人工智慧未來會最先在哪個領域實現應用?

近年來人工智慧在各個領域的應用研究愈發火爆,學術界和工業界對這個方向的投入不斷增加。在目前各個廠商和創業公司看中的各個方向上(例如無人駕駛,智能助手,智能醫療等),大家覺得哪個方向上人工智慧能夠最先實現實際應用?


1. 人工智慧的邊界是模糊的

現在大多數人討論的人工智慧,通常都是指採用了Deep Learning技術的智能。實際上,AI不見得必須deep,deep的演算法有時候未必比shallow的演算法(那些老舊的Machine Learning演算法)優越,svm在不少場景中都比deep的跑出來效果好。事實雖然如此清晰,非deep的AI應用在不少VC圈子裡還是被稱為「偽智能」,這三個字聞起來是一股濃烈的新技術沙文主義惡臭味。

題主問的,應該不是「偽智能」範疇內的問題,因為如果ML算進去,這個問題就不存在了。

2. 「實現實際應用」的標準也是模糊的

AI這幾年這麼火,就是因為跑出來一些非常不錯的場景,比如語音和圖像,這算不算「實現實際應用」呢?應該要算,但是這些技術之上的技術,離大規模的改善人們生活還有一個產品的距離,或者說,還有一個銀河系的距離。答主問的,應該是大規模改變人類生活方式的產品。尤其是那種非deep做不到的產品;就像做飛機一樣,基於蒸汽機是做不出來的,只有內燃機才有可能。

3. 有資金推動的方向,有更大的機會產出

假設題主問的是「真智能」+「大規模改變人類生活方式」的那種案例,那麼答案就很明顯了:誰有錢誰就有可能。首先,真智能很多情況是端到端的訓練,意味著對訓練數據量的需求很高。誰比較可能擁有這麼多數據?很明顯是有錢的企業。有錢的企業才能讓無人車跑個幾百萬公里去積累一點數據。其次,大規模改變人類生活方式也是成本很高的舉動,每改變一個個體就需要一筆成本,改變許多個體,讓這些個體從不知道到知道,從知道到產生意向,從意向到使用,從使用到習慣,每一步都需要大量資金。

所以結論就是:資金流向哪裡,哪裡就有可能性。

那麼資金有可能流向哪裡呢?資金只會流向「錢」方。

「錢」方在哪裡?

呵呵


正好剛剛轉了Sebastian Nowozin的一篇文章:[導讀]Where will Artificial Intelligence come from?

作者總結了7個可能領域:

1. Composable Differentiable Architectures (aka Deep Learning)

2. Brain Simulations

3. Algorithmic Information Theory and Universal Intelligence

4. Artifical Life

5. Robotics and Autonomous Systems

6. Game Playing

7. Knowledge Bases


圖像識別啊

各種車牌識別,高速上,停車場里,這些應用場景已經很成熟很商用了

人臉識別 各種幾百元的門禁系統都有人臉開鎖功能,而且還是離線模型


早就在用了,只是用的越來越多而已。

人工智慧這樣的基礎設施,只是你每天都在接觸而每天都意識不到的東西而已。

只是人工智慧會越來越聰明,反饋到你的生活中就是越來越少需要你自己動手動腳動腦就可以活的不錯了。

但大多數人並不會感受到這些是人工智慧,僅此而已。。。。。


數據 方向的弱人工智慧已經很成熟了。

語言 方向的弱人工智慧是下一個技術爆發點。

強人工智慧可能還要很久很久。


1.生物技術,尤其是基因技術

2.圖像領域,這一塊應用不少,但是無人駕駛暫時還不成熟。

3自然語言處理。

4農業


遊戲,情趣用品,等一切需要玩人但需要避免倫理道德和法律約束的享樂嚮應用。


人工智慧跟大數據、雲計算、AR/VR、機器人、腦科學、物聯網結合後,可以顛覆的行業太多了。交通 娛樂 金融 醫療健康 教育 安防 智慧城市 農業 製造業,各行各業都要徹底或部分被改變吧


相比提問,我倒是對人工智慧會以怎樣的方式改變「衣食住行」比較感興趣。

衣服我們每天都穿,貌似再熟悉不過。在人們眼裡,這是一個傳統的低端製造行業,即使在高端時裝細分領域,人們也很難把RAI與其結合起來。但在「RAI+」的大趨勢下,服裝行業已經悄然改變,只是沒那麼快,沒那麼明顯而已。

變化已經發生

人工智慧浪潮興起,人們都被智能投顧、智能家居、社交機器人、無人駕駛等深深吸引。但除此之外,人工智慧也會極大改變服裝行業,並且方式還很性感,比如:

  1. 今年5月,紐約大都市時裝慶典(Met Gala)上,一套亮閃閃的禮服居然是由IBM「沃森(Watson)」協助設計而成的。這套通體白色薄紗、綉著150個連體LED燈花的禮服,它證明了人類和機器人可以協同工作,一起創造些看似不可能的東西。

  2. 今年9月,谷歌宣布與德國電商Zalando進行合作,共同推出人工智慧服裝設計產品Project Muse。在向用戶提出一些問題,收集偏好取向之後,Project Muse會基於谷歌龐大的資料庫,為用戶設計出符合他要求的服裝。

這兩個例子都是人工智慧在服裝設計上的應用,國內外已有一些企業布局。未來,藉由人工智慧,或許每個人都能打造高度個性化的服裝,甚至你永遠都不會再有撞衫的尷尬。

但除此之外,「RAI+服裝」的必要性是什麼?還有哪些應用?兩者結合的困難是什麼?未來的前景與想像空間怎樣?

長尾時代,小而美是必然

現在,買衣服除了逛優衣庫、HM、ZARA、MUJI等優質連鎖服裝品牌店外,不少人還會通過看公眾號文章、圖文直播、視頻直播等方式找自己信賴的買手或導購買衣服,可見垂直化、多元化、個性化已在服裝零售中興起。服裝巨頭正面臨著一個更長尾化的行業,而「RAI+服裝」或許是破局之道。

這裡先複習下長尾理論:

美國《連線》雜誌主編克里斯·安德森繼「紅海戰略」和「藍海戰略」後,在2004年10月提出了「長尾理論」。

隨著生產力提高,大多行業已從製造導向變為消費者導向。指揮棒放在消費者手裡之後,個性化需求日益湧現,延伸出一條長長的尾巴——即是長尾。

或許有人會拿帕雷托法則說事,說很多企業巨頭都在追求《從0到1》中的「壟斷」理想,都要稱霸。但據知乎專欄作者Peabody的分析,帕雷托法則要稱霸,除了社交網路助力,所在行業需要滿足一些條件:壁壘高、重資產,消費者選擇並非無限多。

總體而言,服裝行業並非如此。

據研究發現,影響長尾模型發生變化的根本因素是服裝品種多元化,而這背後的動力就是經濟的發展、科技的不斷進步,消費者對服裝的要求越來越高。

根據社會環境、服裝消費者需求、服裝企業供給三大因素可把服裝品種多元化的發展歷程分為5個階段。階段越高,長尾化傾向越明顯。在第5階段,各種影響因素都趨於理想狀態,社會生活水平極大發展,消費者對於自我發展的精神佔據主導,企業能力極大提高。主流服裝演變成個性化服裝,個性化服裝佔據整個市場,長尾曲線呈現出均勻分布的趨勢。

在那種狀態下,人人都極度追求個性化,企業必須要有快速定製的能力。那麼,人工智慧滿足的就是「定」,即設計,而機器人或者先進的3D列印技術滿足的就是「制」。我認為這兩者的結合才真正是服裝行業的未來。

RAI正滲透進服裝行業的各個價值鏈條

前面兩個例子已經讓我們看到人工智慧在服裝設計方面的威力,除此之外,筆者觀察到的還有3個主要的應用方向,包括生產、試衣和服裝編輯。

1、生產:不簡單,但還是有人做

服裝生產使用機器人的技術挑戰是很大的,因為它不像汽車或電子產品,很大程度上組裝的是硬體,服裝製造領域主要是柔韌、有彈性的織物,一般來說難以實現自動化。

雖然困難,但還是有公司相信自己能提供解決方案。SoftWear Automation是一家亞特蘭大機器人科技公司,專註縫製品製造業。 SoftWear的自動化系統在機器人縫製產品時,採用高速攝影為服裝拍照,產生圖像實時被軟體解讀,從而進一步指導機器人操作。「我們的機器人明白什麼時候織物會被拉伸、拉伸幅度有多大,能夠做出相應調整。」SoftWear Automation首席執行官KP Reddy說道。

目前,SoftWear系統可用於製造牛仔褲、基本連身裙與半身裙等有限範圍的服裝,以及毛巾、窗帘等家居用織物。目前多數客戶集中於快時尚與運動服裝領域。

2、試衣:沉寂了十幾年,終現光明

十多年前就有人提出說把試衣體驗搬到線上,但沒一個成功,技術瓶頸是主因。但現在,國內已有團隊利用人工智慧實現了試衣的功能。

好買衣CEO黃仲生在今年7月「未來世界2016聯想之星WILL大會」上說,其公司從2013年開始跟美國的知名教授一起取得了技術突破。如今在天貓上已經服務了30多個知名品牌。這些品牌官方的旗艦店開始有一些款式可以試穿,最終數據很驚人:一般一個用戶進店大概會看5件衣服,停留20-30秒鐘,但是一個用戶進了線上的試衣間,會在裡面停留4分鐘,然後逛50套衣服,一件一件地試穿。最終購物率也大幅提升。

此外,據報道9月份京東將推出基於人工智慧的服裝搭配平台,未來將開展利用人工智慧和VR技術建立虛擬試衣間等業務模式。電商巨頭的介入預示著網上試衣正在逐漸普及。實現試衣之後,同時用戶的身材數據、衣服數據,什麼用戶喜歡什麼衣服,穿了會好看,喜歡買什麼,這些數據慢慢被沉澱下來,會成為更強大人工智慧的基石。

3、時裝編輯:一個在AI面前岌岌可危的工作

時裝編輯仰仗極為出色的經驗,為時裝大片或是街拍照片標註照片內服飾、飾品的品牌、款式、型號、上市時間或是色號。但一家叫Cortexica的視覺識別公司,通過他們的人工智慧研究成果就可以做到這些。並且,他們想要藉此來打通線上和線下的商品瀏覽和購物。比較典型的應用場景是,許多街拍時尚達人的照片,當用戶使用識別技術時,就可以找到相似甚至是相同款式的衣帽鞋包。

國內也有比較優秀的團隊在做這方面的工作。百度人工智慧也能輕鬆做到這一點:只需要把帶有服裝的照片上傳到百度,百度大腦可以通過連接電商資源,找到最相似的服裝,並且可以直接到電商平台進行購買,非常方便和快捷。

眾所周知,服裝的識別其實是很難的。但圖像搜索引擎衣+基於最新一代的圖像識別、深度學習神經網路和搜索技術,可以將時裝的識別精度由60%提高到90%-98%。當然,衣+的野心不止於此,它希望將人眼視覺看到的所有信息,包括商品、物體、食物、服飾、汽車、建築等,都精準匹配出同款及相關商品,並精準挖掘出被識別物體及商品的基本信息等,以幫助用戶實現高品質、高時效、一站式的服務體驗。

藉助AI,我們對大千世界的了解或許會更加豐富和深入。

當然,除了以上三個方向,人工智慧還能應用在服裝零售業上。以前,銷售人員需要分析什麼款式、什麼顏色更符合用戶的需求,他們需要預估一件產品的銷量,現在,很多公司已經在使用大數據來幫助它們分析了。

從中,我們能看到,最沒科技感的服裝行業,藉助新興的機器人和人工智慧,也能華麗變身。很多時候,科技是領先於需求的,我們也一直強調科技只有與具體應用結合起來才能真正發揮價值。只要你能發現隱藏的需求,相信以我們現今的科技實力,很多是有辦法實現的。

RAI應用於服裝行業的挑戰和機遇

當然,挑戰在所難免。其實服裝業內還尚未真正擁抱機器人時代——即使機器人變得更便宜、更聰明,並有部分受到人工智慧進步驅動。根據國際機器人學聯合會(International Federation of Robotics)數據,2014年工業機器人的全球銷量為229261台。而同年紡織、皮革與服裝行業的工業機器人出貨量僅為289台(與2009年相比上漲25%)。

至於原因,上文也有提及,服裝製造領域主要是柔韌、有彈性的織物,一般來說難以實現自動化。即使有了像SoftWear這樣的自動化系統,但也面臨成本高、普及率低的難題。

但即便如此,RAI與服裝行業的結合依然是未來的重要方向。SoftWear Automation CEO KP Reddy表示,在發展中世界,機器人也開始徹底變革製造方式。SoftWear已在土耳其、孟加拉國、印度、中國和斯里蘭卡等國的主要服裝製造中心出售機器。他還說,「公司CEO都告訴我們,10年後不會再有『勞動人力成本』這個企業職能,取而代之的是『無勞動力成本』。」換句話說,在時尚產業以及更廣泛的經濟業界,機器人技術和機器學習技術,將有可能最終使得幾乎所有常規可預見工作實現自動化。

一些服裝企業在自動化領域已經一馬當先,比如今年德國體育用品巨頭Adidas開設的製造工廠Speedfactory。這是通過大規模客制生產提供個性化產品的嘗試。「未來最重要的發展趨勢之一便是客制化,」《機器人的崛起:科技與丟掉飯碗的可能》的作者Martin Ford談及服裝製造業中的機器人應用時說道。「顧客將能夠自己設計或定製服裝,數日內就能在自動化工廠中生產並交付。」

客制化其實就是長尾時代下人們對服裝需求的多元化與個性化的產物。此外,人工智慧、大數據和雲計算的深度融合,它們之間的信息交換與共享為智能服裝提供了強大的技術依託和數據支撐。有專家表示,智能服裝的多樣性或許超出人們的想像。智能化的服裝日後甚至能夠感知到主人的喜怒哀樂,並與周遭環境互動。

未來,機器人與人工智慧不僅會顛覆服裝生產環節,更會顛覆我們的消費體驗。未來,我們看到的一定會是一個穿著個性充分展露、多姿多彩的世界。

(文章首發:摯金資本公眾號,專註機器人與人工智慧投資)


人工智慧的分類中,大致分為是十三大類,包括機器學習應用、計算機視覺、深度學習通用、然語言處理等等。目前技術最為成熟的是語音識別和視頻內容,圍繞深度學習的公司則最多。人工智慧可廣泛用於機器人、控制系統、模擬系統、經濟政治決策領域,以及識別技術、智能搜索、自動程序設計等等。很顯然人工智慧在計算機領域應用最廣,也最受重視。所以,人工智慧率先引爆的領域或許與需要計算機應用、深度學習的行業。

2011 年以後,智能手機開始普及,現在,人們已然離不開智能手機,離不開這種智能移動生活方式。各式各樣的 APP、資訊和視頻讓我們應接不暇,這就催生出了語音輸入的功能,這也意味著人工智慧在手機上的應用開始了。

出門問問就是基於語音識別、語義理解技術,面向移動搜索領域的智能手機應用,它的實質其實是一款人工智慧交互產品。用戶只需通過語音用口語化的提問方式就可以搜索出有關於吃穿住行的服務。例如,用戶輸入 " 幫我查查北京機場附近的快捷酒店。" 識別出問題後," 出門問問 " 可以自動根據商區、價格、酒店類型為用戶一步到位地搜索出所需信息。

智能語音本身是很前沿的技術,能幫助人們解決很好的難題。但是,用戶在需要我們的時候,現需要解鎖手機,再打開 APP,然後說出他的需求。接下來,用戶又要推出這個 APP,打開另一款可以幫他解決需求的 APP 去完他所要做的事情。整個過程中,語音交互沒有給用戶帶來實質性的價值,這是非常致命的。"

那麼,這種人工智慧技術如何能夠得到更加廣泛和良好的體驗呢?2015 年 6 月,出門問問推出智能手錶 Ticwatch。這也成為出門問問人工智慧技術成功落地的一款可穿戴設備。Ticwatch 有多種交互方式,用戶可以通過對手錶說出 " 你好問問 " 喚醒語音交互界面,這樣用戶就可以更加快捷的來體驗這項技術了。

消費類電子產品將是人工智慧未來的發展的方向。為人工智慧的落地實施提供一個更好的空間,並且良好的用戶體驗需要產品的不斷迭代,以人工智慧為核心,結合硬體和軟體,讓人工智慧在移動終端上大放異彩。

以智能語音為代表的人工智慧產品在市場上有許多,如,科大訊飛的智能語音同聲傳譯技術,還有已經耳熟能詳的蘋果 Siri 等等人工智慧產品等。因此,我們在移動智能終端上看到了人工智慧是如何快速發展的,這也激勵著更多的創業者在未來進入該領域。

汽車,人類智慧在交通領域的結晶。汽車的誕生,徹底改變了人類的交通出行方式,並加快了整個社會向工業化的進程。從過去到現在,汽車為我們的生活、工作提供了極大的便利,已然成為人類不可分割的一部分。也可以說,汽車是人類進入新文明時期的轉折點。

一直以來,在駕駛汽車這件事上,人們表現的很有意思。既享受駕駛汽車時所帶來的視覺和體感的衝擊感,又對駕駛汽車中勞神費心所產生的疲勞感表示無奈。首先,我們必須清楚的認識到,汽車是機器,而不是玩具,我們在暢快的享受汽車駕駛的同時,必須把生命安全放在第一位。全球每年會有 120 萬人因車禍死亡,而且這個數字還在增長。因此,我們看到了在駕駛汽車這件事上,人為產生的,並且一直無法避免的缺陷。那麼,該如何解決這樣的問題,提高駕駛汽車的安全性呢?

隨著物聯網、大數據、雲計算等信息技術的發展,擁有自主駕駛系統的汽車成為了可能。汽車在駕駛領域將會具有人的智慧,可以有效的規避駕駛風險,並能為人節約更多的時間。因此,無人駕駛汽車必將成為未來汽車的發展方向。

當下,無人駕駛汽車作為人工智慧重要的應用載體,備受科技公司青昧,以特斯拉為代表的互聯網高科技企業都已人工智慧的視角切入到該領域。在過去的十年間,特斯拉依託人工智慧技術推出了 ROADSTER 高端電動跑車,Model S 和 Model X 電動轎跑車,還有一款電動 SUV 汽車,並且在 2017 年,特斯拉將會再次推出一款備受世界矚目的量產電動汽車。目前,這些汽車都已經上路並且取得了人們的認可。

雖然現在人工智慧技術在汽車上得到了大量的應用,不過目前還不是相當成熟,特斯拉汽車的無人駕駛功能還沒能完全實現,現在只能稱之為自動輔助駕駛。他還表示,實現無人駕駛必須滿足三個條件:第一,無人駕駛要有硬體的支撐;第二,必須有成熟的無人駕駛軟體系統;第三,無人駕駛必須得到所在國家和地區的法律支持和保護。目前,特斯拉的自動駕駛系統已經升級到 8.0 版本,而且這個軟體更新的方法是採用空間下載技術,有效的避開了互聯網黑客的攻擊,保證了自動駕駛系統的安全性。

眾所周知,無人駕駛汽車的工作原理是利用車載感測器感知道路環境,並感知車輛位置和障礙物信息,然後經過自動駕駛系統的認知判斷來控制車輛的速度和行車路線。那麼,可想而知,自動駕駛系統對道路環境做出的判斷認知是非常重要的。

目前在城市道路上直接使用無人駕駛功能是不可靠的,無人駕駛還在處於封閉道路測試的階段。無人駕駛汽車必須具備報警功能,當汽車無法識別道路環境和障礙物時,能夠發出報警來提醒駕駛員接管汽車。未來的目標就是利用無人駕駛技術降低物流運輸的事故率和成本。

除了在無人駕駛功能之外,汽車上還有許多的人工智慧所能滲透的地方,比如在汽車的智能語音交互上,人們不僅可以享受無人駕駛所帶來的舒適的乘車體驗,還能和汽車進行聊天,詢問道路狀況、天氣、生活甚至情感等一系列問題。

現在,隨著人工智慧的崛起,生產一款智能的機器人已經再是什麼難事了。目前全球已經出現了許多機器人創業公司,涉及的領域也頗為廣泛,包括生產製造、教育陪護、智慧服務、醫療護理等領域。

傳統的工業機器人只能在固定的程序下進行機械性的操作,完全充當著代替人類的 " 勞力 "。而在新的工業生產需求和環境下,人們對工業機器人的看法也發生著微妙的變化。新一代的工業機器——人機協作機器人。很明顯,我們對未來的工業機器人已經給出了新的定義,這種基於人工智慧技術的機器人可以與人類共同作業,並且不會因為直接接觸而對人產生傷害。

以科沃斯掃地機器人為代表的家庭服務機器人行業都賺的是盆滿缽盈。現在,人們的工作節奏越來越快,大量的時間被佔用導致在照顧家庭的事情上花費的時間越來越少,更不用說日常家務打掃了,而掃地機器人完美的解決了這個難題。人們直觀可見掃地機器人的基本功能為清掃、吸塵、拖地,毫無疑問。目前,掃地機器人在人工智慧相關領域涉及三項關鍵技術,分別是多感測信息融合技術、室內導航和定位技術、路徑規劃演算法,依託這三大關鍵技術,掃地機器人可以完成對房間網路節點的記憶優化,形成對打掃房間的認知。隨著智能演算法的不斷提升,未來的掃地機器人將會向多元化發展,例如空氣凈化、溝通交流等。其實,協作和掃地僅僅是人工智慧在機器人領域應用的冰山一角,它在工業和服務已及特種領域都有著廣泛的應用。

可以預見,未來的人工智慧將因此變得生活化。人工智慧技術會更多地滲透到智能硬體或可穿戴設備中,從而在人類日常生活場景中完成人機交互。

醫療和金融領域被認為是最有可能成為人工智慧的下一個風口。在醫療領域,通過智能終端收集用戶心率、血壓、血糖等數據,經過人工智慧處理,對病患進行監測,並給整個醫療行業帶來新的研究方向。在金融領域,由於其具備了完整封閉的大數據資源,是天生適合被人工智慧改造的領域之一。有大數據支持,又有資金推動,金融領域應該是人工智慧最容易成功的。

不管是醫療還是金融,人工智慧的應用始終不能只停留在實驗階段,應該大膽地踏上商業化道路。在考慮商用化時,面對的主要問題仍是技術難度。所以,人工智慧要在某一領域率先爆發,這一領域必定是具備了一定的優勢,例如醫療、金融領域,都具備足夠的數據來源。

有人說," 由活動像人的機器,到有人類感官的機器,這也許就是人工智慧未來發展的趨勢 "。嚴格來講,人工智慧包括四個大類:像人一樣的思考,像人一樣的活動,能夠合理的思考,能夠合理的行動。而合理的行動永遠是人工智慧的最優先順序發展,其次是合理的思考。那麼,我們要做的就是將這種合理的行動更多的應用到不同的領域,讓人工智慧遍地開花,讓人工智慧綻放異彩。


竟然沒有人提,醫院的「預診」系統。

1.在全世界範圍內,都存在著就醫難的問題。而預診占就了絕大多數看病的時間(尤其在中國,重一點的感冒都要掛個專家門診,排兩個小時的隊),因此如何提高預診精度和速度,是一個大問題。相比上面所說的「試衣」、「自動駕駛」等,「預診」的市場需求是非常迫切的。

2.對於演算法而言,預診就是一個專家系統,目前有很多成熟的演算法可以實現,如決策樹,SVM等。而且相比於圖像識別、語音識別,人體的各個指標(體重,血壓,血小板含量),都可以很方便的數字化,這也非常合機器學習的胃口,有著非常明確的feature。

基於上面兩點,AI 與 醫院預診系統 的切合度非常之高。

ps:預診,還不能完全替代醫生,畢竟姜還是老的辣。


人工智慧可廣泛用於機器人、控制系統、模擬系統、經濟政治決策領域,以及識別技術、智能搜索、自動程序設計等等。可以看到,人工智慧在計算機領域應用最廣,也最受重視。

而在人工智慧的分類中,大致分為是十三大類,包括機器學習應用、計算機視覺、深度學習通用、然語言處理等等。目前技術最為成熟的是語音識別和視頻內容,圍繞深度學習的公司則最多。

所以,人工智慧率先引爆的領域或許與需要計算機應用、深度學習的行業。

在此次峰會上,醫療和金融領域被認為是最有可能成為人工智慧的下一個風口。在醫療領域,通過智能終端收集用戶心率、血壓、血糖等數據,經過人工智慧處理,對病患進行監測,並給整個醫療行業帶來新的研究方向。

在金融領域,由於其具備了完整封閉的大數據資源,是天生適合被人工智慧改造的領域之一。有大數據支持,又有資金推動,金融領域應該是人工智慧最容易成功的。

不管是醫療還是金融,人工智慧的應用始終不能只停留在實驗階段,應該大膽地踏上商業化道路。在考慮商用化時,面對的主要問題仍是技術難度。

所以,人工智慧要在某一領域率先爆發,這一領域必定是具備了一定的優勢,例如上述提到的醫療、金融領域,都具備足夠的數據來源。

可以預見,未來的人工智慧將因此變得生活化。人工智慧技術會更多地滲透到智能硬體或可穿戴設備中,從而在人類日常生活場景中完成人機交互。

但是,人工智慧的技術壁壘很高,並不是哪個領域率先引爆就充滿機會。只有科技巨頭,如蘋果、谷歌、百度等,以技術起家又有雄厚資金的企業,才能推動人工智慧技術發展。

推薦閱讀-多智時代:2018年人工智慧的八大發展趨勢,精準預測篇! - 人工智慧 多智時代


武器系統,各種無人武器,這種智能需要有一定決策能力


大概安防和無人駕駛會早些實現吧,目前這兩個方向研究和開發的成果多些!


高度簡單,重複的崗位: 例如初級會計,普通道路上的駕駛工作,初級客服,超市收銀等。


人工智慧是一門學科,目標是要探索和理解人類智慧的奧秘,並把這種理解盡其可能地在機器上實現出來,從而創造具有一定智能水平的人工智慧機器,幫助我們解決各種各樣的問題。

  其實人工智慧早就在用了,並且滲透到我們的生活當中,給你介紹下潛伏在身邊的那些人工智慧的實際應用。

1、谷歌引擎:完善人工智慧的嘗試

  2002
年,尚未成為谷歌CEO的拉里·佩奇曾在回答凱文·凱利「谷歌為什麼要做免費搜索」的提問時,回答道,「不,我們在做人工智慧」。實際上,谷歌搜索正是一
種完善人工智慧的嘗試。谷歌搜索在表面上只是一款搜索引擎,但其引擎的機理和很多人工智慧程序相同:以並行計算、大數據及更深層次演算法為基礎,完成對數
據、問題的智能化分析。很多谷歌用戶都能感受到,谷歌搜索正變得越來越「聰明」,越來越「懂你」,而賦予其學習能力的,正是人工智慧。

2、蘋果Siri:你身邊的智能助手

  Siri用到的技術同樣是基於人工智慧以及雲計算:通過與用戶交互獲取用戶需求,將自然語言轉化為「真實含義」,交由知識庫分析、檢索所需結
果,最終再轉換為自然語言回答給用戶。短短數秒之內,Siri就能將用戶需求轉化為多種不同的表述方式並完成在海量數據中的搜索。

3、無人駕駛:輪式智能機器人

  無人駕駛簡單詮釋就是:以人工智慧的視角,將無人駕駛汽車看做是一台輪式智能機器人,這個機器人憑藉探測器作為「精確的眼睛」、以深度學習為基礎的人工智慧

作為「聰明果斷的大腦」,從而實現快速移動的交通工具。百度無人車使用人工智慧來決定前往目的地最快最安全的路線,其機械部件和執行裝置允許計算機系統必

要時控制車輛加速、制動和轉向。想像一下,當基於深度學習後,無人車存儲學習到足夠多的行車記錄儀第一視角駕駛信息,不久的將來,它或會成為超級駕駛員。

4、音樂工業進化:智能推送音樂列表

  
在為應該聽什麼歌而發愁嗎?互聯網音樂工業採用更先進的方式來為你解決這個問題。谷歌、百度還沒有完全向外界展示該方法的全貌,但他們都在努力用一種叫做
「深度學習(Deep
Learning)」的人工智慧系統為用戶提供更好的音樂播放列表。基於音樂流媒體服務的神經網路,無需音樂家的指點,就可以識別音樂的和弦模式,然後推
薦符合用戶喜好的歌曲、專輯或藝術家。

5、采芯網FindIC:電子元器件搜索引擎

  采芯網將大數據技術應用到極致,除了每天為用戶提供上百萬次搜索服務,技術團隊還結合人工智慧技術,讓用戶通過與機器人對話就能輕鬆找到所需的電子元器件信息。

  今年9月份,采芯網IC智能搜索機器人--「采小芯」正式上線,在電子行業率先推出首個IC智能搜索機器人。用戶可以與采小芯對話,在簡單對話交互中,工程師就能找到所需的器件規格、手冊等資料,採購也可以快速地查到器件的採購渠道和庫存信息。


很多啊,比如:學習輔導、是類似於真人一樣的學習輔導、醫療、養老、教育等方面,都會有涉及,另外的,人工助理方面,AI 也會有更多的應用。如果是以BOT作為借口,其實有一個BOT大賽你們可以嘗試一下,還有udacity的優惠券,


人工智慧13個細分領域及代表公司:

機器人方面,日本很多家用機器人已經實用。谷歌Atlas已經能走會跳。

以AlphaGo為代表的針對圍棋的深度學習能力已超過人腦。

個人助手有幾家:蘋果Siri,微軟Cortana,國內的科大訊飛靈犀語音助手,百度語音助手等,實際體驗如何你可以玩玩。

視覺識別,如螞蟻金服收購的EyeVerify,國內Face++提供人臉識別。

總結來說,各個方向都在發展階段,並且發展程度有高有低。現在已經有了很多實際應用。


剛剛寫完一篇無人駕駛的展望。剛看到這個問題,準備強答一番。

民之大事,衣食住行,衣食住其實和人工智慧關係不太大。但是行,人工智慧是可以有一番作為的。個人覺得無人駕駛應該會最先實現應用。無人駕駛系統其實對於人工智慧的要求並不是很高。而一旦實現,則會完全顛覆人們的出行方式。裡面的利益巨大。google亞馬遜不多說了,百度投幾百億在人工智慧領域,其中一個重點就是無人駕駛。政府對於無人駕駛系統也是太感興趣了。

以下為文章內容。是對無人駕駛的展望。

***********************華麗分割線*****************

交通是國之根本,快捷、高效、環保是各國交通系統追求的目標。但這個目標現有的交通系統是沒有辦法的實現的。當今中國,高鐵、高速公路是世界之最,航空、海運也已經很發達。雖然現在有滴滴等共享之舉,但在城市交通這一塊的效率實在是低。堵車、停車難、停車貴、空置高、效率低等問題非常突出。環保問題也異常嚴峻。各國都在尋找出路。個人認為無人駕駛將是瞬移出現之前的最優方案。

我們來暢想一下未來無人駕駛的最常用場景。

起床,洗漱完畢,智慧管家根據你平時的習慣進行大數據分析,幫你預約單人小車,小車在你出門之前幾秒到達入戶門,你一出門就能上車,入座後,管家根據乘客習慣顯示各種數據,資訊、視頻、股票等不一而足。小車在到達主幹道之前低速行駛,到達主幹道後,直接掛入大車。大車掛滿小車,在主幹道高速行駛,途中有接駁車把小車從這個大車掛到另一個大車。最終,小車到達辦公園區,從大車解掛,直至辦公室,乘客下車。

為了實現這種體驗,下述幾個應該是重要參與者。

車輛:和現有交通系統對比,車輛是改變最大的一部分。基本淘汰了現有車輛,或由現有車輛加狀無人駕駛模塊。

  1. 小車:單人、兩人,體積一定要小,但視野一定要開闊,為了照顧大家的景觀,小車是上、前、左、右都是透明玻璃的一個青提形狀兩輪平衡車。慢速行駛於園區、社區等毛細血管道路。進入主幹道是也可以高速行駛,和大車保持均速,方便大車掛入。乘坐舒適,當然也分等級,不同消費人群可以選擇不同的配置的小車。
  2. 大車:掛滿青提(小車)的芒果。主要行駛於主幹道中,也能行駛城市道路中,相當於現在的公交大巴,不過乘客不是人,而是小車。前、後、左、右、上都掛滿小車。大車上機械臂用於在主幹道中掛入高速行駛的小車及把其它大車的小車掛入自己的掛位。大車掛小車的掛位也分貴賤,比如,前上部分的掛位是一等掛位,左下方的是四等掛位等。
  3. 接駁車:主幹道中高速行駛的機械臂,速度可快可慢,用於多個大車之間多個小車的轉移,同時也可以用於園區道路和主幹道之間的接駁。相當於中巴,形狀各異,由可掛小車數量決定。
  4. 貨運車輛:和客運類似。運載是貨而不是人。車輛形式會更多樣化。

路網:路網基本可以直接使用現有的。而不需要像地鐵、高鐵等需要投入大量的資金來進行基礎設施建設。

  1. 主幹道:相當於現在的快速路,快車道最左側,主要行駛已經掛好小車的芒果。慢車道在快車道右側,供還未掛滿青提的芒果行駛。最右側,還有一條青提道,只供還未掛入芒果的青提行駛。接駁車快速穿插於快車道和慢車道中,把青提道上的青提掛上,再快速穿插,把青提掛入目標芒果中。或把青提從芒果中解掛。駛入園區道路。
  2. 城市道路:要當於現在的城市道路。一般不設置快車道,只有慢車道,芒果也可以駛入,爭取在進入主幹道之前,把青提掛滿。也有專門的青提道,專供未掛入芒果及接駁車的青提行駛,等待掛入。接駁車穿插於慢車道中,功能還是把青提掛上芒果或從芒果中解掛。
  3. 園區道路:只供青提行駛,相當於人行道。

電梯:主要區域應該會有直接讓小車掛入電梯。

小區:如沒有電梯讓小車直接入戶,則應提供站點,供乘客上下小車。比如每棟樓的門口。

後台管理系統:這是重中之重。這是無人駕駛的大腦和靈魂。自動管理各種車輛及人的各種交互。安全的無人駕駛只是最基礎的,系統的更重要的是大數據分析。大數據的主要作用是預測。能預測人流量、車流量、各種車的故障率等等。能根據乘客的生活習慣,預測出乘客的目的地,甚至能根據乘客心情預測出應該要派出怎麼樣的小車討好乘客,而減小乘客對車輛的破壞等 。準確地預測才是重中之重。系統應該不是完整實現的人工智慧。它只是個交通管理系統。它不具備人類的感情。它的任務就是在預測的基礎上把交通管理好。必要時還是有需要人去干預的。

這個系統受益者是誰?基本上幾方共贏。

政府是最大贏家。一、交通管理成本會大幅下降,交警會直接被砍。二、停車場、公交站點等等場地會流轉開來。三、車輛的使用率基本是100%,交通堵塞完全解決。四、環保,車輛都是電動車。

乘客作為最重要的參與者,交通成本會大幅下降。乘客不用買車、養車、保險,還更安全、方便、高效、舒適。但失去了駕駛體驗,畢竟從古至今,策馬奔騰是人生一大快事嘛。

無人駕駛公司提供穩定、安全的服務的同時壟斷式的賺錢。在中國,應該就和水電一樣,由國家控股,那不是一般地賺錢。

各種有人駕駛、無人駕駛的汽車賽事會層出不窮。而很多之前的停車場可以提供場地。之前會開車的人也需要有所發泄。國家應該也會提供一些政策上便利,不然這個世界豈不太無趣了。

說完受益,受損的是誰?

車廠:當今的汽車廠商產品已是多如牛毛。主要是為了迎合消費者的各種品味和需求。但一旦實現無人駕駛,和這些車廠相對接的不再是消費者,而是無人駕駛的公司。各種車輛當然也有各類之分,但比迎合消費者相對比,產品種類應該是少之又少。更多講究節能、高效、安全等。車廠也會被壟斷,只有少數幾家車廠會存活下來提供少數的產品。

職業司機:這不多解釋,無人駕駛了,還要啥司機。這個現在已經很突顯了。我叔馬上要失業了。因為碼頭的內拖都已經是無人駕駛了。

駕校、車險、汽車維修等行業也會受到不同程度的影響。

私家車會怎麼樣?

無人駕駛的未來只有公共交通,私家車原則上不允許上路。因為私家車上路會對無人駕駛造成不可控因素,增加預測的難度。如果真要上路,私家車車主應該要上交高昂的上路費。現有私家車在報廢之前,可以通過加裝無人駕駛模塊。也可以由政府出錢買斷,直接報廢回收。

因為私家車的佔有率,無人駕駛是一個政府行為,由企業來推動的可能性極小。現有無人駕駛,如題圖,主要還是把汽車做的更智能,和現有的交通系統相融合。對車輛的人工智慧程度要求太高。而整個都是無人駕駛的交通系統,對於人工智慧要求會低很多。這就比較適合中國國情。我國一黨專政,在執行力上面不是一般高。比如,如果技術成熟,雄安新區完全可以作為一個試點。

無人駕駛不會離我們太遠了。畢竟百度已經投入幾百億在裡面了。據說幾百億裡頭政府的錢也不少。。哈哈哈 只是據說哈,知道內情的各位補充一下。


偏向娛樂方面,因為很多產品從演算法開始就無法達到百分百的準確率,只能降低要求,需要技術人員的配合才能使用。真人秀節目越來越火,單靠人的拍攝不能滿足要求,但是只用無人機處理也不可行,所以就需要人與機器合作


推薦閱讀:

如何通過人工神經網路實現圖像識別?
單目SLAM在移動端應用的實現難點有哪些?
到日本東大讀修士,然後再申請到美國top10的PHD可行么?
orb-slam在眾多SLAM方法中處於怎樣的地位?
機器人能通過觀察環境明白自己在哪嗎?機器人定位的方式對解決「人類路痴」問題有幫助嗎?

TAG:人工智慧 | 機器學習 | 計算機視覺 | 無人駕駛車 | 深度學習DeepLearning |