AI+的无限可能

从数据处理看pc-互联网-物联网-人工智能-机器智能

    数据对于智能就是一个能源，数据处理能力、计算能力不断提升，也同样代表着智能化不断进步，从计算机、互联网、物联网、人工智能乃至机器智能，每个发展阶段，对于数据的处理、计算能力制约着智能化的应用。

图1：数据处理与应用流程

    50年代是计算机研制的第一个高潮时期，那时的计算机中的主要元器件都是用电子管制成的，后人将用电子管制作的计算机称为第一代计算机。这个时期的计算机发展有三个特点：即由军用扩展至民用，由实验室开发转入工业化生产，同时由科学计算扩展到数据和事务处理。

    2008年末，“大数据”得到部分美国知名计算机科学研究人员的认可，业界组织计算社区联盟 (Computing Community Consortium)，发表了一份有影响力的白皮书《大数据计算：在商务、科学和社会领域创建革命性突破》。它使人们的思维不仅局限于数据处理的机器，并提出：大数据真正重要的是新用途和新见解，而非数据本身。开始了数据应用的开端。

    随着5G时代的到来与应用，数据传输速度更快，比4G快到10倍以上。5G网络的高速低延时特性意味着运算力不必随身携带。迷你设备的背后，可以是通过5G网络连接的服务器群组。是的，不久的将来，我们的手机、笔记本、智能腕表都有机会成为一台超级电脑。5G网络可以实现很多曾经不敢想象的场景，比如通过手机游玩PC上的顶级3A大作。所有复杂图形运算可能会在几千公里之外完成，画面会通过5G高速低延时网络实时传递给手机，手机再通过5G网络给予高响应的反馈，让手机也能拥有顶级游戏PC的画质和体验。同时5G时代，你的设备必将越来越懂你。

    2017中国国际大数据产业博览会·机器智能高峰对话会上，马云提出，“机器智能”是新制造的推动力，因为机器会越来越聪明，越来越会自我学习，将重新定义原来的流水线、标准化、规模化、集装箱、低成本，而定制化会越来越多。

    机器智能的来源正是数据。“以前的电器是插上了电以后就听你话。未来电器不仅要通电，更要通数据。由于机器收到的数据，机器比人变得越来越聪明。”

    “人工智能”依旧是以“人”为中心定义的“智能”，而“机器智能”的范围更宽泛，还包括机器本身具备的超越人类的智能。

人工智能产业链四层结构

图2：人工智能产业链的四层结构

基础支撑层：国际IT巨头长期盘踞，中国初创企业很难进入

     在人工智能领域，传统的芯片计算架构已无法支撑深度学习等大规模并行计算的需求，这就需要新的底层硬件来更好地储备数据、加速计算过程。基础层主要以硬件为核心，其中包括GPU／FPGA等用于性能加速的硬件、神经网络芯片、传感器与中间件，这些是支撑人工智能应用的前提。这些硬件为整个人工智能的运算提供算力，目前多以国际IT巨头为主。

中间技术层：算法和计算力成主要驱动力，开源化是趋势

    技术层是人工智能发展的核心，对应用层的产品智能化程度起到决定性作用，在这一发展过程中，算法和计算力对AI的发展起到主要推动作用。技术层主要依托基础层的运算平台和数据资源进行海量识别训练和机器学习建模，以及开发面向不同领域的应用技术，包含感知智能和认知智能两个阶段。其中，感知智能阶段通过传感器、搜索引擎和人机交互等实现人与信息的连接，获得建模所需的数据，如语音识别、图像识别、自然语音处理和生物识别等；认知智能阶段对获取的数据进行建模运算，利用深度学习等类人脑的思考功能得出结果，如机器学习、预测类API和人工智能平台等。在此基础上，人工智能才能够掌握“看”与“听”的基础性信息输入与处理能力，才能向用户层面演变出更多的应用型产品。

    当前，国内的人工智能技术平台在应用层面主要聚焦于计算机视觉、语音识别和语言技术处理领域，国内技术层公司发展势头也随之迅猛，其中的代表性的企业包括科大讯飞、格灵深瞳、捷通华声（灵云）、地平线、SenseTime、永洪科技、旷视科技、云知声等。

场景应用层：AI与场景深度融合，领域应用更加广泛

    应用层主要是基于基础层与技术层实现与传统产业的融合，实现不同场景的应用。随着人工智能在语音、语意、计算机视觉等领域实现的技术性突破，将加速应用到各个产业场景。

    应用层按照对象不同，可分为消费级终端应用以及行业场景应用两部分。

    消费级终端包括智能机器人、智能无人机以及智能硬件三个方向，场景应用主要是对接各类外部行业的AI应用场景。近年来，国内企业陆续推出应用层面的产品和服务，比如小i机器人、智齿客服等智能客服，“出门问问”、“度秘”等虚拟助手，工业机器人和服务型机器人也层出不穷，应用层产品和服务正逐步落地。

    其中，IBM最早布局人工智能，“万能Watson”推动多行业变革；百度推出“百度大脑”计划，重点布局无人驾驶汽车；而谷歌的人工智能业务则较为繁杂，多领域遍地开花，包括AlphaGo、无人驾驶汽车、智能手术机器人等；微软在语言语义识别、计算机视觉等领域保持领先。除此此外，家电行业也掀起了人工智能的热潮，不少家电企业都瞄准了人工智能，潜心研发AI技术，将其应用于家电产品。今年以来，长虹、美的、格力、格兰仕等都在向智能制造转型，试图立足“SmartHome”，将人工智能和智慧家庭更紧密地结合在一起。

顶层社会层：机器智能是否会让科幻小说的场景成为现实

    当突破人工智能，进入机器智能，是否会有第二种的人类的出现就是机器人，他们不再需要人们的任何控制，而他们自己就是一种物体，具有“生命”的“生物体”。这也是现在很多人担心的一点，担心随着人工智能技术的不断发展，当有一天到了人类已无法控制机器的时候，那我们在科幻小说中所看到的场景，是否真的要成为现实。

    2018年5月10-11日，举办的“国际智能与学习高峰论坛”，麻省理工学院前校长埃里克·格里姆森认为，随着人工智能系统的演进，它将会取代很多工作，有很多的领域岗位会发生变化。“人工智能主题覆盖范围很广，但很重要的一点是要考虑它对于社会的干预，这一点值得各国政府和全社会来重视。”

     随着人工智能的发展，它可能会展示出很多的人类行为，但人的行为并不一定都是道德的，所以我们对这样的问题需要特别小心，要考虑怎样把一些道德原则内置到系统中。

AI+应用

AI+应用

    语音技术成熟但应用场景有限。语音识别是目前发展最成熟的人工智能技术。Nuance， 科大讯飞，Google，百度等主流厂商的近场语音识别率都达到 99%以上。但目前应用场 景局限在电子病例，智能客服，在线教育，车载导航、智能家居等少数几个领域。随着未来语音识别种类的进一步丰富，识别环境通用性的增强，以及远厂语音技术的突破，一定会帮助拓展其应用范围到智能家居等更多场景中。例如，现在的智能音箱（阿里的天猫精灵X1、小米的小爱、腾讯的腾讯听听、百度的Raven H、百度的视频智能音箱小度在家、喜马拉雅的小雅）。

    图像识别落地机会最多。图像识别技术不但有着非常高的识别准确率，而且能够很快给 出智能的反馈，因此图像识别技术最容易快速落地到各行各业中。安防行业中的车辆数 据提取，医疗行业的影像诊断，电商行业中的精准营销，以及辅助驾驶都为图像识别技 术提供许多落地变现的机会。

    自然语言处理在互联网行业中应用最为成熟。我们注意到基于人工智能的精准营销正帮助互联网广告公司不断提升流量价值，而且一些智能的销售客服机器人正在逐步替代人工成为线上销售，售后维护的主力军。

    智能机器人技术有待成熟。我们注意到一些公司开始在仓储机器人、手术机器人等细分 行业进行探索。但技术还有待成熟。

    AI在行业应用现在主要分布在智能家居（以智能音箱为代表）、汽车行业（以无人驾驶为代表），互联网（以广告精准营销与精准投放为代表）。

    无人驾驶，百度、阿里、长安汽车等于联网企业和整车厂也纷纷在无人驾驶领域重点发力，目前市场整体仍处于探索期。汽车行业肯定是巨头争霸的领域，因为汽车领域所需要的资本不是中小规模的公司可以承受的起来的，并且汽车行业的竞争对手可是拥有巨额资本以及工程技术。

    医疗行业，未来肯定是一个AI应用重地，只是现在由于技术还不够成熟，不能应用到具体的医学领域。电子病历的建立，不仅仅用到了语音识别技术，也整合了医疗大数据；影像诊断则用到了图像识别技术，现在在国内外都已经形成成熟的商业模式。辅助治疗和手术机器人由于技术的尚不完善，还在小范围推广。

    由于语音识别技术和机器视觉技术的成熟，大量应用这两个技术的行业将迎来AI变现的更多机会。

    农业，目前看来AI在农业上的应用在国内基本没有发展，如今的电子商务的发展至今对农业领域的影响甚微，如今也有些农村电商的探索企业，但是效果并没有很好，那AI是否可以呢？是的，可以。

    AI+农业，让农产品从田间地头到餐桌新鲜如初。

    今天的科技在信息技术、生物技术、新材料、能源技术、激光技术、自动化技术、航天技术、海洋技术等发展尤为突出，但是有一个农业问题，在我们的生活中一直都存在着。每年都会遇到某某地方农产品生产过剩，农产品荒废在田间地头，农民经济损失重大，前两年蒜头价格一路飙升，大面积的种植，导致供过于求，今年（2018年）全国大蒜平均批发价每公斤5.44元，同比下跌59.9%。供需不能协调统一，导致大量的浪费，同时也导致了想买的买不到所需以及农产品新鲜度难以保证。

    国外的农场在农产品供需和新鲜度上通过AI所做的工作。

    从供需判断、种植、采摘、运输直到出现在超市的货架，每一步都影响着食材的新鲜程度。在美国加利福尼亚州的一家农场融合了人工智能、计算机视觉和数据分析的农业种植及食品冷链运输技术，实现了对生鲜制品从产地到商店的全程管理。

    人工智能让草莓从采摘到上桌一直新鲜。

    草莓必须要在合适的时间运送到合适的市场上，慎重考虑产量才能最大化利润。加州萨利纳斯泰勒农场的首席执行官布鲁斯·泰勒说道：“最重要的是，我们要把收获定在那一个时间点上。”深度学习算法可以准确判断市场需求，同时进行有效地质量管理，给出最合理的产量和时间的判定。

    人工智能运用在作物生长到运输的每一个阶段。

    根据市场需求的准确判断，农场借助GPS技术精细地绘制出每一寸土地，并且已经知道哪些因素会影响作物生长。通过不同的传感器以及计算机视觉的应用，人工智能技术会利用科学的培育方式对作物所需的土壤、水分、光线等气候情况进行分析，并利用深度学习上万种病例，有效探测病虫害，还可以实施监测到作物的生长情况。在采摘阶段，通过数据分析来判断出作物的成熟情况，在最优条件下进行采摘。

    在上市之前，食品检测必不可少。加州圣克拉拉的名为AgShift的农业科技公司借助人工智能的图像分析及深度学习算法制作一个应用程序，检测员可以在不同的上市阶段了解每盒草莓的质量，可以作为食品冷链运输各种决策的基准。

    冷藏车在食品冷链旅程中保持最佳环境温度。

    草莓运输环节通过深度学习算法计算得到的使货箱中的各项环境指标的最佳标准，传感器在途中不断监测着运送草莓的卡车货箱内温度、湿度以及空气的流动情况，让草莓出现在人们的餐桌时也最大可能的而保持刚采摘一般的新鲜度。（摘自，世界互联网大会-人工智能在生鲜食材运输的应用议题）

如今的人工智能发展势头强劲，AI+的无限可能性会造就什么样的社会场景，让我们拭目以待吧。还有会变得越来越聪明的机器，机器智能，是否也会让科幻小说中的场景变为现实，人工智能、机器智能如何能在伦理道德方面如何控制，也是在智能化快速发展的过程中应该考虑进去的事实。