人工智能正在改变商业。从自然语言处理和智能语音，到物联网和边缘计算，人工智能正在为人类提供重要的战略和实践机会。
尽管科技已经逐渐民主化，任何规模的公司都可以从中受益，但一些公司和创新者正追赶潮流——他们将于今年7月10日和11日在旧金山举行的变革大会上亮相。和我们一起进入这个论坛，看看他们是怎么做的。这些大牛们将提供鼓舞人心的观点和实际的可操作化建议，这一些对你的业务至关重要。
让我们来看看部分具有影响力的大牛吧：
Andrew Moore，谷歌云人工智能的负责人
在竞争日益激烈的云市场中，谷歌将自己定位为从初创企业到成熟企业的合作对象。谷歌拥有数十种新的人工智能产品和服务，即使是非数据科学家也可以轻松访问。让我们来看看谷歌云平台，它为人工智能创建者提供了一个新的、共享的端到端环境，供团队测试、培训和部署从人工智能策略的雏形一直到发布的模型。谷歌Cloud试图通过向依赖于云提供商技术的小型企业或初创企业提供机会，让它们在GCP上运行自己的模型，从而将自己与竞争对手区分开来。
此外，AutoML和AI Platform也是新的秘密武器。AutoML是一个预制件零售和呼叫中心人工智能服务的集合，AI Platform是一个协作模型制作工具。任何一个几乎没有任何编程经验的开发人员都可以轻松使用AutoML，而AI Platform是为数据科学家提供的，这也是谷歌尝试跨经验范围交付AI工具的一部分，谷歌试图将有用的AI带到所有行业垂直领域。
Swami Sivasubramanian，亚马逊人工智能副总裁
如果你想在降低成本的同时大规模培训机器学习模型，亚马逊的AWS还为开发者和企业高管提供了各种各样的人工智能产品。亚马逊希望你能利用它的SageMaker AI服务，该服务使用创新技术，在提供类似性能的同时锁定所需的计算能力。通过SageMaker的流媒体算法输入的数据越多，系统的训练就越多。但随着时间的推移，这样做的计算成本保持不变，而不是呈指数级增长。
这意味着他们已经创建了一个系统，这个系统可以处理全球范围内运行的难以置信的大数据集，其精确度与更传统的人工智能系统训练方法相当。这不仅对亚马逊自己的人工智能项目很重要，对客户的需求也很重要。
企业需要投资于NLP技术，以跟上搜索和参与领域正在发生的革命，而亚马逊人工智能（Amazon AI）正与谷歌等领军企业一道，快速进入NLP领域。科学家在亚马逊的Alexa部门最近使用跨语言迁移学习，这种技术需要训练一个人工智能系统在另一个语言培训之前，德国适应英语语言模型，在一篇新论文中他们扩大他们的工作的范围，准备将英语语言模型实用到日本语上。
希拉里·梅森（Hilary Mason），通用汽车公司，Cloudera的机器学习和Fast Forward Labs的创始人
希拉里·梅森（Hilary Mason）是数据科学领域最引人注目的女性之一，也是Cloudera的总经理。她在今年早些时候表示，人工智能领域趋势是人工智能系统的伦理含义。企业需要更广泛地认识到建立某种道德框架的必要性，需要接受无偏见地创造产品的责任。
此外，正如用户期望业务经理使用电子表格进行简单建模的能力一样，用户也需要期望他们在识别自己产品中的人工智能机会方面的能力。
梅森还认为，越来越多的企业将需要形成结构来管理多个人工智能系统。一个系统可以使用手工部署的自定义脚本进行管理，cron作业可以管理几十个系统。但是，当用户在一个具有安全、治理和风险需求的企业中管理数以百计的系统时，他需要一个专业的、强大的工具，以及从拥有大量的能力甚至厉害到拥有系统的方法来追求机器学习和人工智能机会的转变。
Greg Brockman和Ilya Sutskever，OpenAI的联合创始人
游戏一直是人工智能研究的基准，OpenAI一直在创造一种能够比人类更好地玩许多最复杂游戏的人工智能方面处于领先地位。该技术建立在深度强化学习的基础上，可以说是在向通用人工智能迈进的早期阶段，而且这种技术也可以应用于游戏之外。
事实上，他们将讨论NLP和文本生成背后的人工智能，这是许多企业正在用他们的客户参与消息应用程序进行的工作。这一切都源于OpenAI在游戏领域的工作所获得的成功，它家的机器人被扔进了斗兽场里。4月18日至4月21日，该公司进行了一项大规模实验，以测试它对dota2玩家的表现。
OpenAI 5的胜率为99.4%，没有人能够发现人类编程的游戏机器人所遭受的那种易于执行的威胁。
能够驾驭复杂策略游戏的机器人是一个里程碑，因为它已经开始捕捉现实世界的各个方面。这是向能够处理复杂性和不确定性的人工智能迈出的一步，为开发在经济价值的工作上超越人类的自主系统提供了一条更清晰的道路。
Kevin Scott，微软技术官
现代机器学习产业不仅建立在计算能力的进步上，也建立在开源项目上。正是这种体系结构使机器智能得以突飞猛进，科技巨头微软正在率先发布旗下新的Azure机器学习和Azure认知服务声明。
微软的业务领域充斥着大量与企业相关的工作，包括机器人和制造公司的人工智能，它还为机器模型训练和推理提供了通用的FPGA芯片。此外，开放式神经网络交换（ONNX）也充分发挥了微软的优势，ONNX允许微软客户使用其他非微软技术，这也预示着一个开放的新时代正在来临。ONNX现在支持Nvidia的Tensorrt和Intel的Ngraph，用于Nvidia和Intel硬件上的高速推理。这是在微软加入MLFlow项目，并在NX运行时上开放源代码的高性能推理引擎之后发生的又一件令人兴奋的事情。
ONNX为不同框架、运行流程、编译器和其他工具的集合带来的互操作性，使机器学习生态系统更大。FPGA芯片多年来一直被用于为Azure运行100%的数据加密和压缩加速任务。现在，用户们可以随意使用TensorFlow、PyTorch、Keras或任何他们喜欢的框架来构建定制模型，然后通过硬件加速任何GPU或FPGA。
根据Github去年秋天发布的2018年10月海外公告来看，微软现在也被称为开源项目贡献者雇主之一，Github是微软去年收购的一家企业。
