根據 2019 年度的《人工智慧指數報告》，可知 AI 社群迎來了蓬勃的發展。世界各地的研究機構，已經在教育和技術等領域取得了顯著的成就。

與過去幾年相比，人工智慧發展有著強勢的延續。如果你不願翻看剩餘的 290 頁內容，不妨掃一眼外媒歸納的一些要點。

（來自：Standford，via TheVerge）

首先：從 1998 到 2018 年，AI 相關的同行評審論文的發表數量增長了 300% 。出席會議的人數也顯著增長，NeurIPS 預計為 1.35 萬人，較 2012 年增長 800% 。

超過 21% 的計算機科學博士選擇了專門從 AI 研究行業，是排名第二的學科（安全 / 資訊保障）的兩倍多。

大多數指標上，美國仍然是全球 AI 領域的領導者。儘管中國發表的 AI 相關論文數量超過了任何其它地區，但美國發表論文的影響力更大，較全球平均水平高出 40% 。

中美兩國私有資金對 AI 領域的投入都很大（數十上百億美元計），AI 專利的申請數量也超過其它競爭對手（是排名第二的日本地區的三倍）。同時，AI 演算法正在變得越來越快，訓練的成本也越來越便宜。

在流行資料集（ImageNet）的訓練上，機器視覺演算法所需的時間，已從 2017 年 10 月的大約 3 個小時、減少到 2019 年 7 月的 88 秒，成本也從數千美元下降到兩位數。

自動駕駛汽車行業獲得了更多的私人投資（全球略低於 10%，約 77 億美元），其次是醫學研究和麵部識別（兩者都吸引了 47 億美元）。

增長最速的工業 AI 領域，相對也不那麼浮華。2018 年的時候，機器人流程自動化拿到了 10 億美元投資，供應鏈管理方面亦超過 5 億美元。

在給人留下深刻印象的同時，還需注意一個重大的問題 —— 無論 AI 提升的幅度有多大，都距離媒體大肆渲染的目標相去甚遠。

換言之，儘管人工智慧世界正在蓬勃發展，但 AI 本身仍在某些重要方面被卡著脖子。AI Index 報告在“績效里程碑”時間表上寫到：

人工智慧已經達到、或者超越了人類的專業知識水平，但這僅限特定領域，AI 在通用智慧方面仍存在著難以逾越的鴻溝。

回顧 1990 年代，當時計算機在跳棋和國際象棋上打敗了人類選手，引發了人們對於 AI 未來的無限遐想。

2016 年之後，AI 開始在《Dota 2》等遊戲中發揮實力，在 2017 年實現了對人類面板癌影象的分類，並於 2018 年達成了媲美專業人士的中英文翻譯。

激動之餘，業界仍對 AI 的發展前景持謹慎樂觀的態度。以影片和棋盤遊戲為例，其特點是具有清晰、易模仿的規則，因此特別適合對 AI 展開訓練。

這樣的成績，通常依賴於耗費一個人幾輩子的訓練量，以突顯人類相較於計算機的學習速度。此外，AI 難以將同樣的經驗，輕鬆複製到另一個領域中。

比如某個 AI 可以像腫瘤醫生一樣準確地判定乳腺癌腫瘤，但讓它來判斷肺癌的話，就有些無能為力了（更別提開處方和做出診斷了）。

綜上所述，AI 系統更像是一款特定於某些應用場景的‘一次性工具’，而不具有人類的通用智慧（甚至打不過五歲的小朋友）。

當然，這並不意味著 AI 一無是處。如本報告所述，儘管機器學習有一定的侷限性，但其在資金、興趣和技術成就方面，仍在相當快速地發展著。

人工智慧發展迅速，逐步覆蓋各行各業，而目前較為成熟的人工智慧產品，要數企業辦公及企業營銷類，舉個例子：

智慧外呼機器人應用場景：

智慧語音機器人的撥號頻率可以達人工撥打頻率的4-5倍，可以根據客戶的問題進行智慧應答，語音識別迅速，準確判斷出是否為意向客戶，對意向客戶的初篩和選擇省時又高效，可以將銷售人員從重複篩選的工作中解放出來，全力投入到有效客戶的跟進中。具體業務：貸款、理財、房產、裝修、催收、保險、會銷。

智慧語音機器人不僅可以協助話務員完成銷售任務，還能做到對已有客戶跟進回訪，把服務從深度和廣度同時進行高粒度延展，可以把企業對極致服務的追求低成本地實施落地。具體業務：回訪、調查、通知、提醒、驗證。

智慧外呼機器人功能：

1、客戶資料一鍵匯入，方便快捷

2、自動撥打，無需人工輸入撥號，後臺上傳號碼資料，根據需求設定時間、撥打頻率，省時又省力

3、自動記錄，基於深度學習技術，將收聽到的內容全部錄音記錄，並精準轉化為文字，方便檢視。

4、自動應答，採用語音識別、自然語言理解、多輪對話、知識圖譜等多個門類的前沿技術整合，人工專業話術配置，客戶聽到的每一句話都與真人聊天無異。

5、自動分類，後臺自動客戶分類，幫你鎖定精準客戶。

6、自主學習：透過大資料積累、專業的行業知識資料沉澱、自動學習類似問題和問法，機器人的服務水平得以持續提升。

7、自然流暢：支援錄音播放或TTS轉語音，多種音色可選，與真人對話無差，超高語音識別率，可與客戶進行復雜的多輪對話，並能定製對話互動的策略。