智能家：美國50個最棒的工作 數據科學家位居首位

智能家消息，據悉日本正計劃在2021年全面採用AI強化因應網路攻擊的能力，藉由學習並分析過去網路攻擊的共通點和跡象，讓相關單位更有效率地抵禦新病毒攻擊；而在國內，更通過「天網」監控系統，僅花7分鐘便在全國捉到嫌疑犯，而背後正是通過人臉辨識技術來完成這不可能的任務。

人工智慧幾乎無所不在，而在華爾街自然也是如此。投資專家坦承，從大數據中獲得見解能力的學習機器，正準備經手99%的投資交易，AI掌管投資界即將來臨。

人工智慧和大數據的火爆絕不止於此，企業評論網站Glassdoor最新報告《美國50個最棒的工作》中，數據科學家（Data Scientist）位居首位。據Glassdoor指出，美國目前有4,500多個數據科學家職缺，僱主間對數據科學家人才的競逐更將數據科學家的年薪中位數推升到11萬美元。

人工智慧在製造業的應用

對於製造業來說，傳統的質量檢測方式逐步落伍，導致檢測品值不一，甚致降低檢測效率。

因而在製造業領域裡，利用深度學習技術，不但可以讓機器視覺大幅提高檢測效率外，過去肉眼容易忽略、或無法檢測到的細節也能一一被精挑細選出來。

當製程檢測環節導入AI,機器便會通過自我學習的方式，事先辨識各種良品與不良品的特徵，其後便可根據分析結果快速地篩選出產在線的瑕疵品。

前百度首席科學家吳恩達也曾表示，AI技術非常適合用以解決製造業面臨的挑戰，像是不穩定的質量及良率、生產線設計缺乏靈活性、產能管理困難以及生產成本上升等問題。

人工智慧在醫學領域的應用

智能家認為，醫療技術始終是人類終其一生致力研究的目標。因而深度學習在醫療領域上具有很大的潛質，可協助醫療診斷更精確、更有效率。深度學習在醫療領域當中的應用，目前已經廣泛採用圖像辨識技術來協助醫生判讀醫學成像，包括Google研究團隊用來診斷糖尿病視網膜病變、乳腺癌腫瘤轉移等。Google團隊應用深度學習技術，通過專業醫生的協助，從具有12.8萬張的視網膜眼底圖像數據集中，創建出如同專業醫生判斷病變能力的模型。

人工智慧與自動駕駛的結合

在人類探討AI如何提升生活質量時，自動駕駛無疑是最受到熱烈關注的話題。安全性是自動駕駛能否普及的重要關鍵，除了通過攝像機或各式感測器等外部車載設備來確保行駛過程的安全外，讓車輛本身變聰明，能夠自主判斷路況做出分析，是加速自動駕始發展最有效的助力。

一旦機器具有自主學習的能力，便可以在不斷學習的過程中，逐漸增進其駕駛技能，提升車輛行駛安全性。大陸地平線機器人公司汽車業務總監李星宇指出，自動駕駛的發展進程建構在一個非常複雜的體系上，深度學習不但可以做得跟人一樣好，甚至做得比人還要好，而這樣複雜的駕駛環境正是深度學習最能發揮優勢的地方。

從另一個層面來看，則是駕駛人與車之間微妙的關係。現今自動駕駛的定義是汽車可以自行判斷路況做出決斷，而未來更深的層面則是汽車與駕駛人之間的配合，簡單的說就是讓汽車去理解你。因此，未來自動駕駛領域中還必須面對駕駛習慣的學習，甚至包括駕駛風格，這感覺就像是汽車變成了駕駛人的行車管家。

總的來講，人工智慧在未來擁有無限廣闊的應用前景，而在智能家看來，這更是未來智能家居乃至智能城市搭建的重要組成部分。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！