人工智能导论(上)

一、人工智能概述

人工智能这个基本概念的起源(人工智能作为计算机科学的一个分支)

很多应用研究领域都在人工智能的范畴里,比如机器人、语言识别、图像识别、自然语言处理和专家系统等等。更加通俗的说,人工智能是要让一部机器能够像人一样进行环境的感知与认知,做出像人一样合理的行动和决策,并且可以执行的系统。

基于目前对人工智能的研究和理解,可以把人工智能的主要发展方向分为3个层面,分别是:运算智能、感知智能、认知智能。

“暴力穷举”并没有使用人工智能意义上的“知识”来实现,全凭提供的经验、数值、数据为基础,不依赖于知识而实现的程序算法,所以是计算智能的。

目前基于视觉、听觉等感知能力的感知智能,在近年来取得了相当多的突破。

认知智能包括自然语言理解、知识理解、逻辑推理等,其核心就是自然语言理解,它的进步将推动人工智能认知能力的整体提升。

机器学习是实现人工智能最大的技术工具子集。当下,机器学习的所有方法中,能够实现人工智能效果最好的、也是最重要的一个分支,就是深度学习;深度学习是使用“神经网络”算法技术作为核心。

研发AI技术就是在开发人工智能算法。

“监督学习”和“无监督学习”是一对机器学习算法。通俗的说,他们的区别就是有答案的去学习,还是没有答案去学习。

二、人工智能应用

在过去的十年里,人工智能技术与传统的技术产业已经深度融合,广泛应用于金融等诸多的领域,在有效降低劳动成本、优化产品和服务、创造新市场和就业等方面为人类的生产和生活带来了革命性的转变。

金融行业一直拥有良好的数据积累,在倡导自动化的工作流和人工智能等新兴技术的运用上有着不错的成效,组织机构的战略与文化也比较先进,因此人工智能技术也得到了良好的运用。

在零售行业,经过电子商务时代的数据积累,这个行业很清楚要解决的实际应用场景是什么,由此催生出了智慧零售、智慧物流等人工智能解决方案。

在交通行业,与零售行业类似,相关机构的组织基础与人工智能运用基础上的优势是很明显的,并很早就已经布局了诸如自动驾驶技术,力争打造一个智慧交通、智慧城市等人工智能愿景。

教育行业作为传统行业,其数据积累虽然很薄弱,但行业整体对人工智能技术是非常关注的,同时也开始在实际业务中结合人工智能技术,比如作文批改、拍照搜题等应用场景层出不穷,可见其发展态势未来可期。

医疗和健康行业,拥有多年的医疗数据积累和流程化的数据使用过程,因此在数据和技术基础上也有着很强的优势,人工智能应用场景不仅有医疗镜像分析、健康状态监测等辅助诊疗手段,还有诸如药物研发、手术机器人等人工智能技术将推动医疗健康行业的变革。

制造行业,虽然相关机构的组织基础比较薄弱,但拥有大量高质量的数据积累,以及自动化式的流水线式的工作流,为人工智能技术的介入可以提供良好的技术铺垫。

智慧金融是人工智能技术与金融深度融合的新兴业态,是考虑用机器来代替、甚至超越人类部分经营管理经验和能力,这将带来的是金融模式的变革。人工智能技术在金融行业、领域的应用,以智能风控为主,同时还会渗透到支付、理赔、投研、投顾等场景。

智慧零售,就是指运用了互联网、还有物联网技术,能够感知消费习惯、预测消费趋势,进而引导生产制造,为消费者提供更加多样化、更加个性化的产品和服务,受益于零售行业的数字化转型,人工智能已经渗透到了零售各个价值链的环节,现在零售行业已经拉开人工智能转型的大幕。

人工智能时代,交通系统和汽车相关的智能出行正在被重新定义。出行的3大元素,人、车、路,被赋予类人的决策行为,整个出行生态也会发生巨大的改变。随着人工智能技术在交通领域的应用,朝着智能化、电动化、共享化的方向发展,以自动驾驶为核心的智慧交通产业链正在逐步形成。

在智能交通系统方面,借助人工智能技术,将核心交通元素联通,实现信息的互通与共享,以及各种交通元素的彼此协调、优化配置,和高效的使用,从而能够形成一个人、车、交通的高效协同环境,建立一个安全、高效、便捷的低碳交通。

智能教育又被称为AI+教育,是指人工智能与教育科学结合在一起,以发展适应性学习情境。通过开发和使用具有灵活性、包容性、参与性和和个性化的教育工具来赋能教育。把学生学习的环节,由浅到深分为4个层次,来理解目前AI教育应用的发展程度。

随着人工智能领域在自然语言处理、语言识别和计算机视觉等技术的逐渐成熟,人工智能的运用场景也会愈发丰富。目前,智能医疗被广泛的应用于诸如电子病历、影像诊断、远程诊断等应用场景,成为了影响医疗行业发展、提升医疗服务水平的重要因素。

智能制造是基于新一代的信息通信技术与先进制造技术深度的融合,可以贯穿到如设计、生产、管理服务等制造活动的各个环节,具有自感知、自学习、自决策、自执行和自适应等功能新型生产方式。国际上关于智能制造,通常来说是指一种由智能机器人和人类专家共同组成的人机一体智能系统,这个系统包括了自动化、信息化、互联网和智能化四个层次。

PS:3D分拣机器人叫做智能无序分拣机器人。

健康服务可以通过移动客户端工具,打破时间和空间的限制,由此就能够实现一个预防检测,加治疗、加康复的一个服务闭环,进而实现精准的健康管理。

三、人工智能产业发展

我国人工智能需求潜力是非常大的,也需要充分且有效的供给来满足。得益于这些年互联网大发展形成的数字化基础和生态环境,人工智能相关产业发展是非常快的。

下一阶段的人工智能产业发展趋势,是即将进入“泛在智能”的阶段:

1)“泛”在基础设施建设。在新基建的春风下,人工智能技术将逐渐地转变为网络、电力一样的基础服务设施,将全行业、全领域提供通用的AI能力,为产业转型打下智慧基座,在产业互联网时代,促进产业数字化的升级和变革。

2)“泛”在更加多元的应用场景和更大规模的受众。随着技术、算法、场景和人才的不断充实,人工智能正在渗透到各个领域,在工业、医疗、城市等等领域中都能够验证到AI的价值,未来将会有更多的产业会与智能技术相互创新和融合,进而还能催生出很多新的业态和新的模式,同时更多应用场景也将会秉持“科技向善”的心愿,以更加普惠、更加负责任的发展为目标,所谓“泛至大众、慧至大众”。

- TBC -

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 197,966评论 5 462
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 83,170评论 2 375
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 144,909评论 0 327
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 52,959评论 1 268
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 61,851评论 5 358
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 46,583评论 1 275
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 36,956评论 3 388
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 35,590评论 0 254
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 39,878评论 1 293
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 34,892评论 2 314
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 36,719评论 1 328
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 32,501评论 3 316
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 37,957评论 3 300
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,124评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,440评论 1 255
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,003评论 2 343
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 41,211评论 2 339

推荐阅读更多精彩内容