我上周在里斯本的Web Summit上度過，這次活動的主要收獲之一是，在許多公司中，機器學習在多大程度上已經超越了概念驗證，從而以一種具有巨大的現實世界影響。

亞馬遜首席技術官沃納·沃格斯(Werner Vogels)作主題演講詳細介紹了機器學習如何絕對地支撐了Everyall Store的所有工作，從推薦產品到弄清楚每個履行中心的庫存以確保安全操作其新的交付無人機。

Vogels演講中的一張幻燈片確實讓我震驚：雖然Amazon自成立以來一直在使用各種機器學習技術來幫助預測單個產品的需求，但Vogels說，直到2015年，年度改進只是逐步的。那一年，Amazon轉向使用深度學習。方法-一種基于多級神經網絡的AI，它以一種寬松的方式模仿人腦中的連接。

發(fā)生什么事?亞馬遜的預測準確性提高了15倍，這一飛躍使亞馬遜能夠將其一日Prime交付保證推廣到越來越多的地區(qū)。

許多其他公司的AI配置文件開始看起來更像亞馬遜。例如：萬事達卡。支付公司網絡和智能解決方案負責人Ajay Bhalla告訴我，它已使用AI將客戶錯誤地拒絕其信用卡交易的次數減少了一半，同時將欺詐性交易減少了約40% 。

萬事達卡還使用預測分析來發(fā)現網絡攻擊以及有組織犯罪集團的欺詐活動浪潮。Bhalla說，這已幫助其客戶在過去10個月中避免了價值75億美元的網絡攻擊造成的損失。他說，萬事達卡現在在公司的各個部門(從人力資源到財務再到營銷)都使用基于AI的軟件。

盡管網絡峰會只不過是關于AI的承諾，但上周的這一消息應該讓人們停頓一下：美國國家運輸安全委員會發(fā)布了初步報告，調查了Uber的自動駕駛汽車中的一輛如何擊中并殺死49-歲的伊萊恩·赫茲伯格(Elaine Herzberg)去年在亞利桑那州坦佩市過馬路時。