今天标志着VentureBeat的“Transform 2020”峰会的结束，该峰会是我们历史上第一次在线举行。包括Google Brain伦理学家Timnit Gebru和IBM AI伦理负责人Francesca Rossi在内的专家谈到了女性如何推进AI并引领AI公平，道德和以人为本的AI趋势。Twitter CTO Parag Agrawal详细介绍了社交网络应用AI来检测假冒或仇恨推文的努力。Pinterest技术高级副总裁杰里米·金(Jeremy King)从Pinterest的计算机视觉探索中汲取了教训，以创造“鼓舞人心”的体验。Unity首席机器学习工程师塞萨尔·罗梅罗(Cesar Romero)为合成数据集与现实世界的AI模型训练之间的联系提供了清晰的认识。
这只是本周Transform 2020与会者在前排座位上所进行的小组讨论，访谈和讨论的一部分。但是引起我注意的会议是那些涉及实际，有形的AI应用而不是理论的会议。研究对于该领域的发展仍然至关重要，并且没有迹象表明它正在放缓– ICML 2020接受的1000多篇论文表明了相反的情况。但是，生产环境可能是对提议的工具和算法进行健壮性测试的最佳机会。结果预测就是这样：预测。需要进行真实世界的实验才能知道假设是否真正成立。
Google自然语言理解团队AI产品总监Barak Turovsky阐明了Google为减轻语言偏见而采取的措施，这些语言模型是由Google Translate提供支持的。Google的系统利用三种AI模型来检测性别中立的查询并生成性别特定的翻译，然后再检查其准确性，因此Google系统可以对“护士”一词的翻译提供多种响应，并让用户选择最佳的翻译(例如，男性的“ enfermero”或女性化的“ enfermera”)。Turovsky说：“ Google是人工智能领域的领导者，领导者有责任解决机器学习偏见问题，这种偏见在包括对话型AI在内的许多领域中都有关于种族，性别和性别的多个结果示例。”
像Google一样，软件公司Cloudera将其AI和ML技术的产品化投入加倍。工程部高级总监亚当·沃灵顿(Adam Warrington)表示，它利用客户互动，社区帖子，主题专家指导等专有数据集，部署了一个聊天机器人以在不到一个月的时间内改善客户的问答体验。基础模型可以理解支持案例中的相关单词和句子，并从最佳资源(知识库文章，产品文档或社区帖子)中提取正确的解决方案。
对于Yelp来说，部署是实验流程的核心部分，由公司的本生公司实现平台。通过称为Beaker的前端用户界面使用本生，数据科学家，工程师，执行人员甚至公共关系代表可以确定产品和模型是否对业务指标的增长产生负面影响或它们是否达到目标。Yelp员工的规模在于，可以根据他们想达到的方式将模型部署到一组用户中，以及可以灵活地确定功能是否不是最佳的，或者在最坏的情况下是否有害。Yelp数据科学负责人贾斯汀·诺曼(Justin Norman)告诉VentureBeat：“我们有一种迅速的方法来关闭这些体验，并做我们需要做的事情以将其固定在后端。”“本生允许我们做的最好的事情之一就是快速扩展。”
在金融领域中人工智能和机器学习的实际应用方面，Visa处于展示这些技术潜力的项目的最前沿。通常，公司会寻找AI和ML至少可以提高20%到30%效率的用例。它的Visa高级授权平台就是一个很好的例子：它使用递归神经网络和梯度增强树来确定交易是欺诈的可能性。Visa的高级副总裁兼全球数据主管Melissa McSherry表示，由于开发了AI，该公司防止了每年250亿美元的欺诈行为。她说：“我们肯定对AI采用了用例方法。”“我们不会为了人工智能而部署人工智能。我们部署它是因为它是解决问题的最有效方法。”
人工智能在医疗保健中也可以发挥作用。美国最大的非营利性医疗服务提供商CommonSpirit Health正在应用模型来优化其医生和护士每天进行的巡回检查。“根据我们对数千名患者的分析，[如果]我们不首先在7号房间对患者讲话，他们将不得不停留更长的时间，否则他们将需要停留更长的时间，”首席战略创新官Rich Roth解释说。“以这种方式使用人工智能，确实可以加速我们的工作流程，并向我们的护理人员清楚地说明为什么这些数据很重要的临床益处，这是技术如何帮助改善护理的一个很好的例子。”