即将催生下一次技术革命的AI会带来怎样的美丽新世界？

买房是大多数消费者最大的支出来源，所以想要弄清楚购买合适且在消费能力范围的房子可能是一个很耗时的过程。事实上，52％的购房者认为，找到合适的房地产是购房过程中最困难的部分。根据全美房地产经纪人协会的一项调查，平均每位购房者在做出最终决定前会花大约10周的时间考察10处房地产。不过，由于人工智能，这一过程开始变得更加简单，更具个性化。

提供在线房地产服务的Zillow数据科学副总裁Jasjeet Thind说：“我们专注于将客户寻找合适房地产的流程自动化。由于减少了搜索时间，你可以节省大量的时间。我们也会从数百万客户的消费行为中提取数据，帮你找到你可能从未考虑过的房地产或社区。“

Zillow的系统可以从数以千计的数据点中挖掘出数据，包括房屋价格、社区环境，甚至卖方提供的照片。Thind说：“两个彼此相邻的房屋，都拥有卧室和浴室，但是在卖家的照片中却可以看到不一样的地方，比如不锈钢器具或者花岗岩厨台。人类可以发现这些差异的存在，而我们的任务就是训练计算机也能分辨出这些差异。”

在生物医学研究和财务管理等领域，像Zillow这样使用人工智能革命传统行业、创造全新业务、重塑全球经济的公司还有很多。

在在线教育领域，世界上最受欢迎的语言学习平台Duolingo使用人工智能将课程中介绍的概念通过20多种语言进行定义。

Duolingo CTO Severin Hacker表示：“AI和机器学习几乎涉及到了Duolingo语言学习平台的各个方面。通过我们的算法，我们可以先前不可能的方式个性化课程。”通过基于数十亿学生互动进行训练的系统，Duolingo能够预测出学生可能遇到的生词，并根据学生自身的优缺点动态化构建课程。

在金融服务行业，基于AI的欺诈检测和风险管理已被广泛接受。业务覆盖约2%电子商务的公司Fraud.net使用亚马逊机器学习分析金融交易，并在欺诈发生前进行预测。Fraud.net的CEO Whitnet Anderson表示，该公司通过检测和组织复杂的欺诈活动，每周给其用户节省超100万美元。他说：“每天，我们都会看到100种不同的欺诈活动，每一种都有100种不同的变化。随着新的欺诈形式出现，我们必须围绕特定情况识别并创建机器学习模型。”

根据国际律师事务所Baker McKenzie最近的一项研究，23%的金融服务公司预计在未来三年内将AI部署在欺诈检测项目中，约有1/4的公司希望将AI纳入其风险管理流程中。

根据研究公司Tractica最近的一份报告，与AI相关的技术将在2025年前创造近600亿美元的收入。该报告表示：“AI几乎在所有行业都有应用，可以认为是下一个大的技术革命，类似于此前的工业革命、计算机革命和智能手机革命。”

虽然AI革命似乎是一夜之间发生的，但其实今天的爆发源自60多年前的尝试。那时，研究人员刚刚意识到计算机能够基于以前学习的概念，开发深入的专业知识并理解抽象概念。以深度学习面部识别系统为例，该系统通过成千上万张图像的训练，学习如何识别特定的面孔。

InsideBigData新闻服务部的编辑Daniel Gutierrez表示：“现如今AI的火爆主要有这么几个原因。第一是大数据的普及。”

和人类学习的方式类似，机器学习需要大量数据来拓展它们的能力。GIPHY的CTO Anthony Johnson说：“除了算法以外，最重要的部分就在于使用数据集进行训练。所以对于我们来说，对于任何机器学习或AI项目来说，不可避免的第一步是创建你能够应用算法的训练数据集。”

Gutierrez说，同样重要的还有图形处理单元（GPU）的广泛使用。GPU最初被用于运行图片工作站和游戏机。如今，这些芯片在被优化后，可以同时执行多个进程。也正因此，它们被越来越多的部署在机器学习系统。

作为游戏GPU领头羊的英伟达，去年和AI相关的业务增长了近300%，而这一趋势仍在继续。英伟达加速计算部门的副总裁Ian Buck说：“现如今要想训练一个神经网络，大概需要1亿个数据点。这是大规模的计算密集型操作。”

英伟达的GPU所具有的计算马力可以比CPU更快的处理1亿个数据点。这也是为什么像AWS这样的云计算提供商越来越多的通过GPU来给各行各业的客户提供训练和部署AI的功能。

Buck说：“云的普及也是原因之一，因为开发人员或数据科学家可以随时进行实验和评估机器学习。一旦有了解决方案，他们就可以直接在云中进行拓展和部署服务。”

像AWS这样的供应商不再仅仅提供基础设施，他们也开始越来越多的给客户提供与AI相关的技术。对于那些拥有数据科学家和机器学习专家的公司来说，他们可以提供平台和资源来帮助这些公司进行低成本的开发。而对于没有这些资源的公司来说，他们可以提供AI服务，能够让这些公司无需开发自己的算法或训练数据集就可以使用深度学习系统。

Buck说：“不论类型和规模，各家公司都争相将AI纳入其产品或服务中。所以他们该怎么做呢？在某些情况下，他们可以使用GPU和深度学习，但是他们也可以使用AWS云服务中的GPU实例。”

Alan Cloutier正面临着巨大的挑战。作为C-SPAN档案馆的技术经理，他需要为这家公立电视台组织大约20万小时的数字视频剪辑。多年来，Cloutier的团队依靠封闭式视频素材和人力检查，将名称与人脸匹配起来，便于访问者搜索所需的人物视频素材。这个过程缓慢而又费力，需要花费一个小时的人力才能组织起一个小时的视频。Cloutier一直在努力训练他的深度学习系统，但是由于人员稀少，导致进度缓慢。

Zillow系统的核心是Zestimate，一种估值模型，会随着新数据的添加而不断更新。Thind说：“我们在全国拥有1.1亿个家庭的Zestimate，是由每天数百万个不断训练的模型创造出来的。”

Zestimate由机器学习驱动，机器学习是指计算机可以根据他们处理的数据学习新的事物，并通过学习结果采取行动。传统意义上的计算机是基于硬编码方式来告诉机器如何处理预定义的一组信息，而机器学习系统则是使用这些信息来帮助理解新的数据。这些系统经历过数千万数据的训练，并将数据当作其进行附加输入交互的基础。

2016年12月，Cloutier开始测试AWS的图像分析服务Rekogniton，该服务可以很容易对索引图像进行立即精确的设置。Cloutier表示，Rekognition的出现将C-SPAN从自己开发算法的困境中解脱出来，他们可以使用亚马逊的深度学习模型来开发自己的流程，并应用于自己的图像中。有了亚马逊的帮助，C-SPAN短短三个星期就创造出了解决方案。据估计，通过应用机器学习，每年可以节省上千小时，并极大的提高了电视台在遇到突发政治新闻时快速剪辑的能力。

Cloutier说：“现在这一流程几乎达到了99%的自动化。”他也表示，C-SPAN正在考虑扩大使用Rekognition从图像中提取的数据量。“我们想使用Rekognition来识别出每张照片中的对象，以及白宫油画上人物出现的次数。”

像亚马逊Rekognition这样的解决方案正在给诸如C-SPAN这样没有足够资源和时间打造或训练自己系统的组织更多接触深度学习的机会。AWS提供的AI工具还有Amazon Lex和Amazon Polly。Amazon Lex可以让企业使用和Alexa一样的技术来创建智能代理，通过语音或文本与客户和员工进行交互。Amazon Polly可以将任何文本转换成自然语言的演讲。Duolingo使用该工具来强化其语言课程，华盛顿邮报则使用该公司来给新闻故事提供声音版本。

AWS的深度学习产品管理总监Matt Wood认为这是公司业务的自然演变。他说：“AWS的原始业务目标是采用传统上只有少数资金充足的组织才能拥有的技术，并尽可能的进行广泛分配。而我们在AI上也采取了相同的方法，我们的目标就是让任何水平的开发人员都可以将智能嵌入他们的业务和应用中。”

Gutierrez说：“拥有基于云的AI资源就可以成为游戏变革者。创企不得不筹集资金来打造计算机基础设施和数据中心的日子一去不复返了。由于云的存在，由于按需服务的存在，没有人再会这样做了。创企可以将构建算法并部署到云端上。所有的数据都存储在云端。”

对于AWS而言，深度学习并不意味着企业管理服务的终结。该公司与开发人员社区紧密合作，构建出可让AI专业人员创建可扩展、灵活的解决方案的工具。例如亚马逊旗下的一个开源框架Apache MXNet，该框架允许开发人员使用几乎所有的编程语言，在任一系统上，通过网关连接到具有数百个GPU的云端系统，打造AI应用。

AWS机器学习与深度学习主管以及MXNet的创造者Alex Smola说：“它基本上模糊了在云端或物联网设备上运行的边界，所以你可以在两边执行相同的代码。MXNet想要的是让人们更容易、更公平的接触到高性能的深度学习模型。”

AI的影响几乎在每个行业都可以感受到，AI研究人员认为最具前景的行业是医疗健康。Buck说：“研究人员收集了大量的患者资料、记录和图像信息。由此训练出来的工具可以帮助医生诊断和识别出肿瘤，检测生命体征或测试结果，识别出83种不同的治疗方法来个性化药物。”

根据Global Market Insights Inc.最近的一项研究，到2024年，与AI相关的医疗保健应用市场规模可能达到100亿美元。

OhioHealth是一家非盈利医院和保健机构，每年接待300万多万病患。OhioHealth正在尝试使用AI来更好的服务医生和患者。由该组织开发的原型应用可以让患者获得个性化护理建议、预约，如果有需要还可以申请急诊，整个过程无需与人交谈。

OhioHealth的数字客户体验部门副总裁Salil Verma说：“我们的重点都围绕着客户参与度。我们的目标是给所有人提供平等的机会，并能够满足他们的医疗保健需求。”

OhioHealth使用Amazon Lex服务构建了其语音系统，Verma表示原型系统将会在未来几周内上线。

就像如今的深度学习应用一样，未来的可能性是无限的。

对于GIPHY来说，未来不仅仅只是识别动画动图，还在于创建出它们的系统。Johnson说：“以往，大多数有关AI的研究都是识别和理解内容。我认为接下来的研究方向将会是可生成的系统。当深度学习帮助艺术家创造艺术的时候会发生什么呢？”

对于Duolingo来说，未来是使用更智能的机器来让人们变得更聪明。Hacker说，去年公司引入了会话机器人，接收并回应了数千个问题，帮助学生改善自己的学习情况。“与用户互动的越多，它们就会越聪明。”

他说：“虽然听起来有些夸张，但是我们的目标是到2020年，通过AI和机器学习来帮助Duolingo提供更加优秀的一对一辅导。我们还有很长的路要走，但是我们有信息有希望。”

对于Zillow来说，未来就是未来。Thind说：“使用深度学习进行预测是我们研究的一个重要领域。用户想知道他们的房地产具有多大的价值。”

Wood说：“我们远未达到AI技术应用的极限。它非常适合解决计算机科学中最困难的问题。所以现在才是刚刚开始，我们甚至还没有定义应用的极限。”