【IT168 评论】AI其实就在我们身边，静静地在后台工作或者通过多种设备与我们互动。很多行业正在使用AI完成不同的目标，例如确保航班准时到达或者更科学的灌溉田地。

　　随着时间的推移，我们与AI的互动变得越来越先进，也许在不久的将来，个人数字助理会比我们更了解自己。下面我们就来看看AI到底有哪些酷炫的用例。

▲Image: Pixabay/Geralt

　　即时获得贷款

　　你是否曾坐在汽车经销商处，等待财务人员对你进行信贷审查并为你提供贷款?你是否曾排长队，填写信贷申请?而现在Experian DataLabs正在努力改变这种情况。

　　Experian创建了Experian DataLabs以帮助客户与合作伙伴改善上述情况。Experian DataLabs聘请了大量的科学家和软件工程师，其中70%是博士生，且大多数都有机器学习背景。

　　“我们正在进入移动市场，我们将整合数据、移动和分析，”Experian公司的Global DataLabs执行副总裁Eric Haller表示，“这是最前沿的机器学习，它允许你通过手机即刻获得信贷，而不需要申请信贷。”

　　这也适用于在汽车经销商获得信贷。只需向汽车制造商发送代码，使用智能手机即可获得信贷。Experian DataLabs还结合Google Home的概念，让你可以购买汽车，当你遇到喜欢的汽车时，可向Google Home获取即时信贷。

　　虽然目前还没有推出商业产品，但今年夏天将会开始试点。

　　AI模型算法

　　Vicarious公司试图在视觉、语言和运动控制中实现人类智能。它利用神经科学的优势来减少输入机器学习所需的量已达到预期效果。目前，Vicarious公司正专注于主流深度学习和计算机视觉。

　　Vicarious的这一概念吸引了很多投资者，到目前为止，该公司已经从投资者获得7000万美元，包括Ashton Kutcher、Jeff Bezos和Elon Musk等。

　　在其网站上，Vicarious明智地指出了模型优化无穷尽，它们并没有试图击败非常先进的算法，而是试图识别和描述错误的来源。

　　选拔更好的篮球运动员

　　多伦多猛龙队正在与IBM Watson合作以确定球队需要哪些技能以及哪些潜在球员如何才能最大限度的弥补差距。这也是对每位潜在候选者个性特征的预筛选。

　　在招聘过程中，Watson帮助选出最优秀的球员，并提出理想的交易方案。在观察中，侦察员会将数据输入平台来记录观察结果，这些信息会被Watson用来评估球员。

　　据悉，Vicarious公司使用的是无监督机器学习，而多伦多猛龙队则在使用监督学习。无监督学习会寻找合适的模式，而监督学习会分辨哪些是好的特征，哪些是不好的特征。

　　监督和无监督学习并非相互排斥，因为无监督学习需要从某个地方开始。然而，监督学习更加适合具有自我和偏见的人，因为我们习惯给机器用一套规则(编程)。无监督学习不受约束，所以可能会有更多有趣的发现，例如，我们可以用红色、黄色和蓝色来定义世界。而无监督学习可能会用绯红、朱砂、香蕉、金丝雀以及钴、青金石等来形容。