大數據人工智慧的發展趨勢及將應用落地的八大領域

人工智慧（artificial intelligence，AI）技術現已進入新的高速增長期，是公認最有可能改變未來世界的顛覆性技術。世界許多國家已將發展人工智慧上升到國家戰略，從政策導向、戰略規劃、資金預算層面予以大力支持。人工智慧武器的出現則將從根本上改變戰爭方式，即由「人對人」的戰爭變成「機器自主殺人」的戰爭。以美國為代表的世界軍事強國，預見到人工智慧技術在軍事領域的廣闊應用前景，認為未來的軍備競賽是智能化的競賽，並已提前布局了一系列研究計劃，發布「第三次抵消戰略」，力求在智能化上與潛在對手拉開代差。落後即意味著受制於人，為避免因喪失發展先機而造成巨大代差，中國亟待迎頭趕上，大力發展人工智慧技術的軍事應用研究。

人工智慧的涵義

人工智慧是研究、開發用於模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門技術科學。從智能化水平看，人工智慧大體可分為運算智能、感知智能和認知智能3個層次。

1）運算智能即快速計算和記憶存儲能力。旨在協助存儲和快速處理海量數據，是感知和認知的基礎，以科學運算、邏輯處理、統計查詢等形式化、規則化運算為核心。在此方面，計算機早已超過人類，但如集合證明、數學符號證明一類的複雜邏輯推理，仍需要人類直覺的輔助。

2）感知智能即視覺、聽覺、觸覺等感知能力。旨在讓機器「看」懂與「聽」懂，並據此輔助人類高效地完成「看」與「聽」的相關工作，以圖像理解、語音識別、語言翻譯為代表。由於深度學習方法的突破和重大進展，感知智能開始逐步趨於實用水平，目前已接近人類。

3）認知智能即「能理解、會思考」。旨在讓機器學會主動思考及行動，以實現全面輔助或替代人類工作，以理解、推理和決策為代表，強調會思考、能決策等。因其綜合性更強，更接近人類智能，認知智能研究難度更大，長期以來進展一直比較緩慢。

人工智慧的發展趨勢

人工智慧技術產生於20世紀50年代。當時世界的科學技術已經進入一個新的發展階段，信息量急劇增加，信息傳遞日益加快，人類的自然智能已經無法迅速處理如此巨大數量的信息，於是開始探索通過計算機執行需要使用人的智能才能完成的任務。人工智慧發展至今，主要經歷了三輪浪潮。20世紀60年代，人工智慧技術主要用於弈棋、定理證明和簡單的人工智慧專家系統研究。20世紀70年代，隨著微型電子計算機技術和集成電路技術的迅猛發展，人工智慧專家系統研究進入應用開發階段。20世紀80年代以來，人工智慧技術得到迅速發展，應用於遺傳工程、化學合成、業務管理、石油勘探、法律斷案及軍事領域中的專家系統相繼研製成功。20世紀90年代，人工智慧技術發展進入加速階段，國際商業機器公司（IBM）國際象棋高手「深藍」戰勝了世界冠軍加里卡斯·帕羅夫，標誌著人工智慧技術取得了具有里程碑意義的成功。當前的人工智慧發展浪潮始於2010年，隨著大數據技術和計算能力的發展，聯網大數據為改進機器學習方式和演算法提供了有力支撐。

2014 年秋，斯坦福大學發起了人工智慧百年研究（one hundred year study on artificial intelligence）調研項目，主要考查人工智慧的發展現狀，展望未來發展潛力並分析其對社會的影響。2016年9月，作為該項研究的一部分，斯坦福發布了《2030年的人工智慧與生活》報告，分析了人工智慧過去15年的發展狀況，並預測了其在未來15年的發展趨勢。

人工智慧革命得益於多個因素協同作用，技術的積累和日趨成熟使人工智慧呈現爆發增長之勢。未來15年，人工智慧領域將集中關注人類意識系統的開發，主要包括以下6項核心技術。

1）計算機視覺。用攝影機和計算機代替人眼對目標進行識別、跟蹤和測量等機器視覺，並進一步做圖像處理，成為更適合人眼觀察或傳送給儀器檢測的圖像。計算機視覺技術運用由圖像處理操作及機器學習等技術所組成的序列將圖像分析任務分解為便於管理的小塊任務。

2）機器學習。機器學習是計算機模擬人類的學習活動，通過對已有的案例進行學習，藉助歸納和總結的方法，對本身的能力加強或改進，使機器獲得新知識和新技能，在下一次執行相同或類似任務時，會比現在做得更好或效率更高。機器學習是從數據中自動發現模式，模式一旦被發現便可以做預測，處理的數據越多，預測也會越準確。日前頗受矚目的AlphaGo深度學習就是集中於深層神經網路的機器學習的分支之一。

3）文本語言處理。對自然語言文本的處理是指計算機擁有與人類類似的對文本進行處理的能力。例如從文本中提煉出核心信息，計算機可從自然語言寫成的文本中自主解讀出含義，做到對文本的「理解」。例如自動識別文檔中被提及的人物、地點等，或將合同中的條款提取出來製作成表。

4）自然語言處理。通過建立語言模型預測語言表達的概率分布，確定某一串給定字元或單詞表達某一特定語義的最大可能性。選定的特徵可以與文中某些元素結合識別文字，通過識別這些元素，將某類文字同其他文字區分開，例如垃圾郵件和正常郵件。

5）機器人技術。即機器+人工智慧，將機器視覺、自動規劃等認知技術整合至極小卻高性能的感測器制動器以及設計巧妙的硬體中，使機器人具有與人類一起工作的能力，能在各種未知環境中靈活處理不同任務。近年來，隨著演算法等核心技術的提升，機器人技術已取得重要突破。

6）生物識別技術。生物識別可融合計算機、光學、聲學、生物感測器、生物統計學，利用人體固有的身體特性如指紋、人臉、虹膜、靜脈、聲音、步態等進行個人身份鑒定，最初應用於司法鑒定。近年來，隨著暴恐、偷盜等各種危害社會治安的事件逐漸增多，對體征形態的數據進行採集、比對、分析的需求愈加迫切，生物識別技術由此迎來發展良機。

人工智慧將應用落地的八大領域

1.聊天機器人

在很多人工智慧的高管和創業者眼中，什麼人工智慧應用在未來五年內可能會獲得成功。他們首選是虛擬代理和聊天機器人。這些軟體程序能夠理解自然語言，並通過消息傳遞服務或電子郵件與人溝通。包括IBM和Facebook在內的幾家公司已經宣布了幫助開發者創建聊天室的平台。

2.應用開發

目前，許多企業正在將人工智慧和深度學習功能集成到他們的Web應用、移動應用和內部的企業應用中。人工智慧正在發展推薦引擎、安排會議、排定待辦事項列表等一系列事項。在其2017年十大戰略技術趨勢列表中，Gartner將智能應用排在了第二位。

3.智能物件

「智能物件」（intelligent things）在Gartner的2017年前十大戰略技術趨勢列表中排名第三，「現有的物聯網設備將使智能物聯網人工智慧的功能無處不在，包括家庭、辦公室、工廠車間和醫療設施。」例如，下一代健身追蹤器不僅可以監控您的健康信息，還可能具有機器學習和分析功能，使它們能夠根據您的個人健康史和過去的追蹤器數據提出改善健康的建議。

4.醫學研究

人工智慧的最熱門領域之一是醫療健康行業。IDC在《全球半年度認知/人工智慧支出指南》中將診斷和治療系統列為2016年吸引最多投資的領域之一，並表示在未來五年內，包括藥物研究和發現以及診斷和治療系統的使用案例將獲得最大的發展。在五年期間，它預測醫療健康人工智慧投資的年複合增長率為69.3％。同樣，CBInsights將醫療健康列為人工智慧中最熱的領域，並作為今年的創業項目。

5.生物模型

現在，計算機科學研究人員也正在轉向生物模型，用以幫助他們創建更好的人工智慧軟體。麻省理工學院和谷歌最近都被報道在創建與人類大腦功能相似的神經網路，這個領域的研究可能會持續一段時間。未來學家Ray Kurzweil甚至預測到2030年，我們將能夠合併人類的大腦和計算機網路，創造一種混合形式的人工智慧。

6.智能硬體

雖然軟體在人工智慧工業中獲得很大的關注，但硬體也是方程式中非常重要的一部分。英特爾最近詳細描述其將人工智慧功能構建到其晶元中的努力，試圖使人工智慧人人都能使用。其他開發商正在研究人工智慧自動駕駛車輛、機器人和無人機。

IDC預測AI硬體收入將在未來五年內以超過60％的複合年增長率。而波士頓諮詢公司估計，到2025年，自動駕駛車輛的市場價值可能達到420億美元。

7.項目創業

最近許多大型科技公司，如英特爾、谷歌、蘋果、Facebook和微軟一直在購買、搶購很多小的人工智慧創業公司。在最近的關於人工智慧創業公司的報告中，Venture Scanner確定了來自73個不同國家的1500個人工智慧創業公司，總資金超過91億美元。

8.取代人工

在2017年6月的一份報告中，Forrester預測，機器人、人工智慧（AI）、機器學習和自動化等認知技術將在2025年之前取代美國7％的工作崗位。通過估計，16％的美國工人將被人工智慧系統取代，並且人工智慧可以創造相當於勞動力9％的新工作。人工智慧也是把雙刃劍。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！