人工智慧AI最新案例和趨勢，看這一篇就夠了
底什麼是人工智慧？人工智慧能做什麼？這是大家最關心的問題，但說到真正能夠理解的話，還是只小部分專業人士。這篇文章通過介紹AI應用案例，目標是讓更廣大的受眾能理解這一重要的技術。我們已經處在數字化的世界了，未來的價值創造的方式將會是高效的信息處理。而人工智慧將會是促進技術發展的強大動力，推動社會的高速發展，其歷史意義不亞於工業革命。
這幾年機器學習等演算法的發展，解決了工智能應用的關鍵問題，就是讓機器可以獲得「知識」。讓人工智慧以更聰明的方式進行學習，從歷史的大量數據中發現潛在的規律和模式，從而解決以後出現問題。當下人工智慧的應用範圍正在擴大並以非常快的速度進入所有行業。
為了讓大家更好的理解人工智慧，即使是非技術背景的人也可以聽懂，在這裡對AI實現的技術細節進行抽象，重點在於對不同行業應用案例的總結，以及未來發展趨勢的描述。這項技術正在飛速發展中，這裡所說的全部四十個案例加起來也僅僅是冰山一角，就算是拋磚引玉吧，給大家一個初步的印象AI能夠做什麼。
智能信息流
一、在線搜索
這可能是我們最常用的同時也是最著名的機器學習應用，谷歌正在不斷改進搜索引擎的演算法。當用戶每次在Google上執行搜索時，搜索引擎都會關注用戶對搜索呈現結果的響應方式。如果用戶單擊頂部結果並且在這個網頁停留了一段時間，那就可以假設用戶獲得了所需的準確信息，同時標記這次搜索結果成功。另一方面，如果用戶跳過第一頁直接單擊搜索結果的第二頁，或者是沒有單擊任何結果而重新鍵入新的搜索關鍵字，就可以推測搜索引擎沒有提供用戶想要的結果，那這次搜索就是失敗的，搜索引擎可以從這個錯誤中吸取教訓，以便在下一次搜索提供更加準確的結果，讓用戶覺得更好用。可以想像用戶的搜索需求是非常多樣的，搜索引擎要通過「猜」用戶喜好的方式來讓每個用戶都滿意是一件多麼困難的事情，但就是在用戶每一次鍵入關鍵字，點擊搜索按鈕查看結果的過程中，這些帶有用戶搜索行為模式的信息碎片，不斷重複和聚集，就像點滴水滴集合成細流最終彙集成巨大的信息洪流，流向超大規模的伺服器矩陣中，以數以億記數據訓練人工智慧的進行學習，不斷拼接出用戶搜索行為的完整畫像，越多的數據就意味著越多的拼圖碎片，在人工智慧眼中的用戶搜索行為就越完善。對於用戶來說僅僅是感覺到搜索引擎越來越好用了，結果越來越準確了。
二、 新聞生產者
AI寫新聞，這也不是什麼新聞，已經產生有一段時間。已經應用在很多大的資訊平台上，像雅虎、谷歌、福克斯等公司。實際上很有可能你已經看過AI寫的新聞，或者AI對新聞發表評論等內容，只是你並沒看出來這是一篇出自機器作者之手的新聞。大家都使用AI為其用戶開發新聞。它寫了關於體育、金融和時事類的簡單文章。AI不像專業記者會對調查主題進行深入報道然後寫出專題文章，更多的時候AI是對發生新聞的相關領域進行概要的描述。Google使用一個AI與人類協作的新聞網站每天自動編輯「吸引人的故事」，也收到了不錯的效果。隨著技術的越來越成熟，未來機器人編輯不僅寫稿快，而且更加客觀，還能基於大數據準確的知道受眾的喜好，從而寫出用戶喜愛的稿子。隨著無人機和智能感測器的大量部署，機器人編輯可以控制這些智能設備靠近新聞源頭，多角度捕捉圖像和視頻，實時的編輯上傳，給讀者更加貼近新聞的現場體驗。同時還兼具成本低、易管理、隨時待命的特點。
三、社交媒體：
AI演算法通過用戶反饋和評價機制，來了解用戶感興趣的內容。同時不斷改進他們推送的內容，這些迎合用戶偏好的內容可以廣泛的傳播。各種APP都在在利用機器學習來進行優，包括社交媒體內容、目標受眾以及消息推送時間。AI也會利用自然語言處理和機器視覺來分析用戶在社交媒體瀏覽軌跡，以及用戶行為和產生的內容：包括發表帖子、評論、轉發、點贊等所有一切。用戶的一切行為都會被記錄、分析歸納和總結，通過複雜的演算法，讓計算機AI里更加了解用戶是什麼樣的一個人，有著什麼樣的興趣愛好以及需求。從而進行更加智能的推送。比如Facebook使用了更聰明的AI程序員，根據用戶個人的喜好啟用新聞源。這就是用戶在Facebook信息流看到自己感興趣的東西的原因。這些高度關聯的推薦也是通過分析用戶在社交媒體上執行的每項操作來進行動態調整的。但現在也有一些質疑的聲音認為這種基於興趣的推薦會帶來一個負面的問題就是過度沉迷，因為社交媒體總是在推薦用戶感興趣的內容，交互體驗又極其簡單：動動手指的滑一下。這樣就會讓用戶在裡面消耗大量的時間。原本計劃打開APP看幾分鐘新聞，但不停的被關聯內容推送引導瀏覽，不斷往下下滑刷新的內容永遠沒有底部，不知不覺就過去了幾十分鐘。雖然在每一個頁面僅僅消費的十幾秒鐘時間，但瀏覽頁面數量太多也造成了很大時間消耗。
四、實時翻譯：
現在的AI具有自然語言檢測功能，用一種語言形成的新聞可以翻譯成另一種語言。全世界的人們可以同時關注一個新聞或同時更新，而不需要人工翻譯的接入。也可以在面對面對話的時候進行實時翻譯。原理是使用神經網路翻譯技術處理人的講話，這也是通用語音識別系統的工作原理。
谷歌翻譯現在可提供超過100種語言，每天提供超過10億次的翻譯，月度活躍用戶超過10億人次。還有實時翻譯機器也非常強大，除了官方語言的支持以外，甚至還支持方言，同時保障了很高的準確率，已經非常接近人類了。在未來智能眼鏡內置了機器翻譯程序之後，可以通過AR的方式投射在智能眼鏡上面，這樣當我們在看到外文的時候，將會實時的翻譯成母語，顯示在眼鏡上面；聽到外文的時候會實時翻譯成母語，傳給我們的耳機。再也不用花很多年時間去掌握一門外語，依然不能達到流利溝通的目的，有了機器翻譯對外的商務溝通和出國旅遊也都變得非常便捷。可以隨時來一場說走就走的旅行，去一個小語種的國家，展開一段冒險體驗。
泛娛樂
五、二次元偶像：
在2017年人工智慧偶像「絆愛Kizuna」，在youtube開了一個A.I.Channel，播放她作為一個人工智慧的日常，與粉絲聊天、直播打遊戲、講段子等等，行為就像是一個女同學，有好奇心也很愛玩，樂觀積極。因為當前AI還沒有那麼完善，所以經常鬧笑話，因此也被粉絲們親切的稱為：「寫作人工智慧，讀作人工智障」。這位虛擬偶像在國外爆紅，一年多時間裡收穫了150多萬粉絲關注，1億多次播放。但在虛擬偶像方面她還不是最厲害的，她有一個前輩——初音未來，不僅出唱片，開了演唱會，甚至還搞了全球巡演，作為偶像來說也是非常厲害了。試想以後都有性格好又好看的AI小姐姐陪伴我們，那也非常值得期待的事情。你期望中的人工智慧虛擬形象又是什麼樣子呢？歡迎和老張互動交流。
六、 電影音樂推薦：
每當有新電影出現時，AI都會把電影推薦給非常精確的目標受眾群體。這當然來源於用戶興趣的深入研究。通過關注用戶所做的選擇，它可以持續生成推薦建議。如果你用過Amazon或Netflix服務，就會對這種用法很熟悉。智能機器學習演算法會分析用戶活動並將其與數百萬其他用戶進行比較，以確定客戶可能想要購買或者是感興趣的內容。並且這些建議會變得越來越聰明，例如，在你購買了某一件物品A時，系統推薦超過70%的人同時購買了另一件物品B，那麼一般情況下，你購買B物品的概率有多大呢？超過一半了吧。
NETFLIX網飛藉助大數據做出了一個冒險的決定。通過分析幾千萬用戶觀眾的觀影歷史、觀題材內容、故事情節、演員選擇以及對不同影視劇的評分等等數據，做出決定得：拍攝一部有關一位參議員的連續劇。這部劇就是政治題材的人氣美劇《紙牌屋》，獲得了巨大的成功。並且Netflix今年獲得了112項艾美獎提名，這讓巨頭HBO十八年來第一次失去劇集霸主的地位。試想一下，傳統編劇和用戶大數據AI，誰更容易寫出用戶喜歡的劇本呢？這個問題是充滿爭議的，還是讓我們保持觀察吧。
七、 AI虛擬世界：
使用VR和AR技術，可以給用戶提供沉浸式體驗。人工智能的加入將會讓這種體驗更加真實和更加有趣味性。比如各種主題虛擬世界會有各種各樣的主題開放場景可以體驗，玩家可以也按照自身偏好來進行場景設設置，場景中的AI會按照你需求的方式來與你互動，遊戲沒有唯一目標，而是開放式可以進化的系統。這樣每個人都可以選擇不同的遊戲交互，給玩家更接近真實的體驗。同時玩家也會佩戴各種身體感測器，用身體的移動直接控制遊戲，這些感測器可以感知身體的動作並使遊戲角色在虛擬世界中移動。就像各種虛擬題材的遊戲一樣，只是這將會是一個更加真實的世界，這樣的世界將會非常宏大和充滿想像力，可以在裡面任意創造，也可以與其他玩家互動。雖然這樣的虛擬遊戲世界還沒出現，從現在來看有點類似電影《頭號玩家》和美劇《西部世界》的樣子。
八、 AI電子競技：
之前在導論中介紹過谷歌最近正在訓練AI組隊打遊戲，並且擊敗了頂尖水平的業餘玩家。其原理是通過自我對抗的方式從隨機權重開始學習，幾天之後，AI的策略就非常接近人類了。AI每天都能完成人類玩家180年的練習量。現在人類已經開始陪人工智慧打遊戲了，這個事情非常有意思。那麼為什麼要訓練AI組隊打遊戲呢？像《星際爭霸》這樣的類型的即時戰略遊戲，每個單位可能的變化和互相影響的複雜度是遠遠超過棋類遊戲。並且即時戰略遊戲更加混亂且有連續性，也更接近於真實的世界。如果AI能在即時戰略遊戲戰勝人類，那將可以帶來海量的AI技術商業化的應用場景。也許以後的電子競技運動項目也會分為AI組、人類玩家組、人類和AI混合組來進行的比賽，不知道這樣的比賽誰會是最後的贏家，你又會支持哪一隊呢？
智能教育
社會高速發展，剛進入數字化社會，人工智慧時代也馬上到來。那麼如何才能培養適應AI時代的人呢？這是每一個家長都應該思考的問題。這個問題後面會有專題來討論，這裡我們只談一些教育領域AI的應用：
九、 AI學習助手：
對大量學生進行評分是一件累人的工作，特別是當評分體系的參數不好量化的時候。就可以使用AI學習助手技術，個性化的AI可以關注學生的日常表現，每一節課、每一次發言、每一次作業都可以得到動態的評級，基於海量大數據的模型，可以保障評級的真實有效，而且客觀公正。同樣的，評分會給出相對優秀的部分，也會有低於平均需要改進的建議，這樣家長可以和學生一起，在學習過程中動態調整，獲得AI的幫助制定學習計劃和推薦學習材料。AI可以比人類更好地決定課程。憑藉其與互聯網的連接和智能化的分析技術，它將學會判斷什麼樣的專業知識是當前社會必要掌握的。可以決定學生在實際生活中需要哪些新的信息，以及如何學習更具互動性，從而動態的調整學習的計劃和內容。評價體系也不是每個學期末的時候，以一次考試成績來界定學生的學習能力和成果，評價維度也會更加多元和全面，培養目的會從通過考試變為更加適應未來時代的綜合能力。
十、 教育輔助軟體：
教育軟體已經出現很長一段時間，AI教育軟體將會有所不同。人工智慧教育關鍵在於提供個性化教育。他們在個人層面與學生進行互動，並了解每個學生都有不同的特質和能力。VR+AR等新技術結合展現形式，通過AI做輔助學習和定製課程，真正達到因材施教，根據AI的反饋每個人的學習進度都有可能不一樣，學習進度的時間線也將會被個性化。學習進步快的孩子在AI的幫助下，也許一年就可以完成整個小學的課程，而有的慢一點孩子也許要多幾年的時間。
AI也可以做實時的語法修正以及理解知識補充相關案例，這些學習過程中的實時輔助，將會提高學生的學習結果。AI用於學習所有語法規則並糾正學生在寫字、打字、說話時所犯的錯誤。就像word裡面的文字檢查一樣，對大多數人來說都是非常很有效的。而補充理解知識的案例將會利用海量互聯網信息作為支持，結合AI的演算法來推薦，推薦最能夠幫助理解的案例來進行閱讀，協助知識點的學習。
十一、 教師的角色：
我們知道人工智慧可能會協助教師進行評分和輔導學生。如果這種情況持續下去，AI是否可能取代教師角色？雖然這對許多人來說可能聽起來很有威脅性，但事實並非如此。教師總是可以從人工智慧系統中獲得最新的教師專用AI，用來實時了解班級每個學人學習進度和成果，教師的AI會更加關注學生的全面發展，給學生AI提出改進意見，組織學生形成隊伍完成一些研究，團隊和協調和配合等等。教師就像一個統帥，帶領一個隊伍進行學習，統籌和安排，最終目標是讓所有人都獲得良好的學習成果。
十二、 訓練模擬器：
飛行和駕駛訓練模擬器已經出現很長一段時間。這些模擬器在現實生活中也經常可見，比如電子遊戲中的賽車模擬器。它們消除物理上的危險因素，然後通過感測器來感知操作者對這些出現危險情況的反應。在人工智慧的幫助下，會對這些操作的過程和反饋會進行處理，綜合起來形成一份對操作者的報告以及多方面的評分。並且這個技術也可以用在遠程控制機器人領域，比如需要危險作業機器人實時回傳視頻和感測器數據，在模擬倉中的駕駛員可以進行操作，同時AI給出場景實時信息和操作建議，提升任務成功率降低風險。遠程控制在深海無人潛水艇以及火星探測機器人等領域都有實際的應用，當未來AI技術融入之後將會帶來更好的科研效果，AI可以掃描視頻畫面，對出現的物體進行辨別和分類，分析哪些目標是重要的，需要進一步採集分析的；同時AI綜合各種信息來規劃探索的路徑和及時應對可能的風險。
智能醫療
醫院調研的受訪者表示，AI技術可能在人群健康狀況、臨床決策支持、診斷工具和精密醫學上影響較大。即便在藥物開發上，AI也可以使數據收集和試驗進度更快更精準，並縮減成本。
十三、 AI健康助手：
不是每個人都會經常去看醫生。AI系統配備了正確的機器學習演算法，可以了解複雜的人體狀況並提供可能的醫療建議。很有可能在未來十年內，即使沒有人工監督，人工智慧也能完全照顧一個人。它甚至可以配備簡單語音，可以與你每天對話溝通。也可以作為個人健康教練，按照我們的生理指標制定健康運動計劃。如果我們生病了，AI將會調出歷史記錄包括：病史，基因、使用藥物和治療效果概況，可以創建自定義藥物或護理計劃，並且AI給出建議這個計劃是否可行或者存在的潛在風險，以及治癒的周期和概率。建立檢測和防止可能的誤診的機制。找出藥物對特定患者最有效。AI會根據數據找出最佳治療方案的建議，為用戶提供量身定製的解決方案。包括進行早期診斷：分析利用實驗室數據和其他醫療數據的慢性病，以便早期診斷。用遺傳數據提供關於某些疾病發展可能性的詳細報告。安排合理的護理計劃，以消除或減少風險因素。同時AI也可以控制陪護機器人，目的是幫助醫生，而不是取代醫生。醫生很難同時為很多患者提供護理。在治療期間，患者可能需要長時間呆在他的位置。AI機器人完成了同時照顧很多人的重複性基本任務。這可以防止醫生身心疲憊。
十四、 微型手術機器人：
醫生很難操作一些人體的內部區域。這時候就可以使用微型手術機器人放入人體內，以運行程序的方式或者遠程控制的方式，以代替醫生執行原來需要手動完成的任務。而醫生可以在屏幕上監視這些機器人的狀態和行為。可以拍攝身體內部診斷點掃描和圖片，也可以獲取組織樣本，取出來給醫生進一步檢查。手術機器人的應用可以降低手術醫生的壓力，延展醫生的雙手，更加靈活的進行操作，更加準確的圖像獲得，從而提升手術的成功率。順著這個發展方向，以後很有可能出現全自動的手術機器人，通過對人體進行掃描和建模，獲得手術部位的3維結構信息，人工智慧進行上萬次手術模擬，得到最佳的手術策略和風險應對程序，給手術醫生審核並模擬操作。然後在醫生的監督下，開始實施手術程序，如果手術中間出現問題，醫生可以隨時接管機器人，切換為人工操作。同樣的隨著時間的積累，人工智慧機器人會越來越熟練地掌握手術，以達到接近完美的程度。如果這個人工智慧系統是全世界部署的話，所有醫院都在為這個人工智慧提供手術的數據，海量數據會大大縮短可用性測試的過程，也許僅僅一年時間，人工智慧的微型手術機器人就可以代替手術醫生站在操作台上了，而醫生則可以給出更多建議和關鍵決策來優化機器人的手術程序和處理那些意外的情況，因為意外總是會發生，所以醫生也是不可或缺的。
十五、 快速準確的診斷：
人工智慧已被用於檢測人體的異常。機器學習演算法可以處理更多信息並發現比人類更多的模式。AI具有對許多疾病和疾病進行準確診斷的能力，因為AI能夠從過去的經驗中學習並檢測正常醫療設備和技術無法檢測到的模式。甚至可以檢測到逃避X射線和MRI的異常。通過先進的醫學成像，用於分析和轉換圖像並模擬各種可能性。使用配備AI圖像處理功能的診斷平台可以檢測潛在疾病，並且診斷出這些異常。越來越多的專項診斷案例中，AI的診斷準確率已經超過了人類醫生專家團隊。
IBM華生(Watson)系統對肺癌判斷的準確度是90%，而人類醫生只有50%。GE醫療就人工智慧輔助肺結節檢出與診斷進行研究，並已取得階段性成果。GE醫療的一款診斷圖像處理軟體，整合了人工智慧技術與深度學習理念和工具，通過多層神經網路和神經元來模擬人類大腦實現圖像識別，在診斷效率和精準度、肺結節自動識別敏感度以及檢出率上均取得大幅提升。階段性臨床測試結果顯示：人工智慧工具在
谷歌研究院在機器學習技術的幫助下，研發出了一種增強現實顯微鏡，能夠實時監測出癌細胞的動態。使用普通的顯微鏡來定位癌細胞是一件非常困難而且費時的過程，並且需要大量的信息供醫生進行研究和調查。而現在通過這種新的增強現實顯微鏡，可以快速找到癌細胞的蹤跡，為醫生診斷提供強有力的幫助。
事實上，AI在醫療診斷的領域正在快速發展，只要積累了大量的被標記的有效病例數據，結合醫生判斷患病的邏輯，就可以通過AI進行模型訓練，從而給出患病風險的概率提示。並且AI的診斷系統一旦被部署，就可以隨著診斷案例數量的提升的不斷完善，提升準確度。可以減少因為人的經驗，疏忽遺漏等問題帶來的誤判，讓患者獲得提前治療的黃金時間。
十六、 預測病人死亡時間
谷歌旗下的Medical Brian團隊開發了一種新的人工智慧演算法，可以幫助醫院預測短期病人的死亡時間。
一名身患乳腺癌晚期的女性來到一家城市醫院，這時候她的肺里已經充滿液體。她看了兩位醫生，還做了一次放射掃描。醫院的電腦讀取了她的生命體征，估計她在住院期間去世的概率為9.3%。同時谷歌使用新開發的一種新型演算法讀取了這位患者的17萬個數據點，然後測算出其死亡風險為19.9%。她幾天之後便去世了。今年5月，這個案例被匿名發表在谷歌的一篇研究報告中，藉此說明神經網路在醫療行業的潛力。這種工具可以預測很多病人的結果，包括他們可能的住院時間、再次住院的概率以及短期內死亡的概率。
最令醫療專家印象深刻的在於，谷歌的新演算法可以篩選之前醫生無法獲得的數據：埋藏在電子文件中的注釋或舊資料中的潦草筆記。這個神經網路會獲取所有非常規信息，經過分析之後進行預測。速度也比目前的相同技術快很多，準確率同樣大幅提高。甚至可以顯示具體哪一項醫療記錄導致其得出現有的結論。醫院和醫生多年以來都希望更好地利用海量電子病歷和其他病人數據。如果能夠實現數據的共享和開放，就有可能拯救更多生命。
十七、 智能假肢：
在某些意外情況下，人體可能會意外或故意地失去一部分肢體。現在正在研究接入由人工智慧驅動的機器人手或腿，以代替原來的肢體。雖然這項技術現在還不是很完善，但我們的目標是在不久的將來看到他給人類帶來的便捷。智能假肢對於殘障人士而言已經不再代表著冷冰冰的機器，而是象徵著未來的可能性，能夠自己照顧自己生活起居，甚至再回歸職場，像正常人一樣工作、學習、生活。現在出現了使用超聲波驅動的義肢，可以讓使用者做出想要做的動作。大多數的義肢產品都是由肌電感測器控制的，但是肌電感測器並不準確，無法精確地推斷佩戴者想要移動那一根。而採用了超聲波驅動的仿生義肢精準度大大提升，甚至能夠準確判斷到每一根手指的動作指令。這樣的假肢甚至可以彈鋼琴，如果項技術未來也可以應用在使用者的日常生活當中，將大大改變截肢者的生活。人與人工智慧的結合正在溫暖我們的生活。提高他們的生活質量，也是提升全社會的文明水平。感謝科技進步給人來帶來溫暖。
本篇是老張創作的課程《人工智慧進化論課程》基礎篇內容，轉載需授權。
讀完了覺得內容不錯的話請轉發和評論~
TAG:人工智慧進化論 |