外媒曝光用人工达成智能：AI才不仅仅是你们想到的那些应用场景

月初外媒曝光了科技行业一个“不可告人的秘密”，很多“人工智能”能够如此智能的奥秘，竟然是因为这些公司雇佣了真人手动操作，完成帮助用户读取邮件、语音留言转文字或是私人助理订日程等功能，这一波“人工”可是真的很“智能”了。

新闻一出，众人哗然，除了对用户隐私侵犯和对这些公司道德水平的评判，这一现象也引发了技术人的思考，除却这些虚假激进的案例，有哪些人工智能领域有代表性的前沿研发经验值得我们借鉴参考？

以 Google、Facebook 等公司为代表，硅谷在人工智能等领域一直走在世界前列。我们来看看硅谷有代表性互联网公司的技术专家，他们在人工智能领域有哪些不能被“智能的人工”代替的前沿研发经验。

视觉搜索

视觉搜索是最近计算机视觉的热门研究领域，又称基于内容的图像检索。这个研究热点主要由井喷式增长的在线图片和搜索引擎的流行所驱动，目前，Pinterest Lens（Pinterest 的搜索类似图片应用）、Google Goggles（Google 的照相搜索 App）、Google Similar Images（Google 的相似图片搜索）和 Amazon Flow（Amazon 的增强现实购物应用）是几个商业化视觉搜索系统中较为成功的案例。

其中 Pinterest 作为月活用户超过 2 亿，拥有数十亿图片储存的初创公司，一直致力于依靠视觉搜索和推荐，帮助用户发现、储存创意并应用到日常生活中。Pinterest 的视觉搜索架构和搜索流程，包括图片特征向量提取、模型训练、分散式视觉搜索渠道的流程，以及在 Flashlight、Pins、Len Your Look 等主要相关产品中都有应用。

据 Pinterest 实验室给出的数据，在视觉搜索功能的帮助下，Pinterest 的公司业务和用户体验都有所提高。 线上实验表明， 用户在 related Pins 的参与度在视觉搜索技术的帮助下有了 5 -10% 的提高。

提升用户增长

我们一般认为，推荐系统是最典型的机器学习和大数据应用之一。推荐系统可以以定制化方式向用户介绍产品和信息，同时可以增强用户的满意度和忠诚度。

LinkedIn 从成立之日起，就在很多高价值、高使用度的数据产品中集成了推荐系统，比如“猜您认识”（People You Might Know，简称 PYMK）功能。从那时起，几乎 LinkedIn 的每条产品线都会包含一个推荐系统，典型的像职位推荐（job recommendation）、推荐关注（people to follow，company to follow）和课程推荐（courses to take）等。这些设计极大的提高了 LinkedIn 的用户留存及增长。

更快速高效可靠的服务

Uber Eats 自 2015 年 12 月在多伦多推出以来，已经在超过 30 个国家 200 个城市上线并持续快速发展。随着过去两年业务高速增长，机器学习和 AI 在 Uber Eats 重的应用也经历了不少挑战。

人工智能可以在外卖软件做什么？其实餐厅推荐、动态定价、时间预测、智能派单种种地方都能让人工智能大显身手，Uber Eats 技术团队的工程师和数据科学家为了让 Uber Eats 无论何时、无论何地都能快速、可靠、高效地送达做出了很大的努力，为占据更大市场份额做出了非常大的贡献。