TIP
本文主要是介绍 人工智能-常见案例和趋势 。
# 人工智能的8个有用的日常例子
如果你在谷歌上搜索“人工智能”这个词，然后不知怎的就打开了这篇文章，或者用优步(Uber)打车上班，那么你就利用了人工智能。
人工智能影响我们生活的例子不胜枚举。虽然有人将其称为“机器人以邪恶的天才统治世界”的现象，但我们无法否认人工智能通过节省时间、金钱和精力使生活变得轻松。
# 术语
人工智能是指机器通过专门设计的算法来理解、分析和学习数据，从而充当人类思维蓝图的现象。人工智能机器能够记住人类的行为模式并根据他们的喜好进行调整。
在我们的讨论过程中，您将遇到与AI密切相关的主要概念是机器学习、深度学习和自然语言处理(NLP)。在继续之前，让我们先了解这些。
机器学习(ML)涉及通过大数据为例向机器教学有关重要概念的知识，大数据需要被构造(以机器语言)以便机器理解。这些都是通过向他们提供正确的算法来完成的。
深度学习(Deep Learning)比ML领先一步，这意味着它通过表示进行学习，但不需要对数据进行结构化以使其有意义。这是由于受人类神经结构启发的人工神经网络。
自然语言处理(NLP)是计算机科学中的一种语言工具。它使机器能够阅读和解释人类语言。NLP允许自动翻译人类语言数据，并使两个使用不同语言的实体(计算机和人类)进行交互。
现在您已经掌握了术语，让我们深入研究人工智能的示例及其工作方式。
# 8个人工智能的例子
以下列出了您每天可能会遇到的八个人工智能示例，但您可能没有意识到它们的AI方面。
# 1. 谷歌地图和打车应用
地图应用程序如何知道确切的方向、最佳路线，甚至是道路障碍和交通堵塞呢?不久以前，只有GPS(基于卫星的导航系统)被用作出行的导航。但是现在，人工智能被纳入其中，让用户在特定的环境中获得更好的体验。
通过机器学习，app算法会记住建筑的边缘，在工作人员手动识别之后，这些边缘会被输入系统。这允许在地图上添加清晰的建筑视觉效果。另一个特点是识别和理解手写的门牌号的能力，这可以帮助通勤者找到他们想要的房子。没有正式街道标志的地方也可以用它们的轮廓或手写的标签来识别。
该应用程序已被教会理解和识别流量。因此，它推荐了避免路障和拥堵的最佳路线。基于AI的算法还告诉用户到达目的地的确切距离和时间，因为它被教导可以根据交通状况进行计算。用户还可以在到达目的地之前查看其位置的图片。
因此，通过采用类似的AI技术，各种乘车应用也已出现。因此，每当您通过在地图上定位您的位置来从应用程序预订出租车时，它都是这样工作的。
# 2. 人脸检测与识别
当我们拍照时在脸上使用虚拟滤镜和使用人脸识别码解锁手机是人工智能的两个应用，现在已经成为我们日常生活的一部分。前者包含人脸检测，即识别任何人脸。后者使用人脸识别来识别特定的人脸。
这是如何运作的?
智能机器经常匹配，有时甚至超越的能力。人类婴儿开始识别面部特征，如眼睛、鼻子、嘴唇和脸型。但这并不是一张脸的全部。有太多的因素使人的脸与众不同。智能机器被教导识别面部坐标(x、y、w和h，它们在面部周围形成一个正方形作为感兴趣的区域)、地标(眼睛、鼻子等)和对齐(几何结构)。
人脸识别还被政府机构或机场用于监视和安全。例如，伦敦盖特威克机场(Gatwick Airport)在允许乘客登机之前使用面部识别摄像头作为ID检查。
# 3. 文本编辑器或自动更正
当您键入文档时，有一些内置或可下载的自动更正工具，可根据其复杂程度检查拼写错误、语法、可读性和剽窃。
在您流利使用英语之前，一定已经花了一段时间来学习语言。同样，人工智能算法还使用机器学习、深度学习和自然语言处理来识别语言的不正确用法并提出更正建议。
语言学家和计算机科学家一起工作，以教授机器语法，就像在学校一样。机器被提供了大量高质量的语言数据，这些数据以机器可以理解的方式进行组织。因此，即使您不正确地使用单个逗号，编辑器也会将其标记为红色并提示建议。
下次让语言编辑器检查文档时，请知道您使用的是人工智能的许多示例之一。
# 4. 搜索和推荐算法
当您想看自己喜欢的电影或听歌或在网上购物时，您是否注意到建议的内容完全符合您的兴趣?这就是人工智能的功能。
这些智能推荐系统可从您的在线活动中了解您的行为和兴趣，并为您提供类似的内容。通过不断的培训，可以实现个性化的体验。数据在前端(从用户)收集，存储为大数据，并通过机器学习和深度学习进行分析。然后，它可以通过建议来预测您的喜好，而无需进行任何进一步的搜索。
同样，优化的搜索引擎体验是人工智能的另一个示例。通常，我们的热门搜索结果会找到我们想要的答案。怎么发生的?
向质量控制算法提供数据，以识别超越SEO垃圾内容的高质量内容。这有助于根据质量对搜索结果进行升序排列，以获得最佳用户体验。
由于搜索引擎由代码组成，因此自然语言处理技术可以帮助这些应用程序理解人类。实际上，他们还可以通过汇编排名靠前的搜索并预测他们开始键入的查询来预测人们要问的问题。
诸如语音搜索和图像搜索之类的新功能也不断被编程到机器中。如果要查找在商场播放的歌曲，只需将手机放在旁边，音乐识别应用程序就会在几秒钟内告诉您歌曲的内容。在丰富的歌曲数据库中进行筛选后，机器还将告诉您与该歌曲有关的所有详细信息。
# 5. 聊天机器人
作为一个客服，回答问题可能会很费时。一个人工智能的解决方案是使用算法来训练机器，通过聊天机器人来迎合客户的需求。这使得机器能够回答常见问题，并接受和跟踪订单。
聊天机器人被教导通过自然语言处理(NLP)来模仿客户代表的对话风格。高级聊天机器人不再需要特定的输入格式(例如，是/否问题)。他们可以回答需要详细答复的复杂问题。实际上，它们只是人工智能的另一个例子，它们给人的印象是客户代表。
如果您对收到的答复的评价不佳，则机器人会识别出所犯的错误并在下次进行纠正，以确保最大的客户满意度。
# 6. 数字助理
当我们全力以赴时，我们常常求助于数字助理来代表我们执行任务。当您单手开车喝咖啡时，您可能会要求助手给您的妈妈打电话。助理(例如Siri)将访问您的联系人，识别单词“ Mom”并拨打电话。
Siri是一个较低层模型的示例，该模型只能在说话时做出响应，而不能给出复杂的答案。最新的数字助理精通人类语言，并集成了高级NLP和ML。他们了解复杂的命令输入并给出令人满意的输出。他们具有自适应能力，可以分析您的喜好、时间表和习惯。这使他们能够以提醒、提示和时间表的形式为您系统化、组织和计划事务。
# 7. 社交媒体
社交媒体的出现为世界提供了一种新的叙事方式，提供了过度的言论自由。然而，这也带来了一些社会弊端，如网络犯罪、网络欺凌和仇恨言论。各种社交媒体应用程序都在使用人工智能的支持来控制这些问题，并为用户提供其他有趣的功能。
AI算法可以发现并迅速删除包含仇恨言论的帖子，速度远比人类快。通过他们以不同语言识别仇恨关键字，短语和符号的能力，这成为可能。这些已被输入到系统中，该系统具有向其词典添加新词的附加功能。深度学习的神经网络架构是该过程的重要组成部分。
表情符号已成为代表各种情感的最佳方式。AI技术也可以理解这种数字语言，因为它可以理解特定文本的含义并提示正确的表情符号作为预测文本的一部分。
社交媒体是人工智能的一个很好的例子，它也能够理解用户产生共鸣的内容并向他们建议相似的内容。面部识别功能还用于社交媒体帐户中，可帮助人们通过自动建议为朋友加标签。智能过滤器可以识别并自动清除垃圾邮件或不需要的邮件。智能回复是用户可以享受的另一个功能。
社交媒体行业的一些未来计划包括使用人工智能通过分析发布和消费的内容来识别心理健康问题，例如自杀倾向。这可以转发给心理健康医生。
# 8. 电子支付
银行现在正在利用人工智能通过简化支付流程来便利客户。
通过观察用户的信用卡支出模式来检测欺诈的方式也是人工智能的一个示例。例如，算法知道用户X购买哪种产品，何时何地购买产品以及价格落在什么价格区间。当有一些不正常的活动不适合用户个人资料时，系统会立即提醒用户X。
# 总结
人工智能算法超越了人类的能力，可以节省时间，从而使科学家们可以将精力投入到其他更重要的发现中。
我们已经讨论过的人工智能示例不仅可以作为娱乐的来源，而且还提供了我们已变得如此依赖的无数实用程序。人工智能领域仍处于新生阶段，还有更多的发明将更精确地复制人类的能力。
# 【----------------------------】
# 人工智能AI最新案例和趋势，看这一篇就够了(上篇)
**到底什么是人工智能？人工智能能做什么？**这是大家最关心的问题，但说到真正能够理解的话，还是只小部分专业人士。这篇文章通过介绍AI应用案例，目标是让更广大的受众能理解这一重要的技术。我们已经处在数字化的世界了，未来的价值创造的方式将会是高效的信息处理。而人工智能将会是促进技术发展的强大动力，推动社会的高速发展，其历史意义不亚于工业革命。
这几年机器学习等算法的发展，解决了工智能应用的关键问题，就是让机器可以获得“知识”。让人工智能以更聪明的方式进行学习，从历史的大量数据中发现潜在的规律和模式，从而解决以后出现问题。当下人工智能的应用范围正在扩大并以非常快的速度进入所有行业。
为了让大家更好的理解人工智能，即使是非技术背景的人也可以听懂，在这里对AI实现的技术细节进行抽象，重点在于对不同行业应用案例的总结，以及未来发展趋势的描述。这项技术正在飞速发展中，这里所说的全部四十个案例加起来也仅仅是冰山一角，就算是抛砖引玉吧，给大家一个初步的印象AI能够做什么。
# 智能信息流
# 一、在线搜索
这可能是我们最常用的同时也是最著名的机器学习应用，谷歌正在不断改进搜索引擎的算法。当用户每次在Google上执行搜索时，搜索引擎都会关注用户对搜索呈现结果的响应方式。如果用户单击顶部结果并且在这个网页停留了一段时间，那就可以假设用户获得了所需的准确信息，同时标记这次搜索结果成功。另一方面，如果用户跳过第一页直接单击搜索结果的第二页，或者是没有单击任何结果而重新键入新的搜索关键字，就可以推测搜索引擎没有提供用户想要的结果，那这次搜索就是失败的，搜索引擎可以从这个错误中吸取教训，以便在下一次搜索提供更加准确的结果，让用户觉得更好用。可以想象用户的搜索需求是非常多样的，搜索引擎要通过“猜”用户喜好的方式来让每个用户都满意是一件多么困难的事情，但就是在用户每一次键入关键字，点击搜索按钮查看结果的过程中，**这些带有用户搜索行为模式的信息碎片，不断重复和聚集，就像点滴水滴集合成细流最终汇集成巨大的信息洪流，流向超大规模的服务器矩阵中，以数以亿记数据训练人工智能的进行学习，**不断拼接出用户搜索行为的完整画像，越多的数据就意味着越多的拼图碎片，在人工智能眼中的用户搜索行为就越完善。对于用户来说仅仅是感觉到搜索引擎越来越好用了，结果越来越准确了。
# 二、新闻生产者
AI写新闻，这也不是什么新闻，已经产生有一段时间。已经应用在很多大的资讯平台上，像雅虎、谷歌、福克斯等公司。实际上很有可能你已经看过AI写的新闻，或者AI对新闻发表评论等内容，只是你并没看出来这是一篇出自机器作者之手的新闻。大家都使用AI为其用户开发新闻。它写了关于体育、金融和时事类的简单文章。**AI不像专业记者会对调查主题进行深入报道然后写出专题文章，更多的时候AI是对发生新闻的相关领域进行概要的描述。**Google使用一个AI 与人类协作的新闻网站每天自动编辑“吸引人的故事”，也收到了不错的效果。随着技术的越来越成熟，未来机器人编辑不仅写稿快，而且更加客观，还能基于大数据准确的知道受众的喜好，从而写出用户喜爱的稿子。随着无人机和智能传感器的大量部署，机器人编辑可以控制这些智能设备靠近新闻源头，多角度捕捉图像和视频，实时的编辑上传，给读者更加贴近新闻的现场体验。同时还兼具成本低、易管理、随时待命的特点。
# 三、社交媒体：
AI算法通过用户反馈和评价机制，来了解用户感兴趣的内容。同时不断改进他们推送的内容，这些迎合用户偏好的内容可以广泛的传播。各种APP都在在利用机器学习来进行优，包括社交媒体内容、目标受众以及消息推送时间。AI****也会利用自然语言处理和机器视觉来分析用户在社交媒体浏览轨迹，以及用户行为和产生的内容：包括发表帖子、评论、转发、点赞等所有一切。用户的一切行为都会被记录、分析归纳和总结，通过复杂的算法，让计算机AI里更加了解用户是什么样的一个人，有着什么样的兴趣爱好以及需求。从而进行更加智能的推送。比如 Facebook使用了更聪明的AI程序员，根据用户个人的喜好启用新闻源。这就是用户在Facebook信息流看到自己感兴趣的东西的原因。这些高度关联的推荐也是通过分析用户在社交媒体上执行的每项操作来进行动态调整的。但现在也有一些质疑的声音认为这种基于兴趣的推荐会带来一个负面的问题就是过度沉迷，因为社交媒体总是在推荐用户感兴趣的内容，交互体验又极其简单：动动手指的滑一下。这样就会让用户在里面消耗大量的时间。原本计划打开APP看几分钟新闻，但不停的被关联内容推送引导浏览，不断往下下滑刷新的内容永远没有底部，不知不觉就过去了几十分钟。虽然在每一个页面仅仅消费的十几秒钟时间，但浏览页面数量太多也造成了很大时间消耗。
# 四、实时翻译：
现在的AI具有自然语言检测功能，用一种语言形成的新闻可以翻译成另一种语言。全世界的人们可以同时关注一个新闻或同时更新，而不需要人工翻译的接入。也可以在面对面对话的时候进行实时翻译。原理是使用神经网络翻译技术处理人的讲话，这也是通用语音识别系统的工作原理。
谷歌翻译现在可提供超过100种语言，每天提供超过10亿次的翻译，月度活跃用户超过10亿人次。还有实时翻译机器也非常强大，除了官方语言的支持以外，甚至还支持方言，同时保障了很高的准确率，已经非常接近人类了。在未来智能眼镜内置了机器翻译程序之后，可以通过AR的方式投射在智能眼镜上面，这样当我们在看到外文的时候，将会实时的翻译成母语，显示在眼镜上面；听到外文的时候会实时翻译成母语，传给我们的耳机。再也不用花很多年时间去掌握一门外语，依然不能达到流利沟通的目的，有了机器翻译对外的商务沟通和出国旅游也都变得非常便捷。可以随时来一场说走就走的旅行，去一个小语种的国家，展开一段冒险体验。
# 泛娱乐
# 五、二次元偶像：
在2017年 人工智能偶像“绊爱Kizuna”，在youtube开了一个A.I.Channel，播放她作为一个人工智能的日常，与粉丝聊天、直播打游戏、讲段子等等，行为就像是一个女同学，有好奇心也很爱玩，乐观积极。因为当前AI还没有那么完善，所以经常闹笑话，因此也被粉丝们亲切的称为：“写作人工智能，读作人工智障”。这位虚拟偶像在国外爆红，一年多时间里收获了150多万粉丝关注，1****亿多次播放。但在虚拟偶像方面她还不是最厉害的，她有一个前辈——初音未来，不仅出唱片，开了演唱会，甚至还搞了全球巡演，作为偶像来说也是非常厉害了。试想以后都有性格好又好看的AI小姐姐陪伴我们，那也非常值得期待的事情。你期望中的人工智能虚拟形象又是什么样子呢？欢迎和老张互动交流。
# 六、电影音乐推荐：
每当有新电影出现时，AI都会把电影推荐给非常精确的目标受众群体。这当然来源于用户兴趣的深入研究。通过关注用户所做的选择，它可以持续生成推荐建议。如果你用过Amazon或Netflix服务，就会对这种用法很熟悉。**智能机器学习算法会分析用户活动并将其与数百万其他用户进行比较，以确定客户可能想要购买或者是感兴趣的内容。**并且这些建议会变得越来越聪明，例如，在你购买了某一件物品A时，系统推荐超过70%的人同时购买了另一件物品B，那么一般情况下，你购买B物品的概率有多大呢？超过一半了吧。
NETFLIX网飞借助大数据做出了一个冒险的决定。通过分析几千万用户观众的观影历史、观题材内容、故事情节、演员选择以及对不同影视剧的评分等等数据，做出决定得：拍摄一部有关一位参议员的连续剧。这部剧就是政治题材的人气美剧《纸牌屋》，获得了巨大的成功。并且Netflix今年获得了112项艾美奖提名，这让巨头HBO十八年来第一次失去剧集霸主的地位。试想一下，**传统编剧和用户大数据AI，谁更容易写出用户喜欢的剧本呢？**这个问题是充满争议的，还是让我们保持观察吧。
# 七、AI虚拟世界：
使用VR和AR技术，可以给用户提供沉浸式体验。人**工智能的加入将会让这种体验更加真实和更加有趣味性。**比如各种主题虚拟世界会有各种各样的主题开放场景可以体验，玩家可以也按照自身偏好来进行场景设设置，场景中的AI会按照你需求的方式来与你互动，游戏没有唯一目标，而是开放式可以进化的系统。这样每个人都可以选择不同的游戏交互，给玩家更接近真实的体验。同时玩家也会佩戴各种身体传感器，用身体的移动直接控制游戏，这些传感器可以感知身体的动作并使游戏角色在虚拟世界中移动。就像各种虚拟题材的游戏一样，只是这将会是一个更加真实的世界，**这样的世界将会非常宏大和充满想象力，可以在里面任意创造，也可以与其他玩家互动。虽然这样的虚拟游戏世界还没出现，从现在来看有点类似电影《头号玩家》和美剧《西部世界》**的样子。
# 八、AI电子竞技：
之前在导论中介绍过谷歌最近正在训练AI组队打游戏，并且击败了顶尖水平的业余玩家。其原理是通过自我对抗的方式从随机权重开始学习，几天之后，AI的策略就非常接近人类了。AI每天都能完成人类玩家180年的练习量。现在人类已经开始陪人工智能打游戏了，这个事情非常有意思。那么为什么要训练AI组队打游戏呢？像《星际争霸》这样的类型的即时战略游戏，**每个单位可能的变化和互相影响的复杂度是远远超过棋类游戏。**并且即时战略游戏更加混乱且有连续性，也更接近于真实的世界。如果AI能在即时战略游戏战胜人类，那将可以带来海量的AI技术商业化的应用场景。也许以后的电子竞技运动项目也会分为AI组、人类玩家组、人类和AI混合组来进行的比赛，不知道这样的比赛谁会是最后的赢家，你又会支持哪一队呢？
# 智能教育
社会高速发展，刚进入数字化社会，人工智能时代也马上到来。那么如何才能培养适应AI时代的人呢？这是每一个家长都应该思考的问题。这个问题后面会有专题来讨论，这里我们只谈一些教育领域AI的应用：
# 九、AI学习助手：
对大量学生进行评分是一件累人的工作，特别是当评分体系的参数不好量化的时候。就可以使用AI学习助手技术，个性化的AI可以关注学生的日常表现，每一节课、每一次发言、每一次作业都可以得到动态的评级，基于海量大数据的模型，可以保障评级的真实有效，而且客观公正。同样的，评分会给出相对优秀的部分，也会有低于平均需要改进的建议，这样家长可以和学生一起，在学习过程中动态调整，获得AI的帮助制定学习计划和推荐学习材料。AI可以比人类更好地决定课程。凭借其与互联网的连接和智能化的分析技术，它将学会判断什么样的专业知识是当前社会必要掌握的。可以决定学生在实际生活中需要哪些新的信息，以及如何学习更具互动性，从而动态的调整学习的计划和内容。评价体系也不是每个学期末的时候，以一次考试成绩来界定学生的学习能力和成果，评价维度也会更加多元和全面，培养目的会从通过考试变为更加适应未来时代的综合能力。
# 十、教育辅助软件：
教育软件已经出现很长一段时间， AI教育软件将会有所不同。人工智能教育关键在于提供个性化教育。他们在个人层面与学生进行互动，并了解每个学生都有不同的特质和能力。VR+AR等新技术结合展现形式，通过AI做辅助学习和定制课程，真正达到因材施教，根据AI****的反馈每个人的学习进度都有可能不一样，学习进度的时间线也将会被个性化。学习进步快的孩子在AI的帮助下，也许一年就可以完成整个小学的课程，而有的慢一点孩子也许要多几年的时间。
AI也可以做实时的 语法修正以及理解知识补充相关案例，这些学习过程中的实时辅助，将会提高学生的学习结果。AI用于学习所有语法规则并纠正学生在写字、打字、说话时所犯的错误。就像word里面的文字检查一样，对大多数人来说都是非常很有效的。而补充理解知识的案例将会利用海量互联网信息作为支持，结合AI的算法来推荐，推荐最能够帮助理解的案例来进行阅读，协助知识点的学习。
# 十一、教师的角色：
我们知道人工智能可能会协助教师进行评分和辅导学生。如果这种情况持续下去，AI是否可能取代教师角色？虽然这对许多人来说可能听起来很有威胁性，但事实并非如此。教师总是可以从人工智能系统中获得最新的教师专用AI，用来实时了解班级每个学人学习进度和成果，教师的AI会更加关注学生的全面发展，给学生AI****提出改进意见，组织学生形成队伍完成一些研究，团队和协调和配合等等。教师就像一个统帅，带领一个队伍进行学习，统筹和安排，最终目标是让所有人都获得良好的学习成果。
# 十二、训练模拟器：
飞行和驾驶训练模拟器已经出现很长一段时间。这些模拟器在现实生活中也经常可见，比如电子游戏中的赛车模拟器。它们消除物理上的危险因素，然后通过传感器来感知操作者对这些出现危险情况的反应。在人工智能的帮助下，会对这些操作的过程和反馈会进行处理，综合起来形成一份对操作者的报告以及多方面的评分。并且这个技术也可以用在远程控制机器人领域，比如需要危险作业机器人实时回传视频和传感器数据，在模拟仓中的驾驶员可以进行操作，同时AI给出场景实时信息和操作建议，提升任务成功率降低风险。远程控制在深海无人潜水艇以及火星探测机器人等领域都有实际的应用，当未来AI技术融入之后将会带来更好的科研效果，AI可以扫描视频画面，对出现的物体进行辨别和分类，分析哪些目标是重要的，需要进一步采集分析的；同时AI综合各种信息来规划探索的路径和及时应对可能的风险。
# 智能医疗
医院调研的受访者表示，AI技术可能在人群健康状况、临床决策支持、诊断工具和精密医学上影响较大。即便在药物开发上，AI也可以使数据收集和试验进度更快更精准，并缩减成本。
# 十三、AI健康助手：
不是每个人都会经常去看医生。AI系统配备了正确的机器学习算法，可以了解复杂的人体状况并提供可能的医疗建议。很有可能在未来十年内，即使没有人工监督，人工智能也能完全照顾一个人。它甚至可以配备简单语音，可以与你每天对话沟通。也可以作为个人健康教练，按照我们的生理指标制定健康运动计划。如果我们生病了，AI将会调出历史记录包括：病史，基因、使用药物和治疗效果概况，可以创建自定义药物或护理计划，并且AI给出建议这个计划是否可行或者存在的潜在风险，以及治愈的周期和概率。 建立检测和防止可能的误诊的机制。 找出药物对特定患者最有效。AI会根据数据找出最佳治疗方案的建议，为用户提供量身定制的解决方案。包括进行早期诊断 ：分析利用实验室数据和其他医疗数据的慢性病，以便早期诊断。用遗传数据提供关于某些疾病发展可能性的详细报告。 安排合理的护理计划，以消除或减少风险因素。同时AI也可以控制陪护机器人，目的是帮助医生，而不是取代医生。医生很难同时为很多患者提供护理。在治疗期间，患者可能需要长时间呆在他的位置。AI机器人完成了同时照顾很多人的重复性基本任务。这可以防止医生身心疲惫。
# 十四、微型手术机器人：
医生很难操作一些人体的内部区域。这时候就可以使用微型手术机器人放入人体内，以运行程序的方式或者远程控制的方式，以代替医生执行原来需要手动完成的任务。而医生可以在屏幕上监视这些机器人的状态和行为。可以拍摄身体内部诊断点扫描和图片，也可以获取组织样本，取出来给医生进一步检查。手术机器人的应用可以降低手术医生的压力，延展医生的双手，更加灵活的进行操作，更加准确的图像获得，从而提升手术的成功率。顺着这个发展方向，以后很有可能出现全自动的手术机器人，通过对人体进行扫描和建模，获得手术部位的3维结构信息，人工智能进行上万次手术模拟，得到最佳的手术策略和风险应对程序，给手术医生审核并模拟操作。然后在医生的监督下，开始实施手术程序，如果手术中间出现问题，医生可以随时接管机器人，切换为人工操作。同样的随着时间的积累，人工智能机器人会越来越熟练地掌握手术，以达到接近完美的程度。如果这个人工智能系统是全世界部署的话，所有医院都在为这个人工智能提供手术的数据，海量数据会大大缩短可用性测试的过程，也许仅仅一年时间，人工智能的微型手术机器人就可以代替手术医生站在操作台上了，而医生则可以给出更多建议和关键决策来优化机器人的手术程序和处理那些意外的情况，因为意外总是会发生，所以医生也是不可或缺的。
# 十五、快速准确的诊断：
人工智能已被用于检测人体的异常。机器学习算法可以处理更多信息并发现比人类更多的模式。 AI具有对许多疾病和疾病进行准确诊断的能力，因为AI能够从过去的经验中学习并检测正常医疗设备和技术无法检测到的模式。甚至可以检测到逃避X射线和MRI的异常。通过先进的医学成像，用于分析和转换图像并模拟各种可能性。 使用配备AI图像处理功能的诊断平台可以检测潜在疾病，并且诊断出这些异常。越来越多的专项诊断案例中，AI的诊断准确率已经超过了人类医生专家团队。
IBM华生(Watson)系统对肺癌判断的准确度是90%，而人类医生只有50%。GE医疗就人工智能辅助肺结节检出与诊断进行研究，并已取得阶段性成果。GE医疗的一款诊断图像处理软件，整合了人工智能技术与深度学习理念和工具，通过多层神经网络和神经元来模拟人类大脑实现图像识别，在诊断效率和精准度、肺结节自动识别敏感度以及检出率上均取得大幅提升。阶段性临床测试结果显示：人工智能工具在<3mm病灶发现和诊断方面具有很大的优势，检出速度和准确度均大幅提升，这对肺癌的更早期发现和早期诊断具有重大价值。
谷歌研究院在机器学习技术的帮助下，研发出了一种增强现实显微镜，能够实时监测出癌细胞的动态。使用普通的显微镜来定位癌细胞是一件非常困难而且费时的过程，并且需要大量的信息供医生进行研究和调查。而现在通过这种新的增强现实显微镜，可以快速找到癌细胞的踪迹，为医生诊断提供强有力的帮助。
事实上，AI在医疗诊断的领域正在快速发展，只要积累了大量的被标记的有效病例数据，结合医生判断患病的逻辑，就可以通过AI进行模型训练，从而给出患病风险的概率提示。并且AI的诊断系统一旦被部署，就可以随着诊断案例数量的提升的不断完善，提升准确度。可以减少因为人的经验，疏忽遗漏等问题带来的误判，让患者获得提前治疗的黄金时间。
# 十六、预测病人死亡时间
谷歌旗下的Medical Brian团队开发了一种新的人工智能算法，可以帮助医院预测短期病人的死亡时间。
一名身患乳腺癌晚期的女性来到一家城市医院，这时候她的肺里已经充满液体。她看了两位医生，还做了一次放射扫描。医院的电脑读取了她的生命体征，估计她在住院期间去世的概率为9.3%。同时谷歌使用新开发的一种新型算法读取了这位患者的17万个数据点，然后测算出其死亡风险为19.9%。她几天之后便去世了。今年5月，这个案例被匿名发表在谷歌的一篇研究报告中，借此说明神经网络在医疗行业的潜力。这种工具可以预测很多病人的结果，包括他们可能的住院时间、再次住院的概率以及短期内死亡的概率。
最令医疗专家印象深刻的在于，谷歌的新算法可以筛选之前医生无法获得的数据：埋藏在电子文件中的注释或旧资料中的潦草笔记。这个神经网络会获取所有非常规信息，经过分析之后进行预测。速度也比目前的相同技术快很多，准确率同样大幅提高。甚至可以显示具体哪一项医疗记录导致其得出现有的结论。医院和医生多年以来都希望更好地利用海量电子病历和其他病人数据。如果能够实现数据的共享和开放，就有可能拯救更多生命。
# 十七、智能假肢：
在某些意外情况下，人体可能会意外或故意地失去一部分肢体。现在正在研究接入由人工智能驱动的机器人手或腿，以代替原来的肢体。虽然这项技术现在还不是很完善，但我们的目标是在不久的将来看到他给人类带来的便捷。智能假肢对于残障人士而言已经不再代表着冷冰冰的机器，而是象征着未来的可能性，能够自己照顾自己生活起居，甚至再回归职场，像正常人一样工作、学习、生活。现在出现了使用超声波驱动的义肢，可以让使用者做出想要做的动作。大多数的义肢产品都是由肌电传感器控制的，但是肌电传感器并不准确，无法精确地推断佩戴者想要移动那一根。而采用了超声波驱动的仿生义肢精准度大大提升，甚至能够准确判断到每一根手指的动作指令。这样的假肢甚至可以弹钢琴，如果项技术未来也可以应用在使用者的日常生活当中，将大大改变截肢者的生活。人与人工智能的结合正在温暖我们的生活。提高他们的生活质量，也是提升全社会的文明水平。感谢科技进步给人来带来温暖。
本篇是老张创作的课程《人工智能进化论课程》基础篇内容，转载需授权。
读完了觉得内容不错的话请转发和评论~
# 【----------------------------】
# 人工智能AI最新案例和趋势，看这一篇就够了(中篇)
# 智能汽车
BM最近对顶级汽车高管进行了调查，74％的人预计到2025年我们将看到智能汽车上路。智能汽车不仅会融入物联网，还会了感知它的主人和周围环境。它可以根据驾驶员习惯自动调整内部设置 - 温度、音频、座椅位置等，发现问题甚至自行解决问题，自动驾驶，并提供有关交通和道路状况的实时建议。
# 十八、智能传感器：
智能传感器可以检测汽车内部的零部件运行情况，通过智能视觉系统和传感器，它们可以提前警告任何可能的威胁，从而避免可能的紧急情况。这些传感器会在我们驾驶的过程中实时监控汽车的各项数据和指标，提供我们足够多的信息。并且也会根据各项指标的上限和下限设置警告，一旦超过马上会提醒我们。而且这一些还是通过3维图像展示给我们，让我们可以非常容易的了解到是什么系统的哪一个零部件出现了问题，以及现在情况下合理的处理方式。这些传感器甚至可以在客户不在场的情况下监控车辆的安全性。先进的车辆安全系统使用智能防盗系统来防止盗窃并确定车辆的确切位置，车载的AI可以通知用户车辆附近检测到威胁。通过语音识别传感器，可以使用语音指令控制汽车。通过AI功能引导的高效传感器可以抵御任何威胁，也是无人驾驶的基础。
# 十九、无人驾驶汽车：
由于配备了传感器，自动驾驶汽车可以帮助客户驾驶。这个新功能将会大大降低驾驶员的难度和负担，即使驾驶员分心一会儿，汽车也会继续工作。由于他们配备了智能AI技术。通过深度学习和其他先进机制，通过从真实的声音和视觉中学习，AI可以像人类一样驾驶。有趣的是，AI驾驶员也可以从经验中学习，随着行驶里程上升，遇到的事件越多，在一段时间内变得越好。如果上路的汽车都配备了AI系统进行控制和路线规划，会发生什么呢？我认为汽车行驶会更像轨道交通，因为一切都是AI在控制，汽车行驶路径就像是划出虚拟的道路，每一辆车都可以和路面以及其他车辆交互，所有的车辆都会有序行驶和停车，一切都是协调进行的，这将会大大提升行驶速度。就算有突发事件造成车辆拥堵，AI****也可以控制几百辆车同时启动和加速，在几秒之内达到正常行驶的速度，就像今天控制无人机群的样子，一切都是统一的行动。也不会有堵车，你也不需要超车，甚至不需要红绿灯，都是AI在控制汽车行驶和动态规划路线，那样的乘车体验将会大大提升。无人驾驶应该是十年内会大规模普及的技术，而AI接管车辆应该不会比这个时间晚很多。
# 二十、无人运输车：
半自动化的AI运输车已经成功测试并且交付，这也会给运输业务带来新的发展方向，有着巨大潜力。AI和机器学习可以对对路线优化、速度调节、物流优化和网络分布等其他关键运输要素会产生巨大影响。无人配送，一定会是各大电商巨头抢先抢夺的市场，物流领域必争之地。虽然目前距离无人配送普及还有一定距离，短期内无人配送还处在实验阶段，全面市场化还需要时间。但随着人工成本上升，电子商务交易占比提升，未来几年将会产生巨大的配送需求。领先的物流公司已经在使用有经验的快递员来控制无人机送货了，经过几年时间的积累，获得足够多的原始数据给AI，就可以建立配送模型。到了后期一定会是人工智能控制的无人机和无人车配合进行配送。无人车把小批量货物运送到物流网络的末端节点，比如小区和街道的智能物流站点，然后无人机来完成“最后一公里”的配送。AI智能的物流控制体系将会提供更加迅速、便捷、标准化的服务，前端无人机只需要充电就可以随时出发。再加上后端物流分拣、打包的自动化，电子商务用户在下单之后到拿到商品的整个过程都会由AI来接管和控制，达到效率的最优和成本的最低。而用户下单之前的决策，其实也是由AI分析用户兴趣来进行推荐的，看到这里你应该可以理解为什么说AI****正在融进我们的生活的方方面面，产生的深远影响远远不止于我们一般的理解。
# 科技金融
# 二十一、程序化交易
许多人都希望能够预测金融市场在任何一天的变化趋势。机器学习算法正在越来越接近这个目标。通过算法和模型来实时监控大量的指标变化，从中发现趋势，并且自动化执行交易来进行套利。许多著名的交易公司使用专用系统来预测和执行高速、大量的交易。其中许多都依赖于成交的频率，但即使是单笔交易来看利益微乎其微，但是在足够高的交易量或交易频率下，也可以为带来巨额利润。当需要到处理大量数据或者自动执行交易时，人类不可能与机器竞争。在一些必须有由人做出决定的重大抉择时，交易员也会参考根据AI运算的模型，使用概率来进行预测和模拟。又是一个人类和AI合作创新的例子。未来的交易员如果不了解程序化交易，将很难在行业得到发展。在2000年，高盛位于纽约的股票现金交易部门有600个交易员。而如今只剩下两个交易员，剩余的工作全部由机器来完成了。
# 二十二、欺诈检测：
人工智能甚至可以检测在金融交易中，识别在人眼或任何其他传统验证系统中所未被注意到的轻微欺诈行为。基于神经网络的基于深度学习的算法在该领域已经取得了很好的成果，银行和金融机构已经开始以非常快的速度采用它。类似的方法可以应用于电子商务、信用卡和许多其他行业中的各种欺诈行为的识别。在金融行业，多年来积累了一定的数据，无论是个人征信数据，还是银行交易流水，将这些数据通过特征表达的方式转化到数据模型后，人工智能就可以借此来分析以往很难描述的金融现象，因此很适合处理风险控制、欺诈交易以及金融产品的营销，这些在以往都是要靠金融从业人员的经验来判断，并且很难进行准确定量的事件。机器学习在发现不同类型的潜在欺诈案件方面变得越来越好，有希望解决现有风控模型数据处理能力不足的问题。
例如PayPal正在使用机器学习来打击洗钱活动。使用分析数百万笔交易的AI工具，可以准确区分买卖双方之间的是合法交易还是欺诈交易。
# 二十三、AI金融顾问：
各家银行和证券公司都在尝试推广AI投资顾问，这是APP内置的智能财务顾问，可以在最少的人力成本下为客户提供财务规划。结合聊天机器人功能，这种AI可以提供各种的理财建议。从当前的应用的情况来看AI提供的建议已经非常令人满意，而这背后的运作机制是数学逻辑来分析客户自身的财务信用指数，还有银行的当下风险承受程度综合出来的模型，用以计算信用额度和利息。理财计划的推荐也是一样的，AI在撮合金融产品和客户的需求，无论是贷款还是投资。根据客户需求的不同，给客户提供定制化的长短期理财计划，并且这些计划都是可以自动化执行的，客户需要做的仅仅是一个按钮授权AI执行操作而已。AI也用来提供的信贷智能评估， 使用预测模型揭示潜在的坏账风险， 在申请贷款之前查看客户的潜在信用评分，并提供定制的贷款计划。越来越多的业务都会在线上和人工智能达成交易，银行的网点的人工服务也会有所降低。趋势是更多的智能设备，更少的人力资源消耗。
# 二十四、金融新闻：
金融新闻业正在促进业务蓬勃发展，甚至对每一笔交易都会产生影响。对于金融行业来说，及时有效的信息就意味着投资价值。人工智能可以更有效地完成新闻分析的任务，AI对于大量信息的处理非常有效，通过文本分析技术进行可以进行定性和定量分析，判断当前新闻事件的影响趋势，以及市场的反应情绪，从而推断去下一步走势可能性概率。最后通过图表的形式展现给投资者进行决策。但也要看到，多年以后当这个模型足够精确，能够完全模拟复杂的金融市场运行的时候，人也就会退出这个市场，而全部都是AI进行操作了，那时候当市场出现某一个投资机会和套利空间时，会有大量的AI进行买进或者卖出的操作，而决定收益的将会是模型和算法，以及自动下单的速度。又会引起新一轮的博弈竞争，只是商场的选手都是不同版本的AI。
# 二十五、智能客户系统：
金融企业通过客户行为分析和追踪，经常与主动客户进行联系，以便推广新产品或现有产品，甚至针对潜在客户群体开发出定制化的金融产品。人工智能使这项工作变得更加智能，它可以识别现有和潜在客户，并监控他们对不同金融产品和服务的关注度和兴趣。在收集必要的数据之后，将用户进行标签化，协助制定产品策略来开发客户需要的产品。并且通过数学模型模拟各种条件下的，预测金融产品的收入，成本，利润情况从而决定是否发售这个产品。为了创建一个更高效的销售系统：很多金融企业已经将AI定制到客户关系管理也就是CRM系统中，在准确性和效率方面实现最佳结果。
# 企业管理
# 二十六、AI战略规划：
一种人工智能算法，可以为公司设定长期目标和短期目标。并且自动将目标分解为预算管理和执行系统，对企业经营过程中的各种指标进行实时监控，并且对比同行业优秀公司的数据，以此来保障公司的战略目标得以有效执行，同时也降低了企业经营的风险。如果监控指标发现不好的趋势，通过警报系统发出警告，提示管理层注意。这样的系统的原型已经出现二十几年了，叫做商业智能，现在只是需要将人工智能的算法应用到系统中去，将会带来更大的商业价值。通过AI把企业中现有数据转化为知识，帮助企业做出“更聪明”的业务经营决策。借助于人工智能与其他相关学科的技术进步，当下商业智能已能在特定场景中实现商业经营的智能化与自动化。也就是说**AI不仅可以协助你的生活和工作，甚至可以帮你经营公司，以历史数据和市场的大数据作为支持，随时给你提出建议和指导，就像给企业聘请了专家顾问团来进行指导，仅仅投入很低的成本就能获得很有价值的建议。更好地运用这些技术企业就会获得额外的竞争优势。对于企业来说要着眼于未来AI的应用产出效果的话，当下就应该开始原始数据的积累。**否则就算引入了AI的算法和模型也没有数据来驱动应用也就产生不了价值。
# 二十七、数据的金矿：
为了进行营销预测，需要AI和CRM客户关系管理系统结合。越多的不同维度的用户数据关联起来，AI就可以越精确的了解这个用户。如果线上的电商平台消费记录和线下商户的消费记录通过手机号码或者身份ID关联起来，那么用户的消费行为画像就会相对完整的展示出来。根据消费行为的营销推送、购买预测、金融服务、医疗服务、出行服务等等都将从中获益。虽然你觉得这会很远，没有那么快实现，但是事实上，两三年前线上线下的巨头们就开始研究数据整合的可能性和方案了，这也是趋势性的，区别只是什么时候、实现到什么程度而已。大平台都会利用第三方数据来更好地了解现有的客户并瞄准潜在客户。 使用外部来源的数据提高AI分析的精确度， 识别可能的潜在客户扩展目标受众。对有兴趣的潜在客户进行标签化和精准的推送，符合需求的营销信息恰当好处推送给客户将会增加销售额。正因为用户数据有如此高的价值，所以各种互联网平台都不惜代价获得用户，拉高估值。看到数据那么值钱，那实体经济或者个人能不能也参与进去分一杯羹呢？这个问题我看不太可能，因为用户数据管理和分析是需要完整的系统的，尤其是用户行为分析和消费行为分析，需要海量数据处理的系统来进行存储和分析的。线下实体商业组织一般没有这样的后台和系统，仅仅存了一个会员基础联系方式，也没有从兴趣到成交的转化过程，这样数据的价值大打折扣。更加重要的是，大平台之间的数据的玩法都是数据交换，进行交叉匹配获得用户的标签，一般不会直接销售，除非是例外的情况。所以获得海量用户行为数据是非常困难的，而且涉及用户个人信息也是受法律保护，所以作为一般用户你能做的仅仅是了解这些APP会记录你的哪些行为，还有数据会开放给哪些平台而已。这些东西很容易找到，就在你注册用户时，勾选的“我已阅读并同意平台用户协议”里面，有着大段内容描述，感兴趣的可以去了解一下。
# 二十八、 AI客户服务：
大部分的客户服务咨询，对于企业来说都是常见的、重复性问题，但企业依然需要建立客户服务呼叫中心来及时响应这些需求，尤其是大型企业，尽管客服中心的规模已经非常巨大，也不能做到实时接入每一个客户的咨询，客户经常需要等待，大大降低了客户的体验水平。而AI机器人，通过自然语言处理技术以处理大多数咨询，并在需要时将客户转移到人工客服。人工智能通过与客户交谈的方式持续学习，接收数据反馈并改进，更多的对话练习带来更准确的回复和答案。可以大大降低企业客服中心的成本，将AI客服时间延长到7×24小时。而这一切是当下正在发生的事情，不管是智能语音客服还是机器人文字客服，都减少人工客服的工作量，让人工客服更专注于客户的更具体需求，处理那些复杂的，或是标准流程外的问题。同时接入人工客服也不在需要等待，这两点也实际提升了客户的满意度。客服通过提供正确的建议先解决问题，获得客户信任，然后，建议客户进一步购买，来增加销售和交叉销售。在AI服务领域，人工智能的自学能力已经被证明是非常有效果的。
试想一下你有没有在准备投诉客服准备退货的过程中，问题得以很好地解决，然后购买了更多的产品呢？**这一切的发生，并不是你不小心，而是你在面对一个高效运作的系统，它知道你需要什么，**以及你什么时候会产生购买行为。
本篇是老张创作的课程《人工智能进化论课程》基础篇内容，转载需授权。
读完了觉得内容不错的话请转发和评论~
# 【----------------------------】
# 人工智能AI最新案例和趋势，看这一篇就够了(下篇)
对客户的了解越多，就能越好地为客户服务，销售的就越多。这是营销个性化的基础。当客户在搜索引擎键入关键词搜索某种产品之后，在随后几天后浏览网络过程中会持续看到针对该产品的页面广告，就像是被广告“持续跟踪”。而这种营销个性化只是九牛一毛。企业可以个性化客户收到的电子邮件或优惠券，他们看到的产品，还有哪些产品显示为“推荐”等等，所有这些都旨在引导消费者进行消费。
# 二十九、智慧门店：
与AI正在取代人类的说法相反，AI已成为许多线下门店销售的支柱。快消品行业的服装企业开始使用vip客户识别系统，从客户进店开始，店员就可以了解客户的历史消费记录和偏好，用户标签等信息。从而有针对性的推荐当季的新品，以及动态的给出vip特惠价格，基于生物识别技术的 AI提供更多便捷的资讯，使店员更加准确的与客户互动。如果你去服装店买东西的时候，感觉店员非常聊得来，甚至比你还了解你自己的穿衣风格的话，那你就要注意看看她手上是不是拿着一个平板电脑正在浏览你的信息。这样的AI虽然说还没普及，但厂商和技术公司正在大力合作研发，具体需要几年才能大规模应用只是时间问题，这就是我说的趋势。
超市也是一样，通过利用机器学习和大数据来优化商品的销售。 确定哪些产品对客户来说更重要。通过零售区域中的视频图像或传感器来分析货架空间的使用情况。将产品放在正确的位置，优化货物堆头和摆放位置以及客户浏览路径，可以达到在每个门店有限的展示面积和空间内坪效的最大化。 获得每个货架销售数据统计结果进行指标分析，不断优化和完善。在未来智慧门店将会更好的感知消费者， 与消费者进行互动并且推荐合适的产品。
# 三十、个性化浏览：
根据客户个性化数据的电子商务网站， 为客户提供页面上的爆款产品。随着客户需求而变化，对用户搜索行为进行监督，并生成最新的推荐项目。该算法根据访问者的行为、年龄、兴趣和性别不断更新。将数据无缝集成到电商平台的用户体验之中。这方面做得最好的是Amazon推荐算法非常准确，给客户带来便捷，也提升了平台总体销售。像亚马逊这样的电子商务网站创建了一种算法，该算法可以准确预测客户的需求，使用机器学习用户的连续访问所产生的浏览记录，越多的浏览行为越精准的预测。国内大的电商平台也有类似的AI在计算和组织用户浏览的界面，**叫做“千人千面”系统，就是说每个人看到的系统内容都是不一样的。**类似的系统也应用在资讯类APP里面，比如新闻类的APP也是根据用户兴趣标签进行推送的，即使两个人使用同样的APP，但因为使用习惯和个人标签不一样，致使同时打开看到的内容也因人而异，但统一推送的内容除外。
而且运用机器学习图像识别算法，让用户能够通过拍照和上传图像或视频的方式来搜索产品，以立即跳转到所需的产品，看到的马上就可以买。减少下单购买的步骤和等待的时间就意味着更高的转化率。同样的原理，场景化营销：广告公司利用机器视觉和自然语言处理来了解广告的投放环境。通过了解客户的信息来设计消费场景产生共鸣，同时可以点击跳转购买页面，从而强化品牌理念并提高营销的转化率。
# 三十一、个性化推荐：
AI现在被设计成尽可能接近人类的性质。我们希望它是既温暖又热情，同时也是了解你的。人工智能通过智能设备和传感器可以了解用户的最新信息，同时利用自然语言处理来分析和客户历史发表的商品评论中的文字，然后总结出客户需求。利用传感器采集的标准化用户身体数据、衣服标签和其它搜集的数据，以及机器学习对消费者的信息和喜好进行分析，可以为顾客提供智能导购服务。以便用户做出更好的选择，同时提高客户满意度和效率。这个方向产品还在创新和试商用，问题不在于智能硬件对用户的感知，而是海量的用户数据没有办法整合，还是需要巨头参与来做，才有可能做出好的产品。服装企业通过AI和结构化数据去链接商品和用户，不仅仅是虚拟试衣间，也是超级导购，帮助顾客从海量商品中找到最合适自己风格的产品。并且结合当季潮流趋势、个人喜好来推荐适合个人服饰风格建议。AI可以建立用户的虚拟形象，展示衣服和配件组合的效果并且给出时尚评分的建议。同时**支持用户进行个性化定制，也就是****C2M(Customer-to- Manufactory)**的模式，可以为消费者量身打造适合他们身材特征、相貌、及偏好的服装。目前在男装的西装、衬衫等品类和和高端女装中可以实现个性化定制。新零售就是要根据每一个用户的需求来定制产品和购买体验流程。
# 工业设计
想象人工智能完全有能力进行工业设计。可能是设计上的最极具突破的创新，从天马行空的结构设计，符合力学和材料学的模拟测试，几百万种方案迭代和进化，最终形成最优的设计方案。
# 三十二、AI设计师
AI设计就是基于最初的设计需求，利用人工智能的算法和云计算的强大计算能力，由计算机生成数以千计的设计方案，最终由人再来选择确定最终的设计方案。例如设计一个杯子，设计人员只需要告诉系统：对于杯子材质要求、尺寸要求、外观要求，系统就可以提供出数以千计的设计方案，设计人员只需要选择就好了。
同样的AI也应用在更加复杂设计方面，一架飞机由几千个机械零部件组成。所有这些部件需要很好地配合工作。人工智能用于确保每个部件是否在正确的位置。自动化传感器和控制系统变得非常有用。这些传感器可以检测到任何可能对飞机造成伤害的威胁或气候变化。适应多变条件的传感器和许多这样的电气部件由AI算法控制工作。AI****强大之出在于，可以不断模拟实际使用场景，从中发现问题而不断完善结构设计，这个点对于人来说是不可能完成的。
AI可以参与设计方案的制定，这不仅仅是效率得到提高这么简单。很大程度上此时的设计软件本身已不再是工具，甚至不再需要操作者学习和掌握任何的经验和技巧。系统自身的学习能力和运算，部分替代了设计师的多年经验。
# 三十三、城市大脑：
交通是一座城市的“血管”，它就像人体的毛细血管一样，维护着城市交通的正常运行。拥挤的人流车流和人员货物的调运，城市可以看作是海量数据的不停流动，但这些数据本身缺乏指挥和思考，各自按照自身意愿流动，再加上城市规划和建设速度赶不上车辆、人口的增长，一旦超过了设计的容量，就逐渐形成了阻塞。在构建未来智能城市过程中，AI就显得尤为重要。城镇道路规划使用图形算法，进行有效的地理分析。根据管理城镇或智慧城市的不同需求，按照条件可以生成所需条件的规划蓝图，事实证明人工智能在此超过人类专家。城市建成之后的智慧调度系统，也可以利用人工智能技术，形成以数据为驱动的城市交通决策机制，根据实时数据和各类型信息，综合调配和调控城市的公共资源。
AI可以对城市进行统一实时分析，自动调配公共道路资源，动态修正城市运行中的不足和缺陷，成为城市的智能综合管理者。城市大脑会实现大数据解决拥堵以及交通情况监督，不仅仅是节省了人力，而且智能化的交通管理也将更加科学高效。未来将是人工智能科技驱动下的智慧城市，AI对于城市功能优化、居民生活便捷安全方面将发挥重大的作用，最终实现自动化和智能化，达到城市运作效率的最优化。
# 三十四、建筑设计：
AI现在已经帮助建筑工程师很长一段时间。实际工作中不同类型和经验的建筑工程师都要花费30%以上的时间进行素材搜集和信息处理、图纸绘制等繁复且固定的劳动。而AI可以快速完成这些工作，尤其是前期机械重复、格式化的工作以及反复修改的部分，都可以由AI自动完成。
在辅助设计方面它不仅可以按照规则生成模式，比如规则花纹和对称结构，或者随机纹理。通过机器学习海量建筑材质和纹理搭配进行建议，也许未来只需要输入基础的参数如形状面积：长方形地块，结构：三层楼，还有风格：文艺复兴时期的意大利风格，AI就会生成符合要求几十个模型，给设计师进行选择和优化。AI将成为建筑设计师的良师益友，既可以向AI学习，也可以获得他的帮助。设计师可以和智能机器联手合作，比如设计师提出有价值的问题，机器提出可选择的解决方案。智能机器如今已经无处不在，比如工业机器人就是最好的例子。这些机器人用于有规律的任务，可以大规模地取代人力重复劳动。使用机器人的自动化具有很大的成本优化潜力，并在制造和生产方面带来卓越的效率。
# 三十五、平面设计：
设计是关于创造性而不是遵循一套结构化的规则。图形设计师不必做机械或逻辑工作，而是完全是一个创造性的领域。在这里人工智能表现可以是非常有创意的，而且它永远不会达到创造性饱和状态。就设计来说，一张海报完成后，为了适配不同的场景，还需要进行复杂的调整，才能输出相应尺寸的作品。这样的工作非常费时，而且对于设计师来说是很大的消耗，而这些都是人工智能擅长的事情。当下人工智能还远达不到能独立完成创意设计的水平，所以设计师应该把关注点放在创意的产生上面，然后把繁琐重复劳动交给机器，这样的组合将会大大提升设计师的输出质量。包括设计师上色工作也是一个巨大工程，通过AI的图片识别和上下文语义理解，自动填充对应的色块，完成辅助上色的工作，解放设计师的生产力去创造。
阿里电商平台推出的有一个设计海报机器人，通过机器学习方式，它可以只用一天的时间，制作1.7亿张不重复的海报。如果这些海报全靠设计师人手来完成，不知道要做多少年。
# 三十六、智能制造业：
人工智能技术正在促进智能制造中新模型、新方法、新系统的发展，是智能制造的核心技术，也是应用最多的领域。如比采用机器视觉、机器学习等技术，开展产品的质量检查，外观瑕疵点、色差检测和分析评价，可以解决以前的技术难点，明显提高识别和分析的水平，从而提升良品率。通过智能AI技术，产品质量明显改善。
人工智能技术结合产品研发系统**，使之具备逻辑推理和决策判断能力**，由计算机作为主导，依托知识库、自主学习体系，将大量设计实例、经验和准则相结合，根据设计目标不断缩小探索的范围，达到理想的设计效果。人工智能技术在产品流行趋势领域有很大发展空间。如借助计算机视觉与图像处理技术，分析海量照片，可以快速检索用户偏好的色彩、样式；如根据消费者偏好和消费习惯数据。在趋势预测方面，人工智能技术的应用，不仅能够准确地解决许多复杂问题，还可以成为未来产品创新的工具。
# 三十七、3D打印技术：
随着人工智能取得了显著的进步，并取得了一系列突破性的成果，如机器视觉和人工智能技术大大提高了智能制造的生产效率。人工智能应大数据而生，给大数据提供了一个深度思考的大脑，而3D打印给了智能数字化一个实体的躯体，三者共同引发了人工智能时代的到来。随着智能制造时代的到来，我们相信今后的3D打印与人工智能联手将会实现更多意想不到的成果。任何人类想象不出来的模型和结构，只要由人工智能设计出来，都可以通过3D打印机来实现，无论这个设计在人类看来有多么不可思议。二者的结合对于教学、医疗、设计、艺术、建筑等行业都会产生积极而且深远的影响，受其启发这将会大大延展人类的视野。如果混合材料打印工艺可以实现，再通过智能感知设备，就可以让3D打印机来控制制造行为，并且同时监测产品的质量和强度，然后实现动态的反馈调整。那将意味着3D打印机可以把人工智能从计算机拓展到现实世界，让机器制造机器的想法得以实现。也将给人工智能赋予物理的躯体，与现实世界进行物理层面的交互。3D打印是否在未来会取代传统制造业？答案是不会，3D****打印并非规模生产，而是个性化定制的生产技术。3D打印的出现将会带来更多新的个性制造需求，3 D打印在未来将一定程度上补充制造业的部分空白，并且将开创一种全新的商业模式。
# 三十八、工业互联网：
工业互联网是工业系统与高级计算、分析、感应技术以及互联网连接融合的结果。概括来说，它包括智能机器、高级分析、工作人员三个要素。而将这些元素融合起来，将为企业与经济体提供新的机遇。人工智能和工业互联网有着深刻的渊源与联系。工业互联网的高级计算、分析、感应技术都需要人工智能的广泛参与。工业大数据是基于网络互联和大数据技术，人工智能贯穿于工业的设计、工艺、生产、管理、服务等各个环节，使工业系统具备描述、诊断、预测、决策、控制等智能化功能的模式和结果。
这个领域也是一个集各家大成的领域，在未来人工智能，机器人基础，信息技术三者综合发展，**将会是自工业革命以来，最大的一次技术变革。工业的核心将转向信息流，更加快速的适应社会的发展，**信息流转的更有效率，将获得更多竞争优势。整合出来的效能对比传统工厂将会不可估量。这是一个刚刚起步的行业，存在非常多的机会。
# 个人化AI
# 三十九、生物识别技术：
通过计算机与光学、声学、生物传感器和生物统计学原理等手段密切结合，利用人体固有的生理特性，如人脸、虹膜等和行为特征如声音来进行个人身份的鉴定。生物识别技术具有研究不同人体部位结构的能力，并在物理分析的基础上识别人，所以生物特征认证被视为迄今为止最准确和最好的认证技术。
简单介绍一下现在常见的几种生物识别技术：声纹识别是经常被混淆认为语音识别是一种技术。声纹识别是通过识别语音波形中的生理和行为特征等语音参数，来对讲话者进行身份识别的技术。而语音识别是指将语音的内容识别成为文字，可见二者具有很大的不同。而最精准的生物识别技术是虹膜识别。前面提到的声纹可以做身份识别，但精准度远远达不到高安全级别应用场景的要求，比如支付转账、实验室、金库等重点安保场所。人的虹膜中包含有很多相互交错的斑点、细丝和条纹等等的细节特征，这些特征可以唯一地标识一个人的身份。而当下最热门的则是人脸识别技术。使用人脸识别的人工智能有一双真正的“眼睛”：可以识别主人、客人和坏人等等。人脸识别将为人工智能积累极其重要的数据，目前公安、教育、社保和金融等多个行业已经开始大批量引入人脸识别系统。
在所有其他人工智能技术中，这一技术与人类的互动性最强。与互联网、物联网的交集将成为各行业的重点发展方向。刷脸支付、刷脸开门、刷脸乘车等等应用都会非常快速的普及，用户在进行识别的时候基本是无感的，将来带更便捷、舒适的体验。在未来机器设备对人的感知和识别程度，也是智能化的重要特征。
# 四十、智能家居：
智能家电已经存在了很长一段时间。人造的机器人现在正在帮助人们从事清洁，烹饪和除尘等工作。不仅家庭用品，完全由人工智能控制的房屋也正在制作中。这些房屋对居民来说非常友好，让生活更轻松。例如： 每当你走进大门时，自动感知和生物识别技术会确认你的身份，从而自动开门，打开灯调到你喜欢的氛围，同时播放氛围音乐。而当你躺上床准备睡觉的时候，电气设备和灯都自动关闭等等。这些都不是科幻小说，这是现有的技术已经实现了的功能。在这里需要讨论智能设备的内涵意义，它应该不仅仅包含wifi和传感器，而是感知和交互，背后需要人工智能的深度学习模型来支持，比如扫地机的案例，有路线规划和没有路线规划，就是完全不同的产品体验。没有路线规划的扫地机使用随机算法，它不知道自己清扫过什么地方，理论上时间足够长的话是可以走完整个房间。所以实际应用中，房间并不是空旷的规则区域，而是有很多家具切割成的小块，这种情况下就很难通过随机算法实现全面覆盖，浪费时间清洁效果也不好。而使用路线规划算法的扫地机会规划出打扫的路线，知道自己去了哪里，哪里还没去，这样能保证至少把房间全面清扫一边。这个例子只是给大家一个智能设备的直观概念，在被厂商营销智能产品的时候，不放多看看所谓的智能设备除了wifi联网和支持APP还剩下什么？到底有没有数据积累和模型的支持，否则只是花了几倍的价钱买了一个带wifi****开关的普通电器而已，根本称不上智能。
社会发展总是向更高效率的方向前进，比如在工业革命后工业生产代替手工产品成为制造业主流，同样的马车也被汽车替代一样。人工智能实际上也是现代科学技术发展到一定阶段的产物，背后是核心技术是机器学习、机器人、传感器、云计算、大数据等技术的突破和发展。从这个角度看人工智能的大规模应用也只是一场顺势而为的技术变革。
根据Gartner 2017发布的报告预测，人工智能在未来的10年之内将成为最具颠覆性的技术，各行各业与AI深度融合应用也将会成为技术发展的主流。在技术引领的数字化经济的时代，AI将会取代移动互联网的地位，成为新一轮经济发展的领导者。从趋势上来看，人工智能的应用会大幅提高生产率和减少工作强度，使人类有更多的时间从事创造性活动和娱乐及休闲，当然这也是我们人类更加擅长的领域。所以，无论你从事什么行业，从今天开始都应该关注人工智能的发展，感受科技进步的脉搏，更好的理解和利用技术带来的便捷，一起去见证一个机器具有智能的未来。
我们下期再见。
本篇是老张创作的课程《人工智能进化论课程》基础篇内容，转载需授权。
读完了觉得内容不错的话请转发和评论~
# 参考文章
- http://www.ciotimes.com/index.php?a=app_show&c=index&catid=69&id=191063&m=content&ivk_sa=1024320u
- https://www.jianshu.com/p/2df26f9c6411
- https://www.jianshu.com/p/ce6c1452bc4f
