今天標志著VentureBeat的“Transform 2020”峰會的結束，該峰會是我們歷史上第一次在線舉行。包括Google Brain倫理學家Timnit Gebru和IBM AI倫理負責人Francesca Rossi在內的專家談到了女性如何推進AI并引領AI公平，道德和以人為本的AI趨勢。Twitter CTO Parag Agrawal詳細介紹了社交網絡應用AI來檢測假冒或仇恨推文的努力。Pinterest技術高級副總裁杰里米·金（Jeremy King）從Pinterest的計算機視覺探索中汲取了教訓，以創造“鼓舞人心”的體驗。Unity首席機器學習工程師塞薩爾·羅梅羅（Cesar Romero）為合成數據集與現實世界的AI模型訓練之間的聯系提供了清晰的認識。

這只是本周Transform 2020與會者在前排座位上所進行的小組討論，訪談和討論的一部分。但是引起我注意的會議是那些涉及實際，有形的AI應用而不是理論的會議。研究對于該領域的發展仍然至關重要，并且沒有跡象表明它正在放緩– ICML 2020接受的1000多篇論文表明了相反的情況。但是，生產環境可能是對提議的工具和算法進行健壯性測試的最佳機會。結果預測就是這樣：預測。需要進行真實世界的實驗才能知道假設是否真正成立。

Google自然語言理解團隊AI產品總監Barak Turovsky闡明了Google為減輕語言偏見而采取的措施，這些語言模型是由Google Translate提供支持的。Google的系統利用三種AI模型來檢測性別中立的查詢并生成性別特定的翻譯，然后再檢查其準確性，因此Google系統可以對“護士”一詞的翻譯提供多種響應，并讓用戶選擇最佳的翻譯（例如，男性的“ enfermero”或女性化的“ enfermera”）。Turovsky說：“ Google是人工智能領域的領導者，領導者有責任解決機器學習偏見問題，這種偏見在包括對話型AI在內的許多領域中都有關于種族，性別和性別的多個結果示例。”

像Google一樣，軟件公司Cloudera將其AI和ML技術的產品化投入加倍。工程部高級總監亞當·沃靈頓（Adam Warrington）表示，它利用客戶互動，社區帖子，主題專家指導等專有數據集，部署了一個聊天機器人以在不到一個月的時間內改善客戶的問答體驗。基礎模型可以理解支持案例中的相關單詞和句子，并從最佳資源（知識庫文章，產品文檔或社區帖子）中提取正確的解決方案。

對于Yelp來說，部署是實驗流程的核心部分，由公司的本生公司實現平臺。通過稱為Beaker的前端用戶界面使用本生，數據科學家，工程師，執行人員甚至公共關系代表可以確定產品和模型是否對業務指標的增長產生負面影響或它們是否達到目標。Yelp員工的規模在于，可以根據他們想達到的方式將模型部署到一組用戶中，以及可以靈活地確定功能是否不是最佳的，或者在最壞的情況下是否有害。Yelp數據科學負責人賈斯汀·諾曼（Justin Norman）告訴VentureBeat：“我們有一種迅速的方法來關閉這些體驗，并做我們需要做的事情以將其固定在后端。”“本生允許我們做的最好的事情之一就是快速擴展。”

在金融領域中人工智能和機器學習的實際應用方面，Visa處于展示這些技術潛力的項目的最前沿。通常，公司會尋找AI和ML至少可以提高20%到30%效率的用例。它的Visa高級授權平臺就是一個很好的例子：它使用遞歸神經網絡和梯度增強樹來確定交易是欺詐的可能性。Visa的高級副總裁兼全球數據主管Melissa McSherry表示，由于開發了AI，該公司防止了每年250億美元的欺詐行為。她說：“我們肯定對AI采用了用例方法。”“我們不會為了人工智能而部署人工智能。我們部署它是因為它是解決問題的最有效方法。”

人工智能在醫療保健中也可以發揮作用。美國最大的非營利性醫療服務提供商CommonSpirit Health正在應用模型來優化其醫生和護士每天進行的巡回檢查。“根據我們對數千名患者的分析，［如果］我們不首先在7號房間對患者講話，他們將不得不停留更長的時間，否則他們將需要停留更長的時間，”首席戰略創新官Rich Roth解釋說。“以這種方式使用人工智能，確實可以加速我們的工作流程，并向我們的護理人員清楚地說明為什么這些數據很重要的臨床益處，這是技術如何幫助改善護理的一個很好的例子。”