月初外媒曝光了科技行業一個“不可告人的秘密”，很多“人工智能”能夠如此智能的奧秘，竟然是因為這些公司雇傭了真人手動操作，完成幫助用戶讀取郵件、語音留言轉文字或是私人助理訂日程等功能，這一波“人工”可是真的很“智能”了。

新聞一出，眾人嘩然，除了對用戶隱私侵犯和對這些公司道德水平的評判，這一現象也引發了技術人的思考，除卻這些虛假激進的案例，有哪些人工智能領域有代表性的前沿研發經驗值得我們借鑒參考？

以 Google、Facebook 等公司為代表，硅谷在人工智能等領域一直走在世界前列。我們來看看硅谷有代表性互聯網公司的技術專家，他們在人工智能領域有哪些不能被“智能的人工”代替的前沿研發經驗。

視覺搜索

視覺搜索是最近計算機視覺的熱門研究領域，又稱基于內容的圖像檢索。這個研究熱點主要由井噴式增長的在線圖片和搜索引擎的流行所驅動，目前，Pinterest Lens（Pinterest 的搜索類似圖片應用）、Google Goggles（Google 的照相搜索 App）、Google Similar Images（Google 的相似圖片搜索）和 Amazon Flow（Amazon 的增強現實購物應用）是幾個商業化視覺搜索系統中較為成功的案例。

其中 Pinterest 作為月活用戶超過 2 億，擁有數十億圖片儲存的初創公司，一直致力于依靠視覺搜索和推薦，幫助用戶發現、儲存創意并應用到日常生活中。Pinterest 的視覺搜索架構和搜索流程，包括圖片特征向量提取、模型訓練、分布式視覺搜索渠道的流程，以及在 Flashlight、Pins、Len Your Look 等主要相關產品中都有應用。

據 Pinterest 實驗室給出的數據，在視覺搜索功能的幫助下，Pinterest 的公司業務和用戶體驗都有所提高。 線上實驗表明， 用戶在 related Pins 的參與度在視覺搜索技術的幫助下有了 5 -10% 的提高。

提升用戶增長

我們一般認為，推薦系統是最典型的機器學習和大數據應用之一。推薦系統可以以定制化方式向用戶介紹產品和信息，同時可以增強用戶的滿意度和忠誠度。

LinkedIn 從成立之日起，就在很多高價值、高使用度的數據產品中集成了推薦系統，比如“猜您認識”（People You Might Know，簡稱 PYMK）功能。從那時起，幾乎 LinkedIn 的每條產品線都會包含一個推薦系統，典型的像職位推薦（job recommendation）、推薦關注（people to follow，company to follow）和課程推薦（courses to take）等。這些設計極大的提高了 LinkedIn 的用戶留存及增長。

更快速高效可靠的服務

Uber Eats 自 2015 年 12 月在多倫多推出以來，已經在超過 30 個國家 200 個城市上線并持續快速發展。隨著過去兩年業務高速增長，機器學習和 AI 在 Uber Eats 重的應用也經歷了不少挑戰。

人工智能可以在外賣軟件做什么？其實餐廳推薦、動態定價、時間預測、智能派單種種地方都能讓人工智能大顯身手，Uber Eats 技術團隊的工程師和數據科學家為了讓 Uber Eats 無論何時、無論何地都能快速、可靠、高效地送達做出了很大的努力，為占據更大市場份額做出了非常大的貢獻。