人工智慧在不同產業的應用
一 前言
自動化一直在壓縮「簡單重複工作」的職業空間,如果說以前只是針對「動作重複」進行「機器換人」(比如製造業用數控機床和機械手替換操作師傅,餐飲業用微信下單和支付減少服務員),那隨著近年人工智慧技術的發展,針對「思維重複」進行「機器換人」的情況也越來越多,甚至有少數項目在研究如何用計算機實現創造性活動,如Prisma通過機器學習技術可以把任意圖片轉成手繪風格油畫,IBM的Waston在學習了100篇預告片後製作了電影《morgan》的預告片。筆者從技術和產業兩個維度,整理人工智慧技術的一些應用情況。
二 技術
人工智慧的技術發展集中在如下領域,在各大產業都已取得不同應用:
1) 機器學習(讓計算機模擬人類學習進而判斷的過程),是人工智慧的核心,比如提供正反案例讓機器尋找判別標準從而自動分類合格與異常樣本,
2) 語音識別和自然語音處理(前者對聲音的波形信號做特徵抽取後通過機器學習識別成文本,後者從統計學角度理解文本的語義),
3) 圖像識別與機器視覺(前者從圖像中分析所需的結果,後者通過攝像頭得到物理世界的信息),其應用落地需要結合各種視覺硬體和機電設備,
農業應用
1 通過機器學習技術在歷史數據中尋找規律,指導工作以提升產量和品質,如Phytech公司通過在農田布置感測器採集數據,以計算機分析後提供灌溉方案和採摘計劃,Syngenta公司根據種子遺傳信息、土壤、氣候數據確定在特定地區種植哪種作物品種,;
2 結合機器人與視覺技術,推動農業生產自動化,主要來自人力成本高昂而單人種植面積巨大的美國,如Blue River公司的智能收割機可以分辨並清理作物中的雜草,可以定位病蟲害並打葯,而AbundantRobotics公司的蘋果採摘機器人可以通過攝像頭找到成熟蘋果並用機械手和真空管進行快速採摘。
製造業應用
1 通過機器學習技術在工藝參數和質檢數據中尋找規律提升生產良率,或者減少不良品發貨,如阿里雲幫助江蘇光伏生產商協鑫優化工藝參數,在一年內節省了上億成本,
2 通過感測器收集設備運行狀態數據後,通過機器學習技術尋找規律預測故障避免損失,如IBM
watson已用於惠普的飛機發動機與KONE公司的電梯扶梯的設備健康監控,受限於成本,此類方案之前主要應用于飛機電站之類對故障停機特別敏感的行業,近年受物聯網技術發展,有進一步推廣的可能;3 結合機器人與視覺技術,比如京東無人倉庫里使用分揀機器人,或者百度雲幫助首鋼集團通過視覺快速檢測鋼板瑕疵;
4 結合模擬軟體和機器學習,如BHGE推出的CIRCA軟體將理論模型和大量的現場經驗數據相擬合,改善模擬結果準確性,
其他應用
1 智能家居:谷歌的Nest主動學習恆溫系統運用演算法來學慣用戶的加熱和冷卻溫度喜好,來預測和自動調節家裡和辦公室里的室溫。
2 安全監控:人力無法長期監控多個畫面,而人工智慧則能通過圖像識別實現24小時多鏡頭的監控,國內的海康威視,商湯科技、格靈深瞳都在研究此領域,
3 交通運輸:從谷歌微軟到國內的BAT都在研究無人駕駛汽車,深圳巴士集團打算年底推出無人駕駛線路,rio tinto集團在澳洲已完成無人駕駛火車的試運行,
4 傳媒:美聯社,福克斯和雅虎都已經在利用人工智慧來編寫文章,例如財務摘要、體育新聞回顧和日常報道,今日頭條也有基於機器學習和自然語言處理技術的個性化推薦系統,
5 電商:由亞馬遜到淘寶京東都有收集用戶數據進行自動推薦的系統,
6 零售:阿里巴巴近年在國內推出了無人零售店和無人加油站,使用了包括圖像識別和機器學習在內的人工智慧技術,
7 金融:一種應用是分類,如阿里巴巴旗下的螞蟻金服有基於機器學習的信用評估;另一種應用是預測,但是股市的規律不是那麼好抓,如美國acrospire基金通過演算法決定股票的買賣,效果不佳,近日已關停,
8 法律:IBM基於Watson開發了虛擬律師ROSS並在美國頂尖的律師事務所Baker&Hosteler幫助律師篩選文獻和案例,已取代相當部分助理工作,
9 審計:世界四大會計事務所之一的德勤與Kira System合作,將人工智慧引入會計,稅務,審計等工作,代替人工審核合同和文件,
10 翻譯:Google Pixel2手機搭配的軟體可即時翻譯40種語音,科大訊飛也推出了手機大小的語音翻譯設備,
11 個人助理:谷歌,微軟,蘋果,亞馬遜都推出了自己的語音助手和智能音箱,
12 招聘:Entelo公司能夠通過分析人們網上發布的公開信息,判斷其技能與離職可能並發送推薦,linkedln也能通過登記資料和演算法向會員發送推薦,
13 醫療:科大訊飛的語音助手與醫學影像構成輔助診療系統,已在安徽省多家醫院投入使用,Exscientia公司通過人工智慧預測分子的功能從而輔助新葯研發,
14 教育:Knewton公司嘗試以問卷評測後提供個性化培養的方式切入教育行業,科大訊飛也在嘗試推廣機器閱卷和個性化培養的方案,
三 總結
在ai驅動的自動化浪潮中,收入在平均線或以上的體力勞動和低級腦力勞動者是最容易被淘汰的,收入低於平均線的廉價勞動力,難度較大的創造性工作(比如研發),與人打交道的工作(比如教師),則相對不容易被淘汰。面對大勢,我們在持續了解前沿技術的同時,需要小心規劃自己的職業發展,持續增強自己的核心競爭力,才不會被輕易淘汰。
推薦閱讀:
※互聯網+上半場信息浮游,消費者如何在下半場拯救自信
※開Live啦~女生在計算機專業的機遇與挑戰
※人工智慧重新定義全球銀行業的未來!銀行從業者的噩夢?
※利用AWS學習深度學習 For Udacity P5(第二篇:AWS 註冊)
※人工智慧風暴全面來襲 金融科技將借風暴加速創新進程
TAG:人工智慧 |