所以除了下棋，人工智慧還能做什麼？人們希望人工智慧能夠取代人的一部分腦力勞動，希望計算機能夠看到聽到並且理解真實世界中的問題，然後做出最好的決策。任何需要人類智力來解決的問題，都是人工智慧的應用領域。

現在已經有了一些人工智慧的應用，我們常見的可能包括計算機作曲、寫詩、畫畫、寫新聞；聽寫、翻譯自然語言等等。IBM 的 Watson 在問答節目裡已經贏過了最強的人類選手，目前正在幫助診斷癌症、設計菜譜；Google 的 DeepMind 團隊除了開發下圍棋的 AlphaGo 之外，正在研究能夠在《星際爭霸2》遊戲中勝過人類頂尖選手的 AI；至於自動駕駛汽車，許多企業都已經推出了可以上路的原型。

至於未來，人工智慧的應用將會更有想象空間。在相對較短的一段時間內，單調重複的腦力勞動理論上都可以被人工智慧取代。傳統上被認為是理性的領域，例如醫生、律師、司機、教師的部分職能將會被人工智慧分擔，傳統上人類認為是藝術的一些領域也不例外。

最近，來自幾所大學和研究機構的研究人員在預印本網站arvix.org 上發表了一篇論文。他們調查了352名計算機和人工智慧專家對未來的判斷，預測了人工智慧還有多久才能在不同任務上佔據主導地位。這項調查很有趣，不妨參考一下。

相關文章：http://cj.sina.com.cn/article/detail/6105753431/269081

原始論文：https://arxiv.org/pdf/1705.08807.pdf

大家要知道alphago下棋的原理不是單純的計算。是訓練邏輯思維模型的結果。那麼，可以做的太多了，金融上，買賣股票，預測雙色球開獎號碼。商業上，預測人群購買行為，就是預測這個人會不會來你家買東西，買多少，怎麼買。預測，妹子喜不喜歡你。工業上，預測模型模型是否能經過測試。還有資料擬合，自動識別驗證碼等等。我只說大家喜歡聽的。

我們來看看國內一些企業在人工智慧上的進展吧！

第四正規化首席架構師胡時偉談《機器學習系統和工程方面的最佳化方向》

作為卓越的人工智慧技術與服務提供商，第四正規化一直都是人們關注的重點。在本次大會上，胡時偉談及機器學習系統和工程方面的最佳化三個最佳化方向：精細、智慧和高效。以工業界應用演算法的4個象限為例，介紹了先知平臺的主要技術技巧。

先知平臺運用GDBT框架可在相同機器相同時間內，用到5到6倍的資料以及多到數十倍或上百倍的規模，在計算力上為演算法提供了保障。

eBay李睿解析《NLP在eBay的技術實踐》

eBay是2017年BrandZ最具價值全球前100強品牌，而eBay的專案負責人李睿主要負責研究和開發電子商務平臺上用到的分類識別演算法。在8月5日上午的FMI人工智慧與大資料高峰論壇上，李睿主要介紹了NLP在eBay的技術實踐。

分類器下的自然語言處理在eBay搜尋、類別推薦、產品分辨、機器翻譯等的具體運用。eBay透過不斷努力把電商做到了世界各地，我們希望eBay以後的發展更加美好。

李嘉璇分享《大規模分散式叢集訓練在TensorFlow上的實踐及演進》

李嘉璇今天的演講主題包括常見的大規模訓練、大規模分散式叢集訓練的遞進式解決方案、TensorFlow和Spark相結合的實踐、雲深度學習平臺的架構設計和實現以及調參經驗的分析，滿滿的都是乾貨!

李嘉璇還表示，TensorFlow目前正在致力於打造雲深度學習平臺，這個高效能平臺配有多租戶認證授權機制、提供模型開發解決方案，旨在給各個業務部門提供一個雲深度學習的基礎服務。

第四正規化創始人、首席研究科學家陳雨強《工業界機器學習痛點及解決思路》

人工智慧的興起是資料量變大、機器效能提升和平行計算發展共同帶來的結果，我們工業界的人工智慧最需要的是Scalable的系統，而高VC維模型是Scalable的系統必須的。

陳雨強指出，所有的機器學習本身就是一個偏執的，AI沒有普及的原因不是效果不夠好，而是門檻太高。第四正規化一直在為“AI for everyone”不斷努力，讓工業界所有的地方都能用上人工智慧。

餓了麼王胤 《高分辨衛星影象深度資訊提取》

結合自己原來在Facebook的工作經驗，王胤對Facebook中的導航和位置分享功能實現做了詳細的介紹。Facebook的上線影片有一個是開源地圖，Facebook團隊不斷透過深度學習模型的改進和深度學習在影象上的應用，將當地開源地圖的資料和衛星影象結合，極大地改進了地圖的準確度。

Admaster技術副Quattroporte盧億雷談數字營銷在人工智慧領域的實踐

盧億雷在分散式儲存和計算、大資料方面有很多項發明專利，也是人工智慧技術的常駐嘉賓。人工智慧的發展得益於大資料的發展。盧億雷針對大家對人工智慧技術偏差理解、應用技術和場景、演算法和模型給大家做了一個簡單的介紹。最後，盧億雷深度講解了人工智慧在數字營銷行業的應用。

盧億雷表示人工智慧不等於智慧，人工智慧主要分為5大塊，分別是知識庫、搜尋技術、推理技術、知識獲取技術、系統智慧和人工智慧。而數字營銷真正的智慧化是讓大家對廣告不討厭，讓大家透過營銷找到自己想要的產品，這才是人工智慧應用到數字營銷的真正目的。

中興通訊高階系統架構師劉光聰《TensorFlow on Kubernetes》

中興通訊是全球領先的綜合通訊解決方案提供商，公司成立於1985年，可以說是綜合通訊解決方案提供商的元老。劉光聰透過中興通訊TensorFlow在Kubernetes上的實戰案例，分享了TensorFlow高效能叢集容器化的一些技術實踐。運用TensorFlow整體架構和執行機制，在信箱新增加密演算法，製作TensorFlow的容器化，使產品效能得到了很大提升。

中興通訊發展到今天，背後一直都有強大的領導力和技術的支撐，我們期待中興通訊在以後的技術分享中帶給我們更大的驚喜。

藝術：畫畫

谷歌在舊金山舉行一場畫展和拍賣會，展示電腦在人類的指導下創作的畫作。此次展示的畫作包括迷幻的海景、梵高風格的森林和以及城堡和狗組成的奇異景觀。其中6幅尺寸最大的作品被一位職業拍賣人以高達8000美元的價格拍得。

谷歌最初開發這項技術是為了識別照片中的物體。但為了進行藝術創作，工程師又隨機為電腦演算法提供各種形狀，電腦演算法之後便會報告這些圖片像什麼物體，例如狗、人臉和樹木。當然，這個演算法與AlphaGo的演算法又有怎樣的差距，這個是目前還無法得知的。

谷歌舉辦人工智慧畫展

商業：金融交易

人工智慧擁有如此強大的計算能力，人類怎麼會放過利用其賺錢的機會呢！將人工智慧引入股市銀行等代替人類做交易員，在最近幾年漸漸盛行。下面舉三個經典的案例，基本上你就能體會到人工智慧的強大了。

高頻程式化交易Virtu Financial LLC公司在1238個交易日中，僅有一個交易日出現了虧損。

第一個以人工智慧驅動的基金Rebellion預測了2008年的股市崩盤，並在2009年9月給希臘債券F評級，而當時惠譽的評級仍然為A。透過人工智慧手段，Rebellion比官方降級提前了一個月。

掌管900億美元的對沖基金Cerebellum也使用了人工智慧技術，結果從2009年以來，沒有一個月是虧損的。

根據花旗銀行的最新研究報告，人工智慧投資顧問管理的資產，2012年基本為0，到了2014年底已經到了140億美元。在未來10年的時間裡，它管理的財產還會呈現指數級增長的勢頭，總額達到5萬億美元。

金融交易平臺Capitalico 正在利用人工智慧進行股票分析

健康：醫療輔助

19年前發生了和今天一樣里程碑的事件，IBM的超級電腦“深藍”擊敗國際象棋大師卡斯帕羅夫。之後深藍在圍棋界打遍天下無敵手，除了棋力持續大漲之外，還在其他領域發揮著作用，比如為MD癌症中心工作。透過Watson的認知計算能力，從病人病例和豐富的研究資料庫中尋找資料，為臨床醫生提供有價值的見解，從而幫助醫護人員找到最有效的治療方案。去年，IBM推出了一個新的認知計算機健康平臺——Watson Healthcare Cloud，目前與生物製藥公司諾和諾德以及強生等公司已達成了合作關係。

在AlphaGo 與李世石比賽前，谷歌同樣宣佈這個創造出 AlphaGo 的 Google DeepMind 實驗室將進軍醫療技術領域。他們成立了 DeepMind Health 團隊，與英國倫敦帝國理工學院和倫敦皇家自由醫院展開合作。他們推出了一款名為 Streams 的移動端應用程式，醫療人員可以利用 Streams 更快地觀察到醫療結果。

透過計算人工智慧幫助醫療人員找到最有效的治療方案

交通：無人駕駛

想象一下，有一天我們出門打車，車上沒有司機，你只要告訴它，你要去哪裡，它會自動搜尋路線並啟動汽車上路。其實現在已經不用想象，因為這一切正在成為現實。

谷歌、特斯拉、蘋果甚至是寶馬，他們都在開發自己的無人駕駛汽車，谷歌的車已經在公司附近的山景城測試了無數次，雖然交通事故也發生過十多起，不過基本上都屬於小摩擦，尚未造成嚴重損失。有人說，即使是發生了這些事故，無人駕駛汽車發生事故的機率也遠遠低於人類。當然，這同樣依靠的人工智慧強大而精準的計算能力。

關於這些無人車何時正式大量地上路載人，業內普遍的說法是2020年，目前它們在物體識別以及交通規則上仍在學習過程中。

谷歌無人駕駛汽車

生活：個人助手

人工智慧個人助手，如果要詮釋這個，看一遍電影《Her》就可以了，其中的人工智慧作業系統薩曼莎不僅可以幫助主人公快速處理各種郵件、檔案等工作，還能像朋友一樣理解並與之互動。

現實生活中，這樣的個人助手也正在成為現實，如蘋果的Siri、微軟的Cortana 以及谷歌的Google Now，國內也有科大訊飛的靈犀、圖靈的蟲洞語音助手等，這些語音助手現在一般是存在於PC或手機之中，近年隨著服務機器人的發展，它們開始有了新的載體。而機器人除了有語音功能外，還具備自主行動地能力，因此有望在其他方面幫助人類。

日本軟銀旗下機器人Pepper

市面上有無數針對下棋的程式，但並不是每個都是隻是為了下棋的，DeepMind的開發團隊沒有幾個是懂圍棋的，他們開發AlphaGo 並讓它與人類下圍棋，只是為了讓它找到邏輯判斷的方式並不斷自我學習，這些是人工智慧深度學習的基礎。當它擁有了這些能力之後，它可以迅速學習其他方面的能力，並最終服務人類。當然，前提是我們不考慮機器覺醒的問題，至少在我看來，這是個遙遠的事情。

這個問題實際很好得！現在人工智慧用alpha go同國際圍棋冠軍得比賽在媒體上賺足了眼球！但是人工智慧不僅僅是用在下棋方面，在現在和未來都用在很多方面。

現在得應用：

1第一在很多得金融軟體，比如銀行和證券得手機端。app開啟後，進行最初得身份認證就是用到了雲端人臉識別人工智慧演算法。

2.在很多得語音識別軟體得應用，最簡單得就是高德導航和百度導航在輸入目的地和出發地用的語音，是現在大眾都能接觸到而且做到出類拔萃得產品。

3.現在越來越多得銀行電話用到了自動語音客服，但是不知道用得誰得解決方案，是相當得不好用，基本不具備可用性。

4.不得不說得是科大訊飛，確實沒出過幾個像樣得大範圍得使用產品，手機語音輸入法確實在中文方面比其他輸入法準確，但是這真得是一個偽需求。現在微信有語音了，誰會再翻譯成文字，就是需要翻譯微信也集成了翻譯功能。另外訊飛得幾個終端翻譯裝置確實很不好用，雖然識別率準，但是對於多人場景，打斷說話，自動更正等國際語音研究比較關注得問題，連國外共享軟體都不如。個人覺得總體上科大訊飛走的得樂視得老路，就是騙一些語音識別得外行，用小眾得實驗代替大眾產品來換取股市上得套現。

5.不得不說說百度，百度得語言分析是最樸素得人工智慧，能做到中國第一，大家都在使用，確實當之無愧得中國ai王者。

未來以來得應用

1.就是自動駕駛了，百度大腦得很大一部分就是用人工智慧進行自動駕駛學習和實現。

2.另外現在很人們得醫學上得人工智慧，就是用人工智慧影象分析對醫學影像資料進行自動得給出診斷判斷，雖然不能取代人工，但是能大大協助醫生診斷比如x光片子，ct片子。

3.真實得自然語言翻譯器，就是日本和美國那種即時得翻譯機器，雖然科大也出了一個，但是基本是不能模擬人類對話，對於對話得打斷，多人，更正基本是0進度。誰會像一個電臺主持人一樣那樣說話，沒有錯誤，沒有中斷。所以從這方面講科大是一個0歲得語音識別參與者。

4.現在很多得跑ros系統得機器人。裡面多感測器的互相融合再輸出動作，都是用到了深度學習。這個再google得tensorflow框架裡面用到了很多案例。

總結： 總體上現在還是未來都會有大量得人工智慧應用

不再只下棋的谷歌 A.I. 開始探索外星生命存在的可能。

首先，科學家們製作了一個數據集來訓練神經網路，這意味著可以生成 600 萬個假想圖，然後這些影象顯示了引力透鏡的作用。然後，神經網路對資料失去了控制，讓它慢慢識別出不同的模式。最後再進行一些微調，可以在一瞬間識別出有引力透鏡現象的程式。

負責人 Petrillo 說：“一個高水平的人類工程師團隊每小時可以篩選出 1000 個影象對比。”比如他自己的團隊估算出的資料，大約每 3 萬個星系中就會出現一個。因此，一週無休的情況下也最多隻能找出五到六個。相比之下，神經網路可以在短短 20 分鐘之內篩選 21789 張圖片資料庫。Petrillo 說，這還是一個古老的計算機處理器，但已經可以大幅縮短過程。

神經網路並不像計算機那麼精確，為了避免遺漏，它的引數篩選條件並不嚴格。它會產生 761 個可能的後選擇，再透過人類的方式篩選，最後縮小到 56 個。這種方法需要人類的進一步觀察來配合。但 Petrillo 表示，其中只有大約三分之一的資料有效。與過去幾十年整個科學界發現大約 100 個引力透鏡相比，現在每一分鐘就會發現一個。這是一個令人難以置信的提升速度，也是非常完美的方法。

找到這些現象對於天文學的奧秘發現有著重要的意義。宇宙到底是什麼構成，我們所熟悉的物質（包括行星、恆星、小星星等）只佔宇宙空間物質的 5%，而其餘不知道成分的物質，佔了 95%的比例。這包括一種被稱為暗物質的假象物，但人類從未直接觀測到。相反，我們研究它對宇宙的引力作用，可以作為引力透鏡的關鍵指標。

那麼人工智慧技術還能做些什麼呢？研究人員正在研發一些新的工具。比如 Petrillo 就在進行類似於身份識別的工作，他對星系進行分類。而還有一些科學家則在幫助梳理資料流，尋找有趣的訊號，比如一個神經網路，可以消除來自於無線電望遠鏡的人為干擾，幫助科學家尋找到更有價值的訊號。而更多的應用是用來識別脈衝恆星，定位異常的外行星，或者提高天文望遠鏡的影象解析度。簡而言之，人工智慧還有大量的潛在應用價值。

著名物理學家史蒂芬·霍金教授此前曾經說過，在未來 100 年內，人工智慧的機器人將反過來控制我們人類在最新的一次講話中，霍金教授表示如果人工智慧未有徵服人類，那麼先進的外星文明將會這樣做。不過現在看來，兩者可能會攜手製造這樣的危機。

總部位於倫敦的谷歌姐妹公司DeepMind近日成功研發了新的培訓方式，讓教人工智慧如何玩影片遊戲。他們不再費力的提供各種資料，而只是為其提供一些YouTube影片。以該公司Alpha Go的人工智慧為例，目前AI的不足之處在於不喜歡探索新的地方或者嘗試新的方式，只有在提供非常完善的規則和大量資料下才能執行。

但是如果想要讓人工智慧玩《Pitfall》或《Montezuma"s Revenge》這樣的遊戲時候，由於這兩款遊戲都需要進行探索，所以機器很難確定它應該做什麼。而我們人類有能力做出各種決定，在玩遊戲的過程中玩家可以透過觀察非常輕鬆的知道應該怎麼玩下去。根據團隊白皮書，對於人工智慧來說可能還遙不可及。

目前開發者主要透過完美規範的資訊資料來培訓人工智慧，而在沒有大量資料的情況下人工智慧就無法獲得更深入的發展。而DeepMind的新方法，AI會拍攝噪點影象，並自己格式化生成所需要的資料。如果你向其展示一段人類玩《Pitfall》或《Montezuma"s Revenge》的影片，它可以分離並模擬人類的操作。

僅僅投資和利用AI技術是不夠的。公司和企業需要一個專業人才庫，他們可以採用這些AI工具來確保獲得最佳結果。隨著人工智慧和機器學習不斷滲透全球的行業和企業，越來越需要重新思考組織的整個領導和思維過程，從產品戰略和客戶體驗到找到提高人力資本生產力的方法。商業世界的領導者必須透過以下方式鼓勵其系統內的智慧AI整合：

· 作為一個發展中的領域，人工智慧需要不斷的訓練和學習，以跟上它今天帶來的創新和變化。未來，人工智慧將在技術領域帶來新的變化，只有透過鼓勵和創造不斷學習和培訓的工作環境，組織才能跟上人工智慧的創新。

· 組織應努力保持並推動業務各個方面的透明度。領導和經理應該與員工就他們的AI方法進行公開交流。這不僅有助於贏得他們的信任和信心，而且還會鼓舞士氣，激勵他們更努力地工作。

· 增強智慧，融合人的投入和人工智慧，將成為企業成功和形成繁榮社會的關鍵驅動力。我們正處在技術變革的風口浪尖上，這與我們之前在人類歷史上看到的任何變化都不同。技術進步需要更加關注天生的人類技能 - 批判性思維，情商和價值判斷。

因此，擁有合適的資料基礎架構和適當的組織技能可以幫助企業和組織以正確的方式利用人工智慧工具和技術。人工智慧的未來是支援和增強人的能力，這樣一個人工智慧團隊比單獨一個人更強大。