AI系统：硬件+感知识别+数据+算法
AI的原理
利用物联网等技术得到现实世界和人体数据，再通过算法给对象贴标签，分类，也就是识别对象，再找出对象之间的相关性和量，以及行为的概率，发现问题和规律，再提供to b服务或者to c千人千面的个性化服务。
举例子：AI其实就是我们喂给机器目前已有的数据，机器就会从这些数据里去找出一个最能满足（此处用“拟合”或可提升逼格）这些数据的函数，当有新的数据需要预测的时候，机器就可以通过这个函数去预测出这个新数据对应的结果是什么。
所以在做智能产品之前问自己什么信息是可以采集的，什么信息可以通过算法统计得到的，现实世界又有什么问题效率低下可以改善？
那人类是如何思考的？
可看我之前整理的记忆原理篇，总结为输入-意识-感官识别-编码-关联-存储-分类-重复-输出。
有没有发现现在的AI很像人呢？？？？只是没有情感和真正的意识
人脑构成：
电脑----模拟大脑
冯诺伊曼pc：
所以一款产品的智能模型：
机器智能学习分类：
监督式学习(训练数据，数据被标识)、非监督式学习（关联规则，数据并不被特别标识）、半监督式学习（预测和分类，部分没有被标识，对未标识数据进行建模）、强化学习（输入数据直接反馈到模型，模型必须对此立刻作出调整，也就是输出）。
具体见这篇
AI核心：物联网技术+模式识别+数据多维度多+业务规则+算法
基础层：
物联网IOT（二维码标签和识读器、RFID标签和读写器、摄像头、定位GPS、无线传输zigbee、短距离通信如NFC等）、神经网络芯片、传感器融合、图形处理器GPU、集成电路可编程器器件门序列FPGA、通信技术ICT（如WAN/ LAN/蓝牙/ VPN/PBX/视频监控/网络安全等）、自然语言处理、模式识别（语音识别、图像识别、指纹、人脸）、机器视觉（提供传感器模型，系统构造，物体定位，特征检测、缺陷判断，目标识别，技术和运动跟踪）、人机交互（AR/VR等）、深度学习等算法（生成分析预测优化）、大数据(汇集、存储、云计算、可视化)、云计算、GPS、SLAM、路径规划等、一手数据
框架层：
TensorFlow, Caffe, Theano, Torch, DMTK, DTPAR, ROS等框架或操作系统
应用平台层：
行业应用分发和运营平台，机器人运营平台。
解决方案层：
智能广告、智能诊断、自动写作、身份识别、智能投资顾问、智能助理、无人车、机器人等场景应用。交通规划和预测、情感分析等技能。ET能实现直播实时字幕、看图说话、个性化推荐、体育视频分析，帮助人们更好地接受和处理各种格式的信息；还能提供包括智能客服、工业设备异常检测、法庭庭审速记、金融风控、电子商务恶意行为监、智能外卖调度、智能投顾将帮助金融机构开拓用户、公共服务（安防监控，无人机、预测警务应用可以应用于反恐、维护公共治安）、液化气泄漏、雨天窗户自动关闭系统，浇花，喂鱼等，远程了解老人小孩状况、检测用户的英语口语能力并进行打分。
应用范围：
人工智能更易于解决符合以下特点的商业问题：
●行业存在持续痛点；
●商业流程本身具备数字化的信息输入，问题可以细分并清晰地界定，商业流程存在重复，且获得的结果的沟通以书面沟通或单项沟通为主；
●商业流程较少受整体商业环境的复杂影响。
应用类型
包括对象和行为的识别、分析、预测、监控、控制、自动化。
案例：
1）物流配送
传统外卖配送采用人工调度，由派单员进行手工派单，所依据的是有限的餐厅和配送员的数据，因此派单随机性强，配送效率低，派单高峰时，爆单现象频发，派单本身的人工成本较高。互联网外卖应用的火爆，积累大量外卖场景的相关数据后，阿里云大数据孵化器团队采用人工智能技术，基于外卖场景的数据基础，分析餐厅、配送员、订餐人、配送路径的特点、并结合业务规律、天气等数据实现智能调度高级算法，实现机器实时智能调度，从而合理利用运力，提高配送效率。当场景应用形成正循环后，甚至能够提前对用户行为（如提醒订餐）和餐厅行为（如点菜和出餐速度分析）等进行影响分析，从而进一步提高外卖场景的整体效率。
2）跑步提醒
Stepp它可以在你的跑步过程中追踪整个下肢的运动动态，并通过耳机让你在跑步中获得实时指导，对你的跑步姿势和受伤可能性进行提醒，通过Stepp让你在运动过程中获得世界级，个性化的跑步教练
3）与虚拟世界互动
如果你每次戴上虚拟现实头盔的第一个动作就是想要伸手摸摸自己在屏幕中看到的一切，现在这款Gloveone虚拟现实手套可以帮你完成这个愿望。可以这么说，戴上Gloveone手套之后，就可以摸到虚拟显示头盔中看到的所有东西。例如说河流、苹果甚至是面前的美女。此外，戴上这款手套后手指还可以感受到风、雨、雪甚至是迎风飞舞的蜻蜓蝴蝶。
4）监测植物环境
Plant Friends 是一个植物环境监控系统。它能监测土壤湿度、空气温度和空气湿度，并将通过电子邮件和短信提醒你当你的植物口渴了。电池供 电的系统，无线，Arduino和覆盆子基于APi和附带了一个Android应用程序。应用程序使您能够查看实时和历史数据(温度、湿度、土壤水分)在 你的手机上。
在农业、类似于种植，比如对土壤酸碱度、湿度的自动识别帮助我们灌溉，预测产量，都是可以做到的。比如可以通过卫星云图预测某种作物它的产能和产量
5）监测身体反应
相亲：智能隐形眼镜可以通过记录你的身体反应来追踪你观察最频繁的人，比如激素水平增加、信息素产生加速等。在更深的层面上，这种技术还可以根据物理、化学以及神经信号等，确认你的核心性格特征，比如你对冲突或在社交场合如何反应，以便进行完美匹配。而穿戴技术以及VR的发展，将使恋爱进一步数码化和情景化。
6）跟踪人类活动
这款智能水壶，配置了720毫升的容量，并配置了App操作使用，也可以通过蓝牙连接手机。当它计算出你身体开始缺水时，壶身就会发亮，提示你该喝水了。
Hatch Baby智能尿布垫，你可以通过App就能了解到婴儿的体重变化，每一餐摄入的食物量和水量，以及换尿布的时间等，并且这个尿布垫还可以随着婴儿体型而调整大小。
运动健身：川崎智能羽拍完美内置一颗智能芯片，它能够记录你扣杀、平挡、抛球、搓球等的次数、力度、弧度以及消耗的卡路里，让你更加了解每一次运动数据，了解自己的动作杀伤力和爆发力，更好地调整动作技术水准。在川崎智能羽球专属的“智能羽球”APP里，可以针对用户每周运动情况所作的一个健康统计，通过运动频次、运动时间和卡路里消耗情况，综合评估你的健康状态。并根据用户个人BMI(身体质量指数)设定适合自己的运动目标。让你的运动更具效率!
7）智能教学
推荐学习路径：传统教学中，学生接受老师传播知识内容的时间是一致的，包括信息量也是一致的。上课45分钟的时间里10个知识点，前20分钟有些学生已经学到了10个知识点;而剩下的时间里，学会的学生可能开始懈怠。智适应教育将学生画像+内容侧写、机器学习+概率图模型结合进行个性化学习内容和路径相匹配;针对学生做出一个最为精准的学习路径的推荐。同时，根据教育测量学、认知诊断理论，能把每个学生他所缺的部分都精准规划出来
检测词汇量：先给你第15级的单词，测完之后如果你会了，我们就知道你的词汇量是在1.5到3万之间。如果你不会，我们就知道你的词汇量在0到1.5万之间，以此类推。
8）监测销售运营
比如通过销售和客户的通话录音，分析销售在沟通过程中是否提到公司所需的关键词，这是白名单，同时还可以有黑名单，识别销售与客户在沟通语音进行分析判断。
9）声音转文字，图片转文字，语音合成
10）监控环境
防盗：在车上安装GPS定位器可以有效防盗防丢，随时跟踪掌握爱车的情况，还能在开车的时候做到导航的作用，更能做到一次性充电长久使用想去哪就去哪就是这么轻松。
微型摄像头：迷你的造型，走到哪里都可以随处携带，可以应变各种意外
11）智能搜索+问答：
智能理赔、智能客服
企业商业模式类型：
1）生态构建者（大量计算能力投入，积累海量优质多维度数据，建立算法平台、通用技术平台和应用平台，以场景应用为入口，积累用户）
2）技术算法驱动者（算法平台和通用技术平台）
3）应用聚焦者（掌握细分市场数据，选择合适的场景构建应用，建立大量多维度的场景应用，抓住用户）
4）垂直行业先行者（如滴滴出行、旷视科技）
5）基础设施提供者（以芯片或硬件）五类竞争定位模式
数据的来源
方式一，自筹数据，即从零开始，投入大量人力采集数据。例如，很多聊天机器人公司聘请人类担任“AI训练师”，让他们手动创建或核实虚拟助手做出的预测。一旦能够引发数据网络效应，即形成“更多用户—更多数据—更优智能算法—更好产品—更多用户”的正循环后，所需人力就无需再跟随用户数量同步增加，这种简单的自建数据策略就能取得成功。另一些公司采取向消费者提供特定领域免费应用的策略，以此来快速积累数据。例如，Madbits、Clarifai等图像识别公司都推出了免费的照片应用，以便为图像识别核心业务收集更多的图像数据。
方式二，公共数据。美国联邦政府已在Data.gov数据平台开放了来自多个领域的13万个数据集的数据。这些领域包括图中所列的农业、商业、气候、生态、教育、能源、金融、卫生、科研等十多个主题。
方式三，产业数据协同，即下游创业或行业公司和产业链上游的数据或平台型公司建立合作，连接对双方均有利的产品或数据，例如：益海鑫星、有理数科技和阿里云数加平台合作，以海洋局的海量遥感卫星数据和全球船舶定位画像数据为基础，打造围绕海洋数据服务平台，服务于渔业、远洋贸易、交通运输、金融保险、石油天然气、滨海旅游、海水垦殖、环境保护等众多行业，从智能指导远洋金枪鱼捕捞到智能预测船舶在港时间，场景丰富。
几大公司目前布局情况：
IBM——是人工智能布局最早的公司，源于没有抓住移动时代，它提前针对下一个时代进行布局。
AI技术：语音语义、深度学习神经网络 （曾收购过AlchemyAPI）
整体解决方案：商业解决方案Waston API（提供了一套完整的API，语音到文本、文本到语音、权衡分析、独特见解、提问和回答、语气分析器以及视觉识别。）
云平台：IBM Bluemix开放云技术平台（ PaaS+ 7 种 IBM Watson 服务）、机器学习平台SystemML
硬件：人工智能芯片TrueNorth
产业布局：深蓝计算机；智能机器人（与苹果、与软银机器人Pepper）合作；物联网；医疗服务；VR游戏。
Google-Alphabet——人工智能实力最强大的公司
AI技术：视觉、语音、自然语言、大数据、 神经网络训练+深度 学习（曾收购过Dark blue labs、Vision factory、Deepmind、Jetpac、DNNresearch一堆技术公司）
云平台：第二代机器学习系TensorFlow（包括了各种“预训练”模型、自然语言处理、推荐系统、模式识别以及预测功能）
硬件：人工智能加速器芯片TPUs （Tensor processing units）
产业布局：无人驾驶、基于智能手机的各种app应用与插件、智能家具（硬件手表、家具中枢Google Home）、VR生态（Daydream平台、VR头显与控制器、适用的手机。
下面具体讲解几个核心技术
计算机视觉技术：
识别流程：
计算机视觉技术与企业：
语音识别流程：
语音识别技术及企业：
神经网络
人类至今尚未明白人脑的工作原理，不过这没关系，我们可以先复制出一个人脑的计算模型：一件事情并非像计算机程序那样输入指令输出结果，而是在人脑的多个神经元传递，每个神经元都对信息进行自己的加工，最后输出的结果。计算机科学家用同样的方式，在输入和输出之间，加入了非常多的“节点”，每个节点会对前一个节点传来的数据，按照自己拥有的一个权重系数进行加工，有时候节点还会分层。这就是“人工神经网络”
开放技术平台API：
IBM的开放沃森分析平台、脸谱网的wit.ai开放平台、科大讯飞的AIUI开放平台、AI语音功能
技术操作系统（包括物联网连接、人机交互、云存储和一体化、并行计算等要素）：
谷歌的TensorFlow，facebook的Torc，Caffe（图像处理）
附上AI核心之大数据版图（17年）：
全部公司见这里：
AI中国公司排名：
AI应用之机器人
产业链：
主要国家：
日（发那科、安川、欧地希、川崎、不二越）、美（AdeptTechnology、AmericanRobot、美国百特、雅马哈机器、精工爱普生、爱德普）、德（库卡、徕斯）、韩（现代重工）、中、瑞士（ABB、史陶比尔）、意大利（柯马）
分类：
家用、工业、专用。
家用服务机器人：
主要包括家政服务机器人（包括烹饪、清洁、割草机等家庭作业）、娱乐机器人（如乐高玩具）、助残机器人、教育助手、个人交通机器人和家庭安全与监视机器人。其中，家政服务机器人和娱乐机器人占据主要市场份额。
工业及专用机器人作业种类（一般是特殊环境和高精度要求）：
移动运输搬运、分拣、装卸、整车的焊接、零部件的焊接、堆垛、激光加工、冶金铸造、密封涂胶、塑料的生产加工、切割、研磨、包装、喷漆、扫描测量和检验、真空环境下工作的机器人、洁净环境中使用的工业机器人。
军用、户外（如水下机器人、消防救援、农业）、地外星球探测、公共服务（医疗等）
应用市场排名：
国内外工业机器人产业链供应商一览
分布在北京、哈尔滨、沈阳、大连、南京、上海、合肥、苏州、宁波、长沙、广东等
上游是核心零部件，主要的是减速机和控制系统，这相当于机器人的‘大脑’，中游是机器人本体，就是机器人的‘身体’，下游是系统集成商（将批量的机器人、网络系统以及其他辅助设备组成一个生产车间），国内95%的企业都集中在这个环节上。上游产业价值最高，减速机为核心物质
一般的机器人都由机械结构、控制驱动系统、感知系统、交互系统等部分组成。
通用软件平台:
机器视觉是现有的机器人从自动化设备转变为智能机器的一个关键因素。最初是作为机器人的辅助工具，提高柔性和对工作环境的反馈，主要应用于引导和定位、检测和识别等，随着工业大数据和深度学习的发展，未来将使机器视觉成为智能生产系统的主导，做出决策和预判断
注意看阿里写的《人工智能 未来制胜之道》，写的很好
《人工智能标准化白皮书2018》
网友评论