國際人工智慧人才的領域分佈較為集中，主要分佈於演算法、機器學習等領域。

全球人工智慧細分領域人才需求量排名見下圖：

從中美人工智慧細分領域人才分佈對比來看，中美在演算法和機器學習這兩大基礎層領域分佈的人工智慧人才佔比均較大，其中美國佔比達56.5%，超過其人工智慧總人才數量的一半，略高於中國的45.6%，人才分佈佔比排名第二的領域是屬於應用層的機器人領域，排名第三的則是屬於基礎層的硬體、GPU、智慧晶片領域，而中美在影象識別/計算機視覺和自然語言處理等技術層領域分佈的人工智慧人才數量則遠低於基礎層領域。

總的來說，人工智慧的基礎層是人工智慧技術要求相對較高的領域，也是人工智慧發展的核心基礎。基礎層吸引了主要的人才，有利於人工智慧行業的長期發展，也可為技術層和應用層的後期爆發做好技術積累，相比於基礎層和技術層的高技術門檻，應用層則相對更趨向於商業化的解決方案，處於風口之中的應用領域對人才的需求量也較大。

簡單說：

1 底層——演算法，資料。建模，理論，倫理，趨勢

2 應用層——產品策劃，設計，生產，銷售

一共兩個大層次，十分小領域，每個裡面都有很大的人才容量

看看實際應用，就知道人工智慧領域。

1、虛擬個人助理

經常使用手機的你一定對Google Now和Cortana這些虛擬個人助理不會陌生。只要你說出命令，他們就會幫助你找到有用的資訊。例如，你可以問“最近的川菜館在哪兒？”，“我今天的日程有什麼安排？”，“提醒我八點鐘給某某某打電話”，然後，虛擬個人助理就可以透過查詢資訊，然後向手機中的其他app傳送對應的資訊來完成指令。

這一看似簡單的過程實際上就有人工智慧的介入，並且扮演著重要的角色。在語音喚醒虛擬個人助理的時候，人工智慧會收集你的指令資訊，利用該資訊進一步識別你的語音，併為你提供個性化的結果，最終會讓你覺得越來越好用，達成越用越好用的結果。微軟表示，自家的Cortana（中文名叫小娜）可以“不斷了解使用者”，最終將培養出預測使用者需求的能力。

2、智慧汽車

你可能還沒看到有人上班一邊開車，一邊看報紙，但自動駕駛汽車確實越來越接近現實。Google旗下的自動駕駛汽車專案和特斯拉的“自動駕駛”功能是最新的兩個例子。自動駕駛技術毫無疑問是基於人工智慧之上的技術，並且目前發展速度極為迅猛。從英特爾今年年初收購以色列自動駕駛汽車公司Mobileye可見一斑。

今年早些時候華盛頓郵報還有過報道，稱Google開發了一種演算法，能讓自動駕駛汽車像人類一樣學習駕駛技術。由於人工智慧可以學會玩簡單的影片遊戲，Google讓自動駕駛汽車上路前也測試相同的智慧遊戲。整個專案的構思在於，汽車最終能夠“認清”面前的道路，並根據它所看到的內容做出相應的決策，幫助它在行駛的過程中學習經驗。雖然特斯拉的自動駕駛儀功能沒有這麼先進，但它已經上路使用，同時這也表明此類技術肯定會蓬勃發展。

3、線上客服

現在，許多網站都提供使用者與客服線上聊天的視窗，但其實並不是每個網站都有一個真人提供實時服務。在很多情況下，和你對話的僅僅只是一個初級AI。大多聊天機器人無異於自動應答器，但是其中一些能夠從網站裡學習知識，在使用者有需求時將其呈現在使用者面前。

最有趣也最困難的是，這些聊天機器人必須擅於理解自然語言。顯然，與人溝通的方式和與電腦溝通的方式截然不同。所以這項技術十分依賴自然語言處理（NLP）技術，一旦這些機器人能夠理解不同的語言表達方式中所包含的實際目的，那麼很大程度上就可以用於代替人工服務。

4、購買預測

如果京東、天貓和亞馬遜這樣的大型零售商能夠提前預見到客戶的需求，那麼收入一定有大幅度的增加。亞馬遜目前正在研究這樣一個的預期運輸專案：在你下單之前就將商品運到送貨車上，這樣當你下單的時候甚至可以在幾分鐘內收到商品。毫無疑問這項技術需要人工智慧來參與，需要對每一位使用者的地址、購買偏好、願望清單等等資料進行深層次的分析之後才能夠得出可靠性較高的結果。

雖然這項技術尚未實現，不過也表現了一種增加銷量的思路，並且衍生了許多別的做法，包括送特定型別的優惠券、特殊的打折計劃、有針對性的廣告，在顧客住處附近的倉庫存放他們可能購買的產品。這種人工智慧應用頗具爭議性，畢竟使用預測分析存在隱私違規的嫌疑，許多人對此頗感憂慮。

5、音樂和電影推薦服務

與其他人工智慧系統相比，這種服務比較簡單。但是，這項技術會大幅度提高生活品質的改善。如果你用過網易雲音樂這款產品，一定會驚歎於私人FM和每日音樂推薦與你喜歡的歌曲的契合度。從前，想要聽點好聽的新歌很難，要麼是從喜歡的歌手裡找，要麼是從朋友的歌單裡去淘，但是往往未必有效。喜歡一個人的一首歌不代表喜歡這個人的所有歌，另外有的時候我們自己也不知道為什麼會喜歡一首歌、討厭一首歌。

而在有人工智慧的介入之後，這一問題就有了解決辦法。也許你自己不知道到底喜歡包含哪些元素的歌曲，但是人工智慧透過分析你喜歡的音樂可以找到其中的共性，並且可以從龐大的歌曲庫中篩選出來你所喜歡的部分，這比最資深的音樂人都要強大。電影推薦也是相同的原理，對你過去喜歡的影片瞭解越多，就越瞭解你的偏好，從而推薦出你真正喜歡的電影。

6、智慧家居裝置

許多智慧家居裝置都擁有學習使用者行為模式的能力，並透過調整溫度調節器或其他裝置來幫助節省資金，不僅便利、還節能。例如，屋主外出工作，裝置自動開啟烤箱，無須等到回家再啟動，這一點非常方便。人工智慧知道主人什麼時候回家，就能相應的提前調整溫度，而出門在外時則自動關閉裝置，這樣可以省下不少錢。

另一項家居裝置也有人工智慧的身影——照明。透過設定預設值和偏好，裝置可根據你的位置和你正在做的事調整房子（內部和外部）周圍的燈光。例如，看電視就暗一些，烹飪時較明亮，吃飯則亮度適中。智慧家居的AI，只要你敢想，沒有什麼做不到。

7、大型遊戲

遊戲AI可能是大多數人最早接觸的的AI例項。從第一款大型遊戲到現在，AI已經應用了很長時間。最早期的AI甚至不能稱為AI，只會根據程式設定進行相應的行為，完全不考慮玩家的反應。不過最近幾年裡，遊戲AI的複雜性和有效性卻迅猛發展。現在大型遊戲中的角色能夠揣摩玩家的行為，做出一些難以預料的反應。

像《孤島驚魂》(FarCry)和《使命召喚》（Call of Duty）這種第一人稱射擊遊戲也能很好地利用AI。敵人可以分析玩家的環境，追蹤可能生存的目標。敵人也會找掩護，追蹤聲音，側翼攻擊，以增加勝利的可能。雖然就AI技術本身而言，在遊戲中的應用有點大材小用，但是由於行業市場巨大，每年都有大量精力和資金投入其中來完善這種技術。

8、欺詐檢測

你有沒有收到過電子郵件或信件——詢問你是否用信用卡進行了某些產品支付？如果使用者的帳戶存在被欺詐的風險，銀行會發送此類信件，希望在匯款前確認使用者個人已同意支付。人工智慧通常部署來監控這種欺詐行為。

一般來說，先將大量欺詐和非欺詐性交易樣本資料輸入電腦，然後命令電腦分析資料，發現交易中不同類別的情況。經過足夠的訓練，電腦系統就將能夠利用所學和種種跡象辨認出欺詐性交易。

9、安全監控

隨著人們對於安全問題越來越重視，監控攝像頭也越來越普及，在方便了場景記錄和重現之外，也出現了新的挑戰：監控攝像頭所拍攝的內容仍然需要人工監測。用人力來同時監控多個攝像頭傳輸的畫面，非常容易疲倦，同時也容易出現發現不及時或者判斷失誤的情況。因為，非常有必要在監控攝像頭系統中引入人工智慧技術，藉助人工智慧來進行24小時無間斷的持續監控。例如，利用人工智慧來判斷畫面中是否出現異常人員，如果發現可以及時通知安保人員。

當然，目前能夠實現的技術還十分有限。比如，電腦看到閃光的顏色，可能表明有人入侵或在校園周圍遊蕩，但是識別的精確度仍然有待力高。另外，由於當前技術的限制，識別特定行為依舊比較困難，比如商店中的小偷小摸行為。但在相信在不久的將來，這種技術的改善絕非難事。

10、新聞生成

人工智慧程式可以寫新聞？聽起來似乎很不可思議，但是這就是現實！根據美國Wired雜誌統計，美聯社，福克斯和雅虎都已經在利用人工智慧來編寫文章，例如財務摘要、體育新聞回顧和日常報道。目前，人工智慧還沒有涉及調查類文章，但是如果內容不是太複雜、相對簡單，人工智慧完全可以搞定。從這個角度來說，電子商務、金融服務、房地產和其他資料驅動型行業都可以從人工智慧中受益良多

隨著智慧家電、穿戴裝置、智慧機器人等產物的出現和普及，人工智慧技術已經進入到生活的各個領域，引發越來越多的關注。那麼，人工智慧目前都應用在哪些領域，運用了怎樣的技術原理呢？　　

什麼是人工智慧？

　　人工智慧是研究、開發用於模擬、延伸和擴充套件人的智慧的理論、方法、技術及應用系統的一門新的技術科學，是認知、決策、反饋的過程。　　　　曾經有很多人戲稱，人工智慧就像一列火車，你苦苦期盼，它終於來了，然後它呼嘯而過，把你拋在身後。雖然這是一種笑談，但也反應了人工智慧技術發展的迅速和無法想象的快，可能一個不小心，你就被遠遠甩在身後。

人工智慧技術的細分領域有哪些？

　　　　人工智慧技術應用的細分領域：深度學習、計算機視覺、智慧機器人、虛擬個人助理、自然語言處理—語音識別、自然語言處理—通用、實時語音翻譯、情境感知計算、手勢控制、視覺內容自動識別、推薦引擎等。

1、深度學習

　　　　深度學習作為人工智慧領域的一個應用分支，不管是從市面上公司的數量還是投資人投資喜好的角度來說，都是一重要應用領域。說到深度學習，大家第一個想到的肯定是AlphaGo，透過一次又一次的學習、更新演算法，最終在人機大戰中打敗圍棋大師李世石。百度的機器人“小度”多次參加最強大腦的“人機大戰”，並取得勝利，亦是深度學習的結果。

深度學習的技術原理：

1.構建一個網路並且隨機初始化所有連線的權重；2.將大量的資料情況輸出到這個網路中；3.網路處理這些動作並且進行學習；4.如果這個動作符合指定的動作，將會增強權重，如果不符合，將會降低權重；5.系統透過如上過程調整權重；6.在成千上萬次的學習之後，超過人類的表現；

2、計算機視覺

　　計算機視覺是指計算機從影象中識別出物體、場景和活動的能力。計算機視覺有著廣泛的細分應用，其中包括，醫療成像分析被用來提高疾病的預測、診斷和治療；人臉識別被支付寶或者網上一些自助服務用來自動識別照片裡的人物。同時在安防及監控領域，也有很多的應用……

計算機視覺的技術原理：

　　計算機視覺技術運用由影象處理操作及其他技術所組成的序列來將影象分析任務分解為便於管理的小塊任務。比如，一些技術能夠從影象中檢測到物體的邊緣及紋理。分類技術可被用作確定識別到的特徵是否能夠代表系統已知的一類物體。

3、語音識別

　　語音識別技術最通俗易懂的講法就是語音轉化為文字，並對其進行識別認知和處理。語音識別的主要應用包括醫療聽寫、語音書寫、電腦系統聲控、電話客服等。

語音識別技術原理：

1、 對聲音進行處理，使用移動窗函式對聲音進行分幀；2、 聲音被分幀後，變為很多波形，需要將波形做聲學體徵提取，變為狀態；3、 特徵提起之後，聲音就變成了一個N行、N列的矩陣。然後透過音素組合成單詞；

4、虛擬個人助理

　　說到虛擬個人助理，可能大家腦子裡還沒有具體的概念。但是說到Siri，你肯定就能立馬明白什麼是虛擬個人助理。除了Siri之外，Windows 10的Cortana也是典型代表。

虛擬個人助理技術原理：（以Siri為例）

1、使用者對著Siri說話後，語音將立即被編碼，並轉換成一個壓縮數字檔案，該檔案包含了使用者語音的相關資訊；

2、由於使用者手機處於開機狀態，語音訊號將被轉入使用者所使用移動運營商的基站當中，然後再透過一系列固定電線傳送至使用者的網際網路服務供應商(ISP)，該ISP擁有云計算伺服器；

3、該伺服器中的內建系列模組，將透過技術手段來識別使用者剛才說過的內容。

總而言之，Siri等虛擬助理軟體的工作原理就是“本地語音識別+雲計算服務”。

5、語言處理

　　自然語言處理（NPL），像計算機視覺技術一樣，將各種有助於實現目標的多種技術進行了融合，實現人機間自然語言通訊。

語言處理技術原理：

1、漢字編碼詞法分析；2、句法分析；3、語義分析；4、文字生成；5、語音識別；

6、智慧機器人

　　智慧機器人在生活中隨處可見，掃地機器人、陪伴機器人……這些機器人不管是跟人語音聊天，還是自主定位導航行走、安防監控等，都離不開人工智慧技術的支援。

智慧機器人技術原理：

　　人工智慧技術把機器視覺、自動規劃等認知技術、各種感測器整合到機器人身上，使得機器人擁有判斷、決策的能力，能在各種不同的環境中處理不同的任務。

7、引擎推薦

　　不知道大家現在上網有沒有這樣的體驗，那就是網站會根據你之前瀏覽過的頁面、搜尋過的關鍵字推送給你一些相關的網站內容。這其實就是引擎推薦技術的一種表現。

　　Google為什麼會做免費搜尋引擎，目的就是為了蒐集大量的自然搜尋資料，豐富他的大資料資料庫，為後面的人工智慧資料庫做準備。

引擎推薦技術原理：

　　推薦引擎是基於使用者的行為、屬性（使用者瀏覽網站產生的資料），透過演算法分析和處理，主動發現使用者當前或潛在需求，並主動推送資訊給使用者的資訊網路。快速推薦給使用者資訊，提高瀏覽效率和轉化率。

關於人工智慧的展望

　　除了上面的應用之外，人工智慧技術肯定會朝著越來越多的分支領域發展。醫療、教育、金融、衣食住行等等涉及人類生活的各個方面都會有所滲透。

當然，人工智慧的迅速發展必然會帶來一些問題。比如有人鼓吹人工智慧萬能、也有人說人工智慧會對人類造成威脅 ，或者受市場利益和趨勢的驅動，湧現大量跟人工智慧沾邊的公司，但卻沒有實際應用場景，過分吹噓概念。