经实现的目标仍然是惊人的。
