四、合成數(shù)據(jù)集用以解決AI的數(shù)據(jù)依賴
16 預(yù)測性維護
從制造商到設(shè)備保險公司，AI-IIoT可以在在故障損害發(fā)生之前，提出防范措施?，F(xiàn)場和工廠設(shè)備會產(chǎn)生大量的數(shù)據(jù)，然而，未預(yù)料到的設(shè)備故障是制造業(yè)停機的主要原因之一。預(yù)測設(shè)備或單個部件何時失效將使資產(chǎn)保險公司和制造商受益。
在預(yù)測性維護中，傳感器和智能攝像機收集來自機器的連續(xù)數(shù)據(jù)，如溫度、壓力等。實時數(shù)據(jù)的數(shù)量和變化形式使機器學(xué)習(xí)成為IIoT不可分割的組成部分。隨著時間的推移，算法可以在故障發(fā)生之前預(yù)測可能出現(xiàn)的隱患。
隨著工業(yè)傳感器成本的降低、機器學(xué)習(xí)算法的進步，以及對邊緣計算的推動，預(yù)測性維護會更加廣泛。
17 后臺自動化
人工智能正在推動管理工作走向自動化，但數(shù)據(jù)的不同性質(zhì)和格式使其成為一項具有挑戰(zhàn)性的任務(wù)。根據(jù)行業(yè)和應(yīng)用程序的不同，自動化“后臺任務(wù)”的挑戰(zhàn)可能是獨一無二的，例如，手寫的臨床筆記對自然語言處理算法來說就是一個獨特的挑戰(zhàn)。
機器人過程自動化（RPA）一直是熱門話題，雖然并非所有的機器人過程自動化都基于機器學(xué)習(xí)，但許多都開始將圖像識別和語言處理集成到它們的解決方案中。
18 綜合訓(xùn)練數(shù)據(jù)
對于訓(xùn)練人工智能算法來說，訪問大型的、標(biāo)記的數(shù)據(jù)集是必要的，合成數(shù)據(jù)集可能會成為解決瓶頸問題的關(guān)鍵，人工智能算法依賴數(shù)據(jù)，當(dāng)一些類型的現(xiàn)實世界數(shù)據(jù)不易被訪問時，合成數(shù)據(jù)集的用武之地就體現(xiàn)出來，一個有趣的新興趨勢是使用AI本身來幫助生成更“逼真”的合成圖像來訓(xùn)練AI，例如，英偉達使用生成對抗網(wǎng)絡(luò)（GAN）來創(chuàng)建具有腦腫瘤的假MRI圖像。
GAN被用于“增強”現(xiàn)實世界數(shù)據(jù)，這意味著AI可以通過混合現(xiàn)實世界和模擬數(shù)據(jù)進行訓(xùn)練，以獲得更大更多樣化的數(shù)據(jù)集。此外，機器人技術(shù)是另一個可以從高質(zhì)量合成數(shù)據(jù)中獲益的領(lǐng)域。
19 網(wǎng)絡(luò)優(yōu)化
人工智能正在開始改變電信，電信網(wǎng)絡(luò)優(yōu)化是一套改進延遲、帶寬、設(shè)計或架構(gòu)的技術(shù)——能以有利方式增加數(shù)據(jù)流的技術(shù)，對于通信服務(wù)提供商來說，優(yōu)化可以直接轉(zhuǎn)化為更好的客戶體驗，除了帶寬限制之外，電信面臨的最大挑戰(zhàn)之一是網(wǎng)絡(luò)延遲，像手機上的AR / VR等應(yīng)用，只有極低的延遲時間才能達到最佳的功能。
電信運營商也在準(zhǔn)備將基于AI的解決方案集成到下一代無線技術(shù)中，即5G，三星收購了基于AI的網(wǎng)絡(luò)和服務(wù)分析初創(chuàng)公司Zhilabs，為5G時代做準(zhǔn)備，高通認(rèn)為人工智能邊緣計算是其5G計劃的重要組成部分（邊緣計算可減少帶寬限制并與云進行頻繁通信，這是5G的主要關(guān)注領(lǐng)域）。
20 網(wǎng)絡(luò)威脅狩獵
對網(wǎng)絡(luò)攻擊做出反應(yīng)已經(jīng)不夠了，使用機器學(xué)習(xí)主動“搜尋”威脅正在網(wǎng)絡(luò)安全中獲得動力。顧名思義，威脅搜尋是主動尋找惡意活動的做法，而不僅僅是在發(fā)生警報或違規(guī)后做出反應(yīng)，狩獵開始于對網(wǎng)絡(luò)中潛在弱點的假設(shè)，以及手動和自動化工具，以在連續(xù)的迭代過程中測試假設(shè)。
網(wǎng)絡(luò)安全中龐大的數(shù)據(jù)量使機器學(xué)習(xí)成為流程中不可分割的一部分，威脅狩獵很可能會獲得更多的動力，然而它也面臨著自身的一系列挑戰(zhàn)，比如應(yīng)對不斷變化的動態(tài)環(huán)境和減少誤報。
五、訓(xùn)練算法、指紋追蹤、人工智能防范假貨
21 電子商務(wù)搜索
對搜索詞的上下文理解正在走出“實驗階段”，但要廣泛采用搜索詞還有很長的路要走，當(dāng)使用電子商務(wù)搜索來顯示相關(guān)結(jié)果時，使用適當(dāng)?shù)脑獢?shù)據(jù)來描述產(chǎn)品是一個起點。
但是僅僅描述和索引是不夠的，許多用戶用自然語言搜索產(chǎn)品（比如“沒有紐扣的洋紅色襯衫”），或者不知道如何描述他們在尋找的商品，這使得電子商務(wù)搜索的自然語言成為一個挑戰(zhàn)。
22 汽車索賠處理
保險公司和初創(chuàng)公司開始使用人工智能來計算車主的“風(fēng)險得分”，分析事故現(xiàn)場的圖像，并監(jiān)控駕駛員的行為，Ant Financial在其“事故處理系統(tǒng)”中使用深度學(xué)習(xí)算法進行圖像處理，過去，車主或司機會把他們的車送到“理算師”那里，理算師負(fù)責(zé)檢查車輛的損壞情況，并記錄下詳細(xì)情況，然后將這些信息發(fā)送給汽車保險公司。
如今，圖像處理技術(shù)的進步使得人們可以拍下這輛車的照片并將其上傳，神經(jīng)網(wǎng)絡(luò)對圖像進行分析，實現(xiàn)損傷評估的自動化，另一種方法是對駕駛員進行風(fēng)險分析，從而影響汽車保險的實際定價模型。
23 防偽
假貨越來越難被發(fā)現(xiàn)，網(wǎng)購使得購買假貨比以往任何時候都容易。為了反擊，品牌和典當(dāng)商開始嘗試人工智能，在網(wǎng)絡(luò)世界和現(xiàn)實世界兩條戰(zhàn)線上與假貨作戰(zhàn)。
不過，網(wǎng)上假冒偽劣產(chǎn)品的范圍和規(guī)模龐大復(fù)雜，造假者使用與原始品牌列表非常相似的關(guān)鍵詞和圖片，在假冒網(wǎng)站上銷售假貨，在合法市場上銷售假貨，在社交媒體網(wǎng)站上推廣假貨，隨著“超級假貨”或“aaa假貨”的興起，用肉眼分辨它們幾乎變得不可能。
現(xiàn)在，建立一個假冒偽劣商品的數(shù)據(jù)庫，提取其特征，并訓(xùn)練人工智能算法來分辨真?zhèn)危m是一個繁瑣的過程，但對于奢侈品牌和其他高風(fēng)險零售商來說非常有必要，下一步的解決方案還可能是在實體商品上識別或添加獨特的“指紋”，并通過供應(yīng)鏈對其進行跟蹤。
24 零售
走進一家商店，挑選你想要的東西，然后走出去，這幾乎“感覺”就像在行竊，人工智能可以杜絕真正的盜竊行為，并讓免結(jié)賬手續(xù)零售變得更加普遍。
盜竊一直是美國零售商的一大痛點，然而，當(dāng)你掌握進出商店的人，并自動向他們收費時，有人入店行竊的可能性就會降到最低。其余一些需要考慮的事情是如何利用建筑空間，特別是在擁擠的超市，確保攝像機被最佳地放置來追蹤人和物品。
在短期內(nèi)，問題將歸結(jié)為部署成本和由潛在技術(shù)故障造成的庫存損失成本，以及零售商能夠承擔(dān)這些成本和風(fēng)險的程度。
25 農(nóng)作物監(jiān)測
無人機可以為農(nóng)民繪制農(nóng)田地圖，利用熱成像技術(shù)監(jiān)測濕度，識別蟲害作物并噴灑殺蟲劑。
初創(chuàng)公司正專注于為第三方無人機捕獲的數(shù)據(jù)添加分析。還有人使用計算機視覺使地面上的農(nóng)業(yè)設(shè)備變得更智能，按照需要噴灑個別作物，就會減少對非選擇性除草劑的需求，而非選擇性除草劑會殺死附近的一切，精確噴灑意味著減少除草劑和殺蟲劑的使用量。
在實地調(diào)查之外，利用計算機視覺分析衛(wèi)星圖像提供了對農(nóng)業(yè)實踐的宏觀理解，地理空間數(shù)據(jù)可以提供關(guān)于全球作物分布模式和氣候變化對農(nóng)業(yè)影響的信息。
來源：硅谷密探
