雖然人工智慧現在已經在各個領域都嶄露頭角，但是其還不夠完善，在未來的一段時間裡它還需要繼續改進升級。我們拭目以待。

人工智慧現在已經很成熟了，現在在一步一步完善和改良！現在我們身邊都有人工智慧的出現，只是我們已經習以為常！！

人工智慧在飛速的發展，現在已經超過我們的想象。看過一篇文章，寫的是人類最可怕的不是核武器，也不是細菌戰，而是智慧人，文章預言人類將無法控制自己發明的智慧人，人類賦予智慧人的智慧將有一天會毀滅地球，多麼可怕啊！

人工智慧正處在快速發展時期。最近張學友演唱會不斷有逃犯落網就是最好例子。深圳的高交會上，日常用的電燈都添加了語音識別。

福布斯評出2018年AI（人工智慧）領域取得發展的6大方向，分別是人工智慧驅動醫療診斷、自動駕駛、人工智慧對話、翻譯、虛擬助手和認知，其中醫療領域取得的突破明顯，比如谷歌的DeepMind可以用人工智慧預測蛋白質三維結構；而在過去兩年半語音數字助理裝置的數量在全球範圍內已經增長至超過10億美元，虛擬助手發展達到臨界量。

人工智慧一直都是火爆的行業。許多公司都想利用這次數字淘金熱大賺一筆。儘管如此，人工智慧行業仍然存在真正的創新。雖然社會上一些其他新技術正在黯然失色，但是人工智慧卻是在加速進步。而2018年，人工智慧最重要的發展如下：

人工智慧驅動醫療診斷

醫療保健諮詢平臺Mist的Quattroporte、執行長兼聯合創始人Sujai Hajela說：“2 018年，我們看到人工智慧廣泛應用於醫療保健領域，透過結合3D和2D醫學影象中的大量資料，幫助醫療專業人員加速和改善診斷過程。”

他指出了一些例子：

醫療裝置製造商iCAD研發的ProFound AI可用於層析X射線照相組合，而使用了這個工具之後組織癌症檢出率提高了8％；

使用三星電子的“超聲波、數字放射學、計算機斷層掃描（CT）、磁共振成像（MRI）概念和他們的軟體創新，提高了成像裝置的“診斷準確性”。

人工智慧公司DarwinAI執行長Sheldon Fernandez也認為今年人工智慧行業的一些最大突破來自醫療領域。以下是他認為重要的一些發展：

谷歌旗下的DeepMind可以用人工智慧預測蛋白質摺疊（蛋白質三維結構形成的物理過程），並最終獲得成功。

雲計算公司AlphaFold展示了人工智慧和深入學習的交叉潛力，造福人類。關於蛋白質預測的這一突破將有助於健康科學領域的專家和學者更好地瞭解導致特定疾病的原因並開發治療這些疾病的藥物。

自動駕駛

拉斯維加斯市創新區在美國公共道路上推出了第一款完全自動的電動班車，可載超過32000名乘客。而谷歌的Waymo自動駕駛汽車宣佈其商業化自動駕駛服務，在2018年累計超過1000萬英里里程。

人工智慧對話

智慧會話平臺Chorus執行長兼創始人Roy Raanani說：“在Google I/O開發者大會上，谷歌的CEO桑達爾·皮查伊演示了Google Duplex，一個基於人工智慧的系統，可以像人一樣打電話到當地企業並且預約。在大多數情況下，人們甚至沒有意識到他們正在跟計算機對話。”

翻譯

微軟利用人工智慧可以將新聞文章的句子從中文翻譯成英文，其“質量和準確性可以跟人相同。”微軟公司技術人員之一黃學東說：“機器翻譯達到人類的水平幾乎是我們所有人的夢想。我們只是沒有意識到可以這麼快就達到這個目的。”

虛擬助手

虛擬助手技術雖然已經存在了一段時間，但是今年這項技術已達到臨界量。

搜尋平臺Algolia的創始人兼執行長Nicolas Dessaigne說道：“語音搜尋是技術互動並以自然對話的形式獲取答案的過程，這項技術第一次作為語境相關和個性化互動的渠道。”

根據《2018年語音助理消費者採用報告》（Voice Assistant Consumer Adoption Report 2018）的研究結果，在過去兩年半的時間裡，語音數字助理裝置的數量在全球範圍內已經增長至超過10億美元。

物流系統公司CGS執行長Phil Friedman表示：“亞馬遜認為，人工智慧技術可以幫助員工改善庫存管理等耗時的任務。智慧工廠的敏捷性和自動化可以讓工廠在最小的干預下適應變化。現在，隨著工人和技術的相互配合，製造商可以實時監控和調整。”

認知

今年資訊保安公司Pindrop獲得了首個“利用端到端深度神經網路進行物件識別”的專利。這項技術被Pindrop稱為Deep Voice，可以被動識別呼叫者是正常通話人還是欺詐電話，完全透過語音識別就可以達到。

據金融服務公司Discover Financial Services的執行副Quattroporte兼信貸運營與決策管理QuattroporteDan Capozzi表示：“Discover不斷尋求新的方法來保護客戶，幫助他們自由、輕鬆地使用賬戶保證安全。Pindrop的人工智慧技術帶來額外的保障，為客戶提供便利和安全的體驗，同時讓我們可以用自然對話的速度提供優質服務。”

人工智慧現處於從工業向其他產業推進階段，很多大型加工製造業都在用工業機器人代替人工，以後逐步向服務業推進。

人工智慧其實已經進入我們的生活了，並不是得有個機器人走到你跟前和你說你好才是人工智慧。

抖音的美顏，搜尋引擎的智慧推薦，購物網站的首頁推薦（千人千面），這些都是人工智慧應用的結果。現在也在各個行業逐漸落地當中。

其實仿生(人)就是人工智慧，根據資料，人工智慧的第一個應用就是計算器，用機器替代了手工（和腦力記憶的公式）計算或算盤之類的工具。

計算器的替代是——，硬體儲存替代人腦。

再回到仿生，仿什麼才算人工智慧？當然飛機不算，那是仿鳥類。人工智慧是仿人類。

因此，下一個就是語言。就是現在的語音系統，體現在機器和人的交流；

再一個就是視覺了，識別影象。

再增加難度就是觸覺、嗅覺、思想...

那麼，人工智慧現在處於什麼發展狀態？

觸覺、嗅覺、思想有點遙遠。我們看看計算、語言和視覺吧。

舉例子說明：

1.計算器

量子計算機，非常厲害吧！這應該是人工智慧最強大的應用；

2.語音系統

簡單的對話沒有問題；但是可提升的空間很大。比如和小度說話，一定要先叫小度、小度，這相當於一個開關，設定的目的之一是為了避免它對任何聲音都作出回覆；再比如辨識不同的聲音和不同的語句表達，似乎還有很大的提升空間。

3.視覺系統

定向的識別應該差不多過關，比如檢票人臉識別。但是要區別中華田園犬和日本秋田犬應該還有很大的問題；動態的更不用說。還有比如豬肉和牛肉能否區別開？

所以人工智慧的發展空間很大！

不過個人認為要避免一些誤區。比如割一塊動物的肉在某種條件下讓肉動了，就感覺做“生物”機器人有希望了。這其實和開了膛的魚在一段時間內還能動類似。

最近阿里巴巴達摩院官網釋出的2019年十大科技趨勢，是基於現階段人工智慧發展現狀和走勢的一個綜合概括，建議大家可以仔細品味下：

對於這十個趨勢，來自包括中科院、清華大學、佛羅里達大學、杜克大學等權威學術機構的十餘位專家就此發表評論，任務內達摩院釋出的科技趨勢雖然有十個方向，但都是圍繞著當前科學發展的幾個關鍵潮流，即以晶片為代表的算力、以圖計算為代表的演算法以及以5G為代表的連線能力。

一、計算是變革的源頭

傳統時代的計算始終在馮諾伊曼架構約束下發展，但人工智慧的到來正在挑戰馮諾依曼架構，而摩爾定律也接近失效，新型晶片以及新的計算機架構已經成為整個行業研究重心。達摩院認為，計算體系結構正在被重構，基於FPGA、ASIC等計算晶片的異構計算架構正在對以CPU為核心的通用計算發起衝擊。

杜克大學副教授、IEEE Fellow陳怡然也表示，目前學術界的研究重心在一些更為革命性的架構研究，例如記憶體計算、非馮諾依曼架構、神經形態計算等。而佛羅里達大學傑出教授、IEEE Fellow李濤則指出，計算體系結構的變革將主導和引領ICT領域的持續創新和發展，這將是未來產業界的核心競爭力。

在人工智慧領域，GPU無疑是最受企業以及開發者追捧的晶片。但達摩院認為，資料中心的AI訓練場景下，計算和儲存之間資料搬移已成為瓶頸，AI專用晶片將挑戰GPU的絕對統治地位。

“對於訓練場景來說，計算量要求非常高，需要儲存和處理的資料量遠遠大於之前常見的應用，AI專用計算架構是最佳選擇。”清華大學微納電子系副系主任尹首一對達摩院的這一觀點表示認可。

根據達摩院的判斷，AI專用晶片的應用將成為趨勢。在2018年的杭州雲棲大會上，阿里巴巴曾宣佈首款AI晶片AliNPU將於2019年應用於城市大腦和自動駕駛等雲端資料場景中。陳天石指出，“AI晶片可以靈活高效地支援視覺、語音和自然語言處理，甚至傳統的機器學習應用，將在資料中心場景發揮重要作用。”

二、演算法的創新讓AI更加智慧

1950年，人工智慧之父圖靈提出著名的圖靈測試用以檢驗人工智慧能力，即如果有超過30%的測試者不能確定被測試者是人還是機器人，則認為是透過測試。

圖靈提出的猜想可能將會很快實現。達摩院認為，在未來，人類可能無法辨別人工智慧生成的語音和真人語音，具備語音互動能力的公共設施將會越來越多，甚至在一些特定對話測試中機器可以透過圖靈測試。

西北工業大學計算機學院教授謝磊對此表示，“聲音合成技術在某些方面已經可以媲美人聲，並將會拉動‘耳朵經濟’的爆發，各種‘AI聲優’將上崗，為大家提供聽覺盛宴。”

人工智慧行業的迅速發展與深度學習帶來的突破高度相關，但僅靠深度學習要實現通用人工智慧仍然困難重重。達摩院認為，結合深度學習的圖神經網路將讓機器成為具備常識、具有理解、認知能力的AI。

過去兩年，城市大腦成為社會熱詞。達摩院認為，2019年，人工智慧將在城市大腦技術和應用的研發中發揮更大作用，未來越來越多的城市將擁有大腦。

中國城市規劃設計院院長楊保軍認為，“城市大腦將不再是單一領域或是單項要素的智慧，而是全域性聯動、多源交融的智慧。”同濟大學智慧交通運輸系統研究中心主任楊曉光則表示，“新一代城市智慧管理、智慧服務與智慧決策將幫助人類最大程度地預防和綜合治理城市病。”

三、連線萬物的5G催生更多應用場景

過去幾年，5G的熱度並不遜於人工智慧。5G構建的不僅是一張人聯網，它將會成為連線萬物的紐帶。

車路協同將會是5G與人工智慧兩大技術交融的典型場景。達摩院認為，車路協同技術路線會加快無人駕駛的到來，並且將在固定線路公交、無人配送、園區微迴圈等商用場景將快速落地。

單純依靠“單車智慧”的方式革新汽車存在諸多限制，例如感測器部署的成本高，感知系統以及決策系統的可靠性低等。“車路協同的優勢在於，可降低單車系統在定位方案部署上的成本，並且可以實現更好的感知與決策。”中科院自動化研究所研究員趙冬斌如此表示。

當前人工智慧處於能夠階段性實現模擬人類部分功能的階段。

人們理想狀態下，人工智慧能夠像人類的大腦一樣實現思考、學習、創造等等能力。

而目前人工智慧主要是透過資料和演算法整合實現某一種人類功能的實現。比如視覺、聽覺、判斷等能力。但是這種能力是透過對已知資料進行歸納計算得出的一個【結果輸出黑箱】。雖然看起來讓機器有了人的某一個能力，但實際上的處理方式和人類本身是不同的，因此我們幻想中的那些有完整思考能力、情緒能力的人工智慧，距離我們還很遙遠。

因為我們對人類本身的大腦運作方式還處於探索階段，無法做到完全的模擬，甚至無法做到部分模擬。

就弱人工智慧方面，當前的主要研究方向包括，人工智慧硬體、視覺識別、語音識別、自然語言處理和專家系統等等。

這些專業詞彙乍一看有點生澀，換個簡單的方式讓大家有個瞭解一下。

人工智慧硬體包括智慧感測器和智慧晶片，中國在這一領域起步較晚，但也已經出現如華為海思的麒麟系列的產品。

手機上的人臉解鎖、火車站和展會上的刷臉認證、美顏相機裡的大眼瘦臉顏值評分都是人工智慧影象識別的應用結果。

而Iphone系統的Siri，微軟系統的小冰，智慧音箱小愛同學和天貓精靈等等智慧助手類產品則結合了人工智慧的自然語義處理和語音識別技術。

因此弱人工智慧領域裡，人工智慧的發展是十分迅速的，而且已經遍佈我們的生活方方面面。