《人工智慧是個啥》—— 人工智慧應用現狀

《人工智慧是個啥》—— 人工智慧應用現狀

來自專欄 AI-龍門陣1 人贊了文章

科學技術是第一生產力。

導讀：上一篇文章曾經講到因為機器學習的進步，人工智慧技術近幾年快速發展，尤其在弱人工智慧領域，瓶頸不斷被突破，出現了很多可以解決實際問題的方案。而通用人工智慧的實現需要從根本上解決機器「學習」的問題，「烏鴉智能」的尋找還需要很長的路，所以我們依舊重點關注弱人工智慧。而隨著算力，演算法的進步，以及爆炸性增長的數據量，某些領域弱人工智慧已經能勝任一些人類的工作了，有的甚至比人幹得更好。本篇將描述人工智慧所帶來的變革，嘗試歸納目前AI技術在各個領域的應用情況，思考我們應該怎麼應對各種變化。

---

一, 技術變革引領工業革命

科技的發展帶來生產力的提高，行業更新換代，舊有的產業被打破，新的機會到來。以史為鏡可以知興廢，我們又來看看歷史。

1769年，瓦特改良了蒸汽機，發明了一種萬用蒸汽機，引起了從手工勞動向動力機器生產轉變的重大飛躍。在此之前，蒸汽機主要用於採礦，很難從一個廠礦拆下來用於其他地方，各個行業的動力輸出主要靠人力。而基礎物理的發展讓人們能夠更好的理解機械原理，萬用蒸汽機的出現將機械動力帶到了各個行業，蒸汽機驅動的新機械不斷出現，採礦、冶煉、紡織、機器製造等各個行業開始變革，出現了 「現有產業+蒸汽機=新產業」 的新模式。

新模式對舊有的產業進行衝擊，手工作坊頻繁的倒閉，傳統手工業者面臨失業。18世紀末期，英國爆發了大量的紡織工人罷工和搗毀機器的運動，憤怒的人群沖向各個廠房搗毀機器，他們認為是機器剝奪了他們的工作機會與社會福利。然而科技的革新必然會帶來工作效率的提升，生產力的提高，老舊的技術與工作機會被淘汰，同時也會創造出新生的行業與就業機會，以及更多的財富。

從1769年到1789年僅僅20年時間，英國的紡織業產量增長了5倍，為市場提供了大量消費商品，加速了資金的積累，並對運輸業提出了迫切要求。隨後蒸汽機滲透到了運輸業，導致了蒸汽火車，蒸汽輪船的發明，各種商品和技術從英國走向世界各地，機械的廣泛使用引領了人類迄今為止最偉大的事件——工業革命。技術革新導致的行業短期陣痛會逐漸被遺忘，時間會消化掉一切不利因素，曾經叫囂著要摧毀機器的那幫人也被時代的巨輪碾過，獲利的還是不斷擁抱變化的先驅者。從工業革命的過程我們可以看到，技術驅動行業革新的過程可以歸納為：

兩百多年前，隨著力學、熱力學等基礎技術不斷完善，我們相信即使瓦特不改良萬能蒸汽機，也會有哈特或者皮特完成這步突破。基礎技術的進步帶來了蒸汽機的技術革新，然後開始逐步滲透到各個行業，而今天人工智慧在演算法、算力和大數據的驅動下新的變革也再一次到來。

---

二，人工智慧帶來的技術革新

人工智慧帶來的技術革新，我劃分為幾個主要的領域：機器學習，知識圖譜，自然語言理解，人機交互，計算機視覺，生物特徵識別，虛擬現實增強現實。機器學習在上一篇文章中已經重點介紹了，我們從知識圖譜開始講起。

• 知識圖譜

計算機一直以來面臨一個困境，能夠存儲數據，卻無法理解數據背後的含義。這也是我之前文章《人工智慧是個啥——人工智慧簡史》中提到的70年代人工智慧瓶頸，然後80年代開始大力發展專家系統的原因。知識圖譜可以看做專家系統的升級版本，本質上是結構化的語義知識庫，是一種由節點和邊組成的圖數據結構。為了讓機器能夠理解文本背後的含義，我們對可描述的事物進行建模，填充它的屬性，拓展它和其他事物的聯繫，即構建機器的先驗知識。舉個例子給機器一串字元，

羅納爾多·路易斯·納薩里奧·德·利馬

看上去是一個名字，沒有知識圖譜的情況下搜索引擎會按照文本去查找匹配文本結果，而有了知識圖譜，我們能夠得到這張圖。原來這是羅納爾多的名字，所有的相關信息都被關聯在了一起。

機器擁有了這樣的先驗知識，當它再次看到羅納爾多·路易斯·納薩里奧·德·利馬，它就會「想「這是一個名字叫羅納爾多·路易斯·納薩里奧·德·利馬的巴西足球運動員。」這和我們人類在看到熟悉的事物，會做一些聯想和推理是很類似的。

知識圖譜在搜索引擎、可視化展示和精準營銷方面有很大的優勢，能夠讓我們擴展人工智慧的認知，得到真正智能的解決方案。

• 自然語言理解

自然語言理解主要研究能實現人與計算機之間用自然語言進行有效通信的各種理論和方法，涉及的領域較多，主要包括機器翻譯，語義理解和問答系統等。

• 機器翻譯：是指利用計算機技術實現從一種自然語言到另外一種自然語言的翻譯過程，大家常用的如百度翻譯、google翻譯等。目前的google翻譯已經擁有100多種語言之間的互譯功能，十分強大，而且隨著上下文的語境表徵和知識邏輯推理能力的發展，自然語言知識圖譜不斷擴充，機器翻譯將會在多輪對話翻譯及篇章翻譯等領域取得更大進展。
• 語義理解：是指利用計算機技術實現對文本篇章的理解，並且回答與篇章相關問題的過程，主要應用在智能客服，產品自動回答的場景。目前很多行業都開始使用智能客服，可以直接對用戶輸入的文字做分詞處理，語義理解，然後回答相應的問題，極大地減少了人工客服重複性的工作。
• 問答系統：問答系統技術是指讓計算機像人類一樣用自然語言與人交流的技術，分為開放領域的對話系統和特定領域的問答系統，主要應用在個人助理領域，聲控系統等。目前各大公司都出品了個人助理，如蘋果的Siri，微軟的Cortana，亞馬遜的Alex，紐昂司的Nina，而谷歌的個人助理前段時間才刷爆了朋友圈，通過完美的自然語言合成，語義理解和問答系統完成了理髮店的預定，根本沒有人意識到是在同AI對話。

托尼老師：有什麼能幫到您？

谷歌助手：Hi，我要幫客戶預約理髮，時間5月3號。

托尼老師：好的，稍等我查一下。

谷歌助手：emmm…

托尼老師：你想要預約幾點的？

谷歌助手：中午12點。

托尼老師：12點約滿了，最快是1點哦。

谷歌助手：那上午10-12點可以嗎？

托尼老師：可以的，客戶叫什麼名字呢？

谷歌助手：名叫麗莎。

托尼老師：好的沒問題，那5月3號上午10點見。

谷歌助手：太棒了，謝謝！

• 人機交互

人機互動式是計算機領域的重要外圍技術，主要研究人和計算機之間的信息交換方式。傳統的人機交互主要依靠交互設備進行，比如鍵盤、滑鼠、壓力筆等輸入設備；以及印表機、繪圖儀、顯示器、音箱等輸出設備。而在人工智慧領域我們追尋的交互是更加自然、擬人化的交互，將人工智慧體當做一個自然人。

• 語音交互：人與人之間最主要的交互方式，主要研究同機器進行語音交流，包括四部分:語音採集、語音識別、語義理解和語音合成。通常和自然語言理解的相關技術共同使用形成解決方案，目前我們公司的產品主要為語音交互方向的，後面我可以專門拿幾個章節來講語音交互。
• 情感交互：情感是一種高層次的信息傳遞，它在表達功能和信息時傳遞情感，勾起人們的記憶或內心的情愫。傳統的人機交互缺乏情感理解和表達能力，而情感交互就是要賦予計算機類似於人一樣的觀察、理解和生成各種情感的能力，最終使計算機像人一樣能進行自然、親切和生動的交互。比如谷歌助手的例子中，那個emmm的停頓，讓人有了人工智慧要成精的感覺。

托尼老師：好的，稍等我查一下。

谷歌助手：emmm…

托尼老師：你想要預約幾點的？

• 體感交互：在人類開始咿呀學語之前最為原始的交互方式，主要研究通過肢體動作與周邊數字設備裝置和環境進行自然的交互。與其他交互手段相比，體感交互技術大大降低了對用戶的約束，使得交互過程更加自然。目前主要在遊戲娛樂、醫療輔助與康復、全自動三維建模、輔助購物等領域有了較為廣泛的應用。
• 腦機交互：科幻片中的場景，通過大腦控制人行機器人，比如阿凡達，主要研究不依賴於外圍神經和肌肉等神經通道，直接實現大腦與外界信息傳遞的交互。稍微一設想就能發現這項技術的強大，但是目前來說還處於非常初級的階段，大腦信號採集、腦信號和機器指令的轉換、信號反饋都是技術瓶頸。

當前的主要應用是在醫療和娛樂領域，醫療領域希望通過腦機交互改善殘疾人的生活體驗，比如仿生機器手臂，人工耳蝸等等。

• 計算機視覺

使用計算機模仿人類的視覺系統，讓計算機擁有類似人類提取、處理、理解和分析圖像以及視頻的能力。根據解決的問題，主要分為：計算機成像、圖像理解、三維視覺等。

• 計算機成像：計算成像主要是探索人眼結構、相機成像原理以及其延伸應用，主要用來獲得人們預期的圖像處理結果。比如：圖像去霧、圖像去燥、暗光增強、失焦修復，當然還有各種濾鏡，圖像融合等等，應用十分廣泛。前段時間很火的應用Prisma，通過神經網路和計算機成像技術，可以生成類似梵高風格的作品。

• 圖像理解：計算機存儲的圖像本質上是大量的像素點和偏移信息，而圖像理解則是希望通過用計算機系統理解圖像中涵蓋的信息。通常根據理解信息的抽象程度可分為三個層次：淺層理解，包括圖像邊緣、圖像特徵點、紋理元素等；中層理解，包括物體邊界、區域與平面等；高層理解，根據需要抽取的高層語義信息，可大致分為識別、檢測、分割、姿態估計、圖像文字說明等。目前高層圖像理解演算法已逐漸廣泛應用於人工智慧系統，比如：

• 人臉識別：刷臉解鎖，刷臉支付，通過兒時照片生成長大後的人臉，智能安防進行人物檢索。
• 目標檢測：無人駕駛檢測出目標並識別出它是什麼(人、動物、手機、汽車等等)，智能安防領域中檢測攝像頭中的感興趣目標。
• 圖像分割：摳圖，完全按照物體的輪廓扣出來，進行後續處理，比如物體識別，潮流品的廣告推薦，P圖等等。

• OCR：光學字元識別是指對文本資料的圖像文件進行分析識別處理，獲取文字及版面信息的過程。這個應用就十分廣泛了，比如在手機上添加銀行卡時，然後就會自動識別出卡號；停車場自動識別車牌號碼。
• 行為分析：基於姿態估計，在視頻中先通過把每一幀里人的動作給識別出來，然後再放到另一個模型中連貫的去處理這些動作特徵，最後得到預測的行為結果，在無人駕駛，智能安防上都有應用。
• 三維視覺：研究如何通過視覺獲取三維信息(三維重建)以及如何理解所獲取的三維信息，可以廣泛應用於機器人、無人駕駛、智慧工廠、虛擬/增強現實等方向。

比如最近很火的SLAM，Simultaneous Localization and mapping，同步定位與地圖構建。無人駕駛的核心技術之一，就是通過多個攝像頭拍下車輛周圍的場景，進行圖像分割，物體識別和行為分析，然後進行地圖的構建，並定位自身位置，以此構造後續的行進線路模型。

• 生物特徵識別

從人工智慧領域來說，生物特徵識別主要是指通過個體生理特徵或行為特徵進行智能化身份認證，具有更好的安全性、方便性和私密性，在金融、公共安全、教育、交通等領域應用廣泛。技術應用上主要包括指紋識別、人臉識別、虹膜識別、指靜脈識別、聲紋識別、步態識別，我們重點介紹以下比較新興的幾類：

• 指靜脈識別：是通過近紅外光對手指進行照射，流動血液中的血紅素吸收了近紅外光後，獲得了清晰的手指靜脈圖像，再使用特定的演算法從圖像中提取出特徵值。相比於人臉識別、指紋識別，指靜脈識別具有活體識別、體內特徵不可複製、唯一穩定、無法破解等特點，不用擔心指紋被盜取，照片被盜用這種事情，安全性更高。

主要用在社保和安防領域，比如社保領域，由於有一定比例的60歲以上老人存在指紋淺、手指脫皮、有繭等問題，且生存認證時主要以老人身份證照片進行人臉比對。但老人容貌變化與年輕時(身份證照片)普遍相差較大，導致指紋識別、人臉識別在社保養老生存認證上無法更準確、更便捷地證明老人的身份。

• 聲紋識別：是指根據語音的聲紋特徵識別說話人的技術，有兩類即說話人辨認和說話人確認。不同的任務和應用會使用不同的聲紋識別技術，如縮小刑偵範圍時可能需要辨認技術，而銀行交易時則需要確認技術。
• 步態識別：這個是最近的研究熱點，即通過走路的方式識別人的身份，具有非接觸遠距離、多角度、光照不敏感和不容易偽裝的優點，在智能視頻監控領域，比圖像識別更具優勢。

• 虛擬現實VR增強現實AR

在一定範圍內生成與真實環境在視覺、聽覺、觸感等方面高度近似的數字化環境，用戶藉助必要的裝備與數字化環境中的對象進行交互，相互影響，獲得近似真實環境的感受和體驗。2015年的時候國內VR和AR的熱度曾經非常高，但由於響應延時，眩暈感，無法長時間使用等問題還未明顯解決目前逐漸趨於冷靜，應用最廣的還是在娛樂，展廳等場景中增強交互體驗。

以上可以發現，人工智慧從認知，感知，推理，決策等各個方面都有技術革新，並在各個技術領域都有可以落地的應用，這些逐漸成熟的應用進一步推進了人工智慧向各個傳統行業的滲透，並將帶來行業的變革。

---

三、人工智慧帶來的行業變革

以一張圖開始，從基礎領域到技術革新，最終滲透到行業。我會對這些行業進行一些簡單的介紹和分析，有的行業會介紹一些大型公司的實際解決方案，更多細節感興趣的可以直接在網上進一步搜索更多的資料和介紹。

• 智能製造

德國提出了工業4.0，國內也提出了中國製造2025計劃，在整個計劃中智能製造作為核心的五大工程之一比重非常大，而智能製造對人工智慧的需求主要表現在三個方面：

• 智能裝備，包括自動識別設備、人機交互系統、工業機器人以及數控機床等具體設備，涉及到分析推理、自然語言處理、虛擬現實智能建模及自主無人系統等關鍵技術。
• 智能工廠，包括智能設計、智能生產、智能管理以及集成優化等具體內容，涉及到分析推理、大數據智能、機器學習等關鍵技術。
• 智能服務，包括大規模個性化定製、遠程運維以及預測性維護等具體服務模式，涉及到分析推理、自然語言處理、大數據智能、機器學習等關鍵技術。

介紹下國內海爾的COSMOPlat平台智能製造解決方案，該方案運用了各種智能化技術，構建了用戶交互、研發、採購、製造、物流、服務等7個應用模塊，實現高精度的產品創新服務和高效率的智慧生產服務。海爾互聯工廠以COSMOPlat平台為核心，採用智能化、數字化、柔性化的設計理念，通過與COSMOPlat平台的無縫連接，不僅實現了冰箱、洗衣機等網器產品從個性化定製、遠程下單到智能製造的全過程，同時也實現了智能產品和智能製造全流程的無縫連接。

海爾用COSMOPlat雲平台搜集微博、微信、搜索引擎及其他途徑的用戶需求，發現用戶對所有品牌空調的各類需求問題，通過數據分析挖掘分析出空調聲音為主要問題。空調聲音主要包括噪音和異音，噪音可通過分貝辨別，而異音有千萬種，COSMOPlat平台再依託大數據和人工智慧技術自主學習辨別異音和自動管控，提升辨別的精準度，聚焦噪音問題後，可追溯生產過程，通過生產過程大數據，分析出導致異音的原因(包括空調風扇安裝不良、電機安裝不良或者骨架模塊毛刺等原因)，進而總結出改善異音的關鍵措施，提前預防，改善用戶體驗。

• 智能家居

參照工業和信息化部印發的《智慧家庭綜合標準化體系建設指南》，智能家居是智慧家庭八大應用場景之一。受產業環境、價格、消費者認可度等因素影響，我國智能家居行業經歷了漫長的探索期。到2010年，隨著物聯網技術的發展以及智慧城市概念的出現，智能家居概念逐步有了清晰的定義並隨之湧現出各類產品，軟體系統也經歷了若干輪升級。

目前的應用比如，藉助智能語音技術，用戶應用自然語言實現對家居系統各設備的操控，如開關窗帘(窗戶)、操控家用電器和照明系統、打掃衛生等操作；藉助機器學習技術，智能電視可以從用戶看電視的歷史數據中分析其興趣和愛好，並將相關的節目推薦給用戶。通過應用聲紋識別、臉部識別、指紋識別等技術進行開鎖等；通過大數據技術可以使智能家電實現對自身狀態及環境的自我感知，具有故障診斷能力。通過收集產品運行數據，發現產品異常，主動提供服務，降低故障率。還可以通過大數據分析、遠程監控和診斷，快速發現問題、解決問題及提高效率。

目前亞馬遜，百度，阿里，京東，小米等各大公司都將智能音箱作為了智能家居的交互入口和網關，所以出現了近兩年智能音箱的熱潮。

• 智能金融

人工智慧技術在金融業中可以用於服務客戶，支持授信、各類金融交易和金融分析中的決策，並用於風險防控和監督，將大幅改變金融現有格局，金融服務將會更加地個性化與智能化，更能貼近用戶的需求，效率更高，服務成本更低。對於金融機構的業務部門來說，可以幫助獲客，精準服務客戶，提高效率；對於金融機構的風控部門來說，可以提高風險控制，增加安全性；對於用戶來說，可以實現資產優化配置，體驗到金融機構更加完美地服務。

目前的應用主要包括:

1. 智能獲客，依託大數據，對金融用戶進行畫像，通過需求響應模型，極大地提升獲客效率；

2. 身份識別，以人工智慧為內核，通過人臉識別、聲紋識別、指靜脈識別等生物識別手段，再加上各類票據、身份證、銀行卡等證件票據的OCR識別等技術手段，對用戶身份進行驗證，大幅降低核驗成本，有助於提高安全性；

3. 大數據風控，通過大數據、算力、演算法的結合，搭建反欺詐、信用風險等模型，多維度控制金融機構的信用風險和操作風險，同時避免資產損失；

4. 智能投顧，基於大數據和演算法能力，對用戶與資產信息進行標籤化，精準匹配用戶與資產；

5. 智能客服，基於自然語言處理能力和語音識別能力，拓展客服領域的深度和廣度，大幅降低服務成本，提升服務體驗；

6. 金融雲，依託雲計算能力的金融科技,為金融機構提供更安全高效的全套金融解決方案。

• 智能交通

智能交通的願景是希望藉助人工智慧各種手段，將各核心交通元素聯通，實現信息互通與共享以及各交通元素的彼此協調、優化配置和高效使用，形成人、車和交通的一個高效協同環境，構建安全、高效、便捷和低碳的出行生活。

應用上主要兩個大的方向：

一方面是統一的智能交通管理平台通過採集道路中的車輛流量、行車速度等信息，處理後形成實時路況，據此調整道路紅綠燈時長，調整可變車道或潮汐車道的通行方向等，通過信息發布系統將路況推送到導航軟體和廣播中, 讓人們合理規划行駛路線，甚至統一調度無人車的行駛速度，方向等等，從根本上解決擁堵問題。

另一方面是從個體上解決，無人駕駛技術的應用，可以有效的降低車禍，避免酒駕等行為，將人們從動輒2小時的通勤時間中解放出來，做更多有意義的事情。

目前無人駕駛的進展還是比較樂觀：

2018年開年，無Google旗下的無人車公司Waymo預計在今年推出無人車的共享出行平台，這標誌著無人車的商業化進入了關鍵時期。

2018年2月，春晚上百度無人車整齊的車隊從港珠澳大橋穿梭過去，然後7月底，百度與金龍客車合作的線固定路無人駕駛小巴車開始小規模量產及試運營；

2018年8月，蘋果公司在加利福尼亞街頭進行公共道路行駛測試的無人駕駛車輛已增至62輛，隨車安全員也已增至87名。兩周前這一數據分別是無人駕駛車輛55輛，隨車安全員83名。

據不完全統計，除了國外的谷歌、蘋果、微軟等企業都涉足該領域，國內的其他互聯網巨頭滴滴，阿里，騰訊也都早已啟動開發無人駕駛的開發；另一方面，比亞迪、一汽、上汽、東風等傳統車廠也都早已布局，並進行了路測。

針對無人駕駛的熱點，後續可以專門準備一個章節講講無人駕駛相關的技術和應用情況。

• 智能安防

智能安防與傳統安防的最大區別在於智能化，傳統安防對人的依賴性比較強，非常耗費人力，而智能安防能夠通過機器實現智能判斷，並且可以長期穩定履行安保職責，從而儘可能實現實時地安全防範和處理。

行業應用上主要集中在兩大類：

一類是採用圖像分割等方法對視頻畫面中的目標進行提取檢測，通過不同的規則來區分不同的事件，從而實現不同的判斷併產生相應的報警聯動等，例如: 區域入侵分析、打架檢測、人員聚集分析、交通事件檢測等；

另一類是利用模式識別技術，對畫面中特定的物體進行建模，並通過大量樣本進行訓練，從而達到對視頻畫面中的特定物體進行識別，如車輛檢測、人臉檢測、人頭檢測(人流統計)等應用。

比如在2018年CES上商湯科技展出的人臉布控系統，能夠在人流密集的公共場所的監控視頻中，快速鎖定可疑目標。

• 智能醫療

近幾年，智能醫療在輔助診療、疾病預測、醫療影像輔助診斷、藥物開發等方面發揮重要作用。在輔助診療方面，通過人工智慧技術可以有效提高醫護人員工作效率，提升一線全科醫生的診斷治療水平。

如利用智能語音技術可以實現電子病歷的智能語音錄入；利用智能影像識別技術，可以實現醫學圖像自動讀片；利用智能技術和大數據平台，構建輔助診療系統。

紐昂司的智慧醫療系統就在國外廣泛應用，全美86%的醫院在使用，每年使用語音錄入超過3億條的病歷記錄，專業的臨床語言庫進行索引歸檔和訓練，再歸類成百萬條的診斷建議，提升全科醫生的診斷水平，可惜因為國家醫療數據的敏感性沒法在國內銷售使用。

在疾病預測方面人工智慧的引入意義重大，很多疾病都是由於發現不及時，而導致死亡等等。而我們在體檢的時候，一些細小的指標或者醫學影像醫生很難發現。此時，人工智慧便可以替代人力做這樣一件繁瑣、重複，但十分有意義的工作，減少誤診率，漏診率。

人工智慧還可以進行疫情監測，及時有效地預測並防止疫情的進一步擴散和發展。

以流感為例，很多國家都有規定，當醫生髮現新型流感病例時需告知疾病控制與預防中心。但由於人們可能患病不及時就醫，同時信息傳達回疾控中心也需要時間，因此，通告新流感病例時往往會有一定的延遲，人工智慧通過疫情監測能夠有效縮短響應時間。

• 智能物流

從技術上來講智能物流主要期望使用智能搜索、推理規劃、計算機視覺以及智能機器人等技術，實現貨物運輸過程的自動化運作和高效率優化管理，提高物流效率。隨著電商行業的不斷壯大，尤其在國內龐大的人口基數以及國土面積下，國內對於物流行業有著非常強的依賴，但是物流行業又是一個人力密集型行業，隨著人力成本的不斷提高要想更加具有競爭力，人工智慧的引入迫在眉睫。

因此不光是電商巨頭阿里，京東等在部署智能物流，傳統的物流行業同樣的大力投入人工智慧的開發，以期望通過人工智慧的引入降低人力成本，提高效率。

例如，在倉儲環節，利用大數據智能通過分析大量歷史庫存數據，建立相關預測模型，實現物流庫存商品的動態調整。大數據智能也可以支撐商品配送規劃，進而實現物流供給與需求匹配、物流資源優化與配置等。

例如，在貨物搬運環節，載入計算機視覺、動態路徑規劃等技術的智能搬運機器人(如搬運機器人、貨架穿梭車、分揀機器人等)得到廣泛應用，大大減少了訂單出庫時間，使物流倉庫的存儲密度、搬運的速度、揀選的精度均有大幅度提升。

• 智能教育

智能教育目前沒有一個精確的定義，但奧巴馬在開學第一課的演講中說過「教育決定著國家的未來」，而教育資源的稀缺已經是一個共識。通過人工智慧技術，一方面可以給教育機構，教師提效，同時彌補大班教育的不足，對學生進行個體分析，因材施教；另一方面也可以讓優質的教育資源更好的轉換為經驗模板，得到更好的傳播，提升整體的教育水平。

目前的主流應用比如教育機器人，作業自動批改，解題助手，智能考試系統。

比如科大訊飛基於語音識別，自然語言理解，語音交互而製作的的英語聽說智能測試系統，實現了英語聽說考試全過程的自動化與智能化。目前已經在全國 23個省市地區的中、高考中進行了廣泛應用，包括北京中、高考、上海高考、廣東高考、江蘇中考、深圳中考等，年測試人數達 230萬人次,累計測試人數達 1900萬人次。

• 智能零售

2016年的時候馬雲提出了新零售的概念，整個核心就是智能製造+智能物流+智能零售，智能製造和智能物流上面已經介紹。而智能零售則是通過人工智慧技術手段，對商品的銷售過程進行升級改造，線上服務、線下體驗進行深度融合的零售模式。近兩年在各大一線城市陸續推出的無人超市，通過計算機視覺，生物特徵識別，機器學習等技術進一步，降低人力成本的同時擴充客戶的零售體驗。

這裡列舉下曠世科技的智能零售解決方案，通過計算機視覺對線下場景的人、貨、場等要素進行全面採集，然後存儲分析形成服務閉環。比如提升會員體驗，優化供應鏈選品，優化商品擺放和個性化營銷問題。

另一方面的應用，比如各大視頻網站也陸續推出的針對零售領域的精準營銷和廣告投放，通過閃植和隨視購技術，打通了電商系統和視頻系統，實現「視頻內物品所見即所買」。

• 生活服務

主要核心是以手機為核心擴展用戶體驗，以手機為入口收集用戶的行為習慣，然後訓練模型，進行個性化推薦，形成貼身的個人助理。當你遊玩時看到一束花，然後打開手機的攝像頭，手機就會告訴你這個花的一些信息。當你在朋友圈看到別人發的風景照，再也不用在下面評論這是哪，直接點擊圖片搜索，就會告訴你這個遊玩地點，和一些景點基本信息。

未來的趨勢會是以手機為入口切入日常生活和工作場景，以音箱為入口切入居家場景。

• 其他

除了以上的幾大行業，人工智慧同樣在企業服務，農業，環保，養老，法庭，政務等等各個領域出現了成熟的解決方案。

比如在智慧法庭領域，依託於智能大數據分析、語音識別、圖像視頻分析等多項人工智慧技術的支撐，從而實現案情要素的分析、庭審語音識別自動轉寫、庭審行為視頻分析、庭審視頻流媒體轉發與調度等功能。智慧環保上，聚焦在環於建立資源能源消耗、環境污染物排放的智能預測數據模型，環境智能監控大數據分析平台，信息共享的智能環境監測網路等。

---

四、總結

從以上可以看到「現有行業+人工智慧」的新模式已經在產生，由此帶來一系列的變化

• 人工智慧技術通過組合理論上能夠運用到各個行業中，從感知，認知，到決策判斷和最終行動，已經能夠形成閉環的解決方案。
• 通過人工智慧，可以使得機器可以完全勝任一些重複性而且繁雜的工作，釋放了人力的同時，也更加持久和穩定，效率更高。
• 依賴於大數據的力量，人工智慧可以發現數據背後人為無法觀察到的現象，從而總結成規律，做出準確率更高的決策，幫助行業進步。
• 人工智慧替換掉低端重複崗位性的同時，也會創造更多新生的崗位進行人工智慧系統的設計，維護，營銷，保障整個系統的閉環生態。

人工智慧會以有形或者無形的方式不斷滲透到我們的生活中，將人們從各種繁雜的工作中釋放出來，專註於更加創造性的工作。同時人工智慧因為更加有洞察力，善於發現人類所無法察覺的關聯性，也會以全新的方式推進社會的進步與革新。

時代已經在改變，要想不變，唯有改變。

最後的最後附上一張歸納總結的腦圖

推薦閱讀：