首頁>Club>
4
回覆列表
  • 1 # IT人劉俊明

    機器學習是我的主要研究方向之一,目前也在帶相關方向的研究生,我來回答一下這個問題。

    首先,人工智慧的應用場景將隨著技術的不斷髮展而逐漸得到擴充套件,未來人工智慧產品的應用場景將全面拓展到生產、生活和教育等各個領域。

    要想詳細瞭解人工智慧產品的應用場景,首先應該從瞭解人工智慧的研究方向入手。人工智慧領域的研究方向主要集中在機器學習、計算機視覺、自然語言處理、自動推理、知識表示和機器人學等六大方向,目前機器學習、自然語言處理和計算機視覺這三個方向的熱度比較高,也有大量的科技公司在這幾個領域陸續開始佈局。

    機器學習簡單的說就是從一堆雜亂無章的資料中找到其背後的規律,因此機器學習在大資料分析領域也有廣泛的應用,目前不少從事機器學習領域研發的技術人員就是從大資料領域轉過來的,所以從大資料領域進入人工智慧領域是相對比較容易的。

    目前機器學習的應用場景比較多,當然這與大資料的發展有密切的關係,可以說沒有大資料技術的發展就不會有今天機器學習領域的繁榮。機器學習目前主要應用在自動駕駛、智慧診療、智慧教育、智慧金融、智慧城市(政務處理、安防、險情處置)等領域,可以說有資料的地方就會有機器學習。

    機器學習、計算機視覺和自然語言處理之間也存在著緊密的聯絡,同時在知識圖譜、語義分析領域也離不開自動推理和知識表示等內容。未來知識圖譜和語義分析的應用將廣泛落地到傳統行業,進一步輔助企業的產品創新和客戶服務。

    機器人(工業機器人)目前已經被廣泛應用在工業生產領域,以汽車製造領域最具代表性,可以說工業機器人的應用在很大程度上提升了製造業的生產效率。

    最後,隨著人工智慧的不斷髮展,未來大量的傳統人力崗位將得到逐漸的升級,未來職場人在工作場景中將需要與大量的智慧體進行合作。所以,掌握一定的人工智慧技術是有必要的。

  • 2 # 機器學習前沿學生社群

    從7個方面向大家科普AI1.人工智慧+醫療

    人工智慧可以透過學習然後快速篩選出患者病情以及治療方案,並且改進藥物研製的程序。

    包括X光的判斷參考。

    後期人工智慧老師可以定製教課,根據學生情況自動判斷

    3.人工智慧+遊戲

    現在玩魔獸或者大型遊戲,基本都有人機對抗訓練,包括前一段時間人機大戰,最後電腦勝利,這個都是現在已經成為現實的

    4.人工智慧+交通

    無人駕駛的實現將大大改善現有狀況,也是未來最熱門的發展領域

    5.人工智慧+生活

    以後向小度、小愛這樣的人工智慧助手越來越多

    6.人工智慧+搜尋

    個性化推薦服務,包括現在你看到的廣告,都是根據你的愛好透過大資料計算得到

    7.人工智慧+購物

    現在已經有支付寶人臉識別付款,後期買衣服也可能會有3D全息影像人工智慧幫你購物。

  • 3 # AI應用前沿

    一、人工智慧技術在 醫療行業 中的應用場景分佈醫療行業人工智慧應用 代表案例 如下:

    ①HCA Healthcare敗血症檢測演算法 SPOT:HCA Healthcare 開發了 SPOT 演算法 用於敗血症檢測 ,透過機器學習技術,醫院計算機攝取數百萬患者的資料點進行訓練。該演算法每 15 分鐘監測所有住院患者的化驗結果和生理指標,分析住院患者的體溫、脈搏、呼吸頻率、白細胞計數、乳酸水平、血液、抗生素使用等資訊以監測敗血症可能性。SPOT 以 100 %的敏感度運作 即 包含所有敗血症陽性病例,允許護理人員專注於那些需要密集監測和支援的患者。

    ②雅培虛擬助手: 2018 年初,雅培成為印度第一家為其團隊部署 AI 虛擬助手的製藥公司。雅培製藥事業部啟動了一項試點,讓約 3000 名銷售員工開始與 Maya 進行日常諮詢。 Maya 使用語音或聊天介面以簡單的自然語言與員工溝通,併為他們提供所需的幫助及管理任務,回答常見問題解答、完成日常操作、接收報告或訓練,幫助員工操作企業知識庫(如 SalesForce 或 Tableau )。

    ③諾華病理學診斷研究平臺: 諾華公司的病理學家和資料科學家與科技創業公司PathAI 合作,訓練由 PathAI 開發的人工智慧系統,以嘗試像病理學家一 樣診斷,並試圖發現病理學家難以發現的隱藏資訊。 PathAI 為演算法提供由病理學家標記的病理影像用於訓練演算法以區分細胞型別。 PathAI 將訓練載玻片切成約 10000 個較小的影象,並且病理學家在每個切片中標記細胞型別。經過訓練,不同的細胞型別以不同色彩區別,確定為癌症的區域在綠色周圍組織的區域中發出亮紅色。

    ④美敦力Guardian Connect 動態血糖監測系統:Guardian Connect 系統使用微型感測器測量面板下方的液體中的葡萄糖水平,全天候監測讀取並透過小型無線發射器將它們傳送到手機。使用 Guardian Connect 移動應用程式,可以檢視最新的血糖資料、血糖

    歷史趨勢,跟蹤可能影響血糖水平的日常事件,在血糖超出或低於目標範圍時還能收到警報。

    二、人工智慧技術在 養老 行業 的應用場景分佈智慧養老落地 典型案例 如下:

    ①“雲視”智慧攝像頭:“雲視”智 能攝像頭是 北京雲住養科技 公司 透過卷積神經網路對數十萬張長者圖片進行深度學習和訓練,研發 的 一款針對長者離床、墜床、跌倒等安全監護的智慧攝像頭,它能夠為高齡空巢老人和住養的安全提供全天候實時的監護。 該技術運用 人臉識別、熱成像等技術,當 老人 出現 摔倒等 異常情況 時 裝置會主動報警至 監護人, 以便及時 採取緊急救援措施,防止意外發生。 這項技術在保證長者安全的同時也 降低 了養老監護 的人力成本。

    ②iHealth系列產品: iHealth 系列產品 由天津九安醫療電子股份有限公司研發 ,具體產品包括移動互聯智慧血壓計、移動互聯智慧血糖儀和試紙、智慧血氧心率計、智慧運動睡眠腕錶、移動互聯智慧體重秤、體脂稱、 iHealth 院外監測與康復裝置套裝等 養老 終端 裝置。產品採用低功耗 微型化智慧感測技術 和輕量作業系統 等, 結合 室內外 GPS 定位技術 對老人血壓、血氧、血糖、心率、運動、睡眠進行監測,並透過大資料技術進行分析,如出現數據異常,可以及時向用戶和監護人進行提醒。

    ③“阿鐵”看護機器人:“阿鐵 是一款集多媒體、移動網際網路通訊、娛樂互動為一體的多功能老人智慧看護機器人, 是 浙江梧斯源通訊科技股份有限公司 的產品,專注為居家養老、醫養護機構提供養老看護 解決方案。“阿鐵” 的“ 眼睛 裡裝著 500 萬畫素 攝像頭, 肚皮上嵌著一臺 10.1 英寸的螢幕 ,具有智慧看護、語音聊天、遠端診療等功能。“阿鐵”具備 吃藥提醒 功能 並可對 護工日常護理工作 進行 監督 。 還能採用語音識別及智慧分析系統,能 與老人 自主進行語音對話, 並能透過 語音命令 ,進行唱歌、跳舞等 逗老人開心。

    ④SeniorAdom遠端養老監護系統: SeniorAdom 養老監護系統 是法國 KRG 智慧養老公司 研發的 新一代遠端養老監護系統 。 SeniorAdom系統不需要使用者佩戴項鍊和手環 ,也不需要在家中安裝攝像頭,只需將系統連線到房間內的感測器,透過系統 內部核心演算法,便可 為使用者提供全天候不間斷 保護。當獨居老人或行動不便者在家中出現跌到、突發疾病等緊急情況時, SeniorAdom 系統可第一時間通知家政人員或是 遠端協助者,及時為使用者提供救助, 解決獨居老人和行動不便者的家居安全問題。

    ⑤“社村通 居家養老服務平臺 :社村通 居家養老服務平臺所構建的虛擬養老院, 連線當地政府、 養老機構 和老年人使用者,老年人可以透過“社村通” app 下單所需的服務, 在接收到居家老人傳送的需求指令後, 養老機構人員上門 為老人提供洗衣、做飯、修理水電、陪同就醫、文化娛樂等多項服務 ;平臺同時採集老人 當老人需要住院等時,可以第一時間調取個人資料、健康檔案等資訊;老人 還 可透過app 進行遠端問診諮詢 ;平臺還能連線多種智慧硬體,對老年人進行遠端監護。

    三、人工智慧在 交通運輸行業 的應用分佈典型落地案例 如下:

    ①馬士基航運: 透過 在 冰級集裝箱船( Winter Palace ice class container ship )上使用人工智慧情景感知技術 ,提高船舶的安全性、效率和可靠性的同時幫助海員消除來自船橋的視線限制,為未來的自動防撞系統提供研究基礎。

    ②美國聯合航空公司: 透過 使用霍尼韋爾提供的 IntuVue RDR 4000 三 維 氣象雷達 系統 、 SmartRunway 智慧跑道系 統 和 SmartLanding智慧著 陸 系 統 向 飛行員及時 提供 飛行環境資訊,同時增強飛行員在滑行、起飛和著陸過程中的情景感知能力。

    ③DHL:全面部署物流機器人系統。 Sawyer 協作機器人可以透過高解析度攝像機、壓力感測器和自學習功能幫助 倉庫工作人員自動化操作重複性任務 。 LocusBots 機器人可以透過機器學習演算法自助規劃最佳行駛路徑,代替工作人員將貨物運送到指定位置,減少了工作人員的走動距離。 PostBOT 機器人內建感測器,可以在城市周圍避開障礙物,並能沿著路線安全地跟著快遞員完成送貨服務。

    ④達美航空:透過使用空客提供的 智慧天空 開放性資料平臺及相關 預測性維護服務 ,達美航空可以 預測飛機部件的故障機率,在部件出現問題前進行維護。 從 2013 年到 2017 年 ,達美航空 全年免於因維護而取消航 班總計從 169 天升至 324 天,成功率高達95% 。

    ⑤美國郵政署:透過 採用 協調最佳化技術 COTs 綜合利用資料分析、物聯網、雲端資料庫、機器學習等技術或軟體平臺 最佳化投遞路線,預測潛在問題, 實現部份平日投遞路線上的當日寄送, 使包裹遞送更加高效、靈活。

    四、人工智慧在 建築行業 中的應用分佈典型落地案例 如下:

    Stanislas Chaillou(哈佛建築師 ):透過 700 份設計圖紙的圖片訓練出了生成對抗網路模型來設計房屋,能夠提供完整的佈局、間隔、裝飾等細節設計。他的模型可以根據需求提供巴洛克、俄羅斯方塊風格、維多利亞、曼哈頓現代都市等建築風格,還能夠根據設計師新輸入的房屋引數針對設計進行調整,在考慮安全、建築面積、房間數量等限制下做出最優的設計。Chaillou 目前在和紐約曼哈頓下東區的地廠商合作,將這一技術應用在最新的樓房設計專案中 。

    Layton:管理著購物中心、酒店、醫院和大型體育館等大型建設專案。 Layton 的建築原型設計和方案落地過程中都使用Autod esk 的建築資訊模型( BIM )來管理三維建築模型和相關資料,設在這個基礎上,他們使用 Autodesk 的人工智慧解決方案Construction IQ 來實時讀取、分析施工現場的資料。 Construction IQ 可以基於歷史資料預測當前專案需要的時間、幫助管理者更好地計劃建築專案,還能預測危險的施工行為、承包方交接可能出現的問題,透過視覺化儀表盤的形式展現給工程專案的管理者,幫助他們及時獲取可能出現的事故隱患,從而規避事故風險 。

    Suffolk:透過分析過去 10 年的專案工期資料,開發演算法來對新的專案進行工期預 測。除此之外, Suffolk 也透過過去 360 個專案中收集的 70 萬張影象照片來訓練機器學習模型,從而可以基於工地的影象資料預測跌落、撞擊等事故風險。這些舉措幫助 Suffolk 的生產效率提升了 20% 。

    五、人工智慧在 金融行業 中的應用分佈典型落地案例 如下:

    智慧信貸:信貸是銀行業的典型業務場景。其中,審批效率有限是傳統金融信貸服務中長期存在的痛點。隨著大眾金融消費觀念的逐步變化,小額高頻的信貸服務需求正逐步成為一大趨勢。而隨著人工智慧技術與金融科技的發展,信貸服務也逐漸向著高效的運作模式轉變。如移大資料徵信、基於機器學習技術開發信用風險量化模型、透過拍照、影片、移動終端資料同步等手段核實客戶資訊等智慧技術的應用都在提升信貸服務的效率和效果。

    智慧反洗錢:隨著經濟全球化的發展與技術的迭代更新,洗錢犯罪同樣“與時俱進”,隨著新技術與場景變的更加隱蔽,且成本與風險日益降低。犯罪網路化、專業化、國際化的趨勢愈發明顯,而洗錢犯罪的模式也愈發複雜。在此趨勢下,機器學習模型、專家系統等人工智慧技術對反洗錢工作帶來了新的進展,尤其在“知曉客戶(Know Your Customer)”方面能夠避免重複勞動,加速稽核流程,並加強交易監控的工作效率。

    自動化理賠:保險服務的理賠流程效率緩慢是行業中長期存在的痛點,概因理賠所牽扯到的檔案審閱和稽核步驟繁多,效率低下。人工智慧在保險賠付中的各項場景已存在大量應用。計算機視覺、語音識別等技術能夠在理賠過程中加速身份認證、定損等工作。

    而自然語言處理技術能夠自動化掃描並讀取檔案內容,大幅提高理賠,審查等工作中的資料稽核效率。

    保險定製化:由於傳統保險模式存在資訊不對稱的現象會導致逆向選擇與道德風險,在使用者需求難以滿足的同時制約了保險公司的盈利水平。基於人工智慧技術對資料的多維度利用,保險公司能夠結合人的生活習慣、年齡、健康記錄,投保經歷等資訊挖掘投保人的偏好和需求,並設計具有針對性的產品與保險方案,從而提供個性化的服務。

    智慧投顧:

    隨著人工智慧應用和金融科技在此領域中逐漸展露頭角,“智慧投顧”的概念也在行業中愈發流行。在此基礎上,國內外金融界對於人工智慧在財富管理的應用上存在著不同的偏好。以美國為代表的境外市場目前傾向於利用人工智慧技術來識別財富投資的機會。其典型應用便是透過分析如網站資料、輿情資料、地理定位,甚至衛星定位等另類資料來輔助分析投資方向,發掘哪家股票值得投資。而國內的發展路徑則更傾向於利用人工智慧來最佳化客戶的使用者畫像,從客戶對風險的主觀承受意願及客觀風險承受能力等資訊進行綜合、動態的評估,以定製客製化的投資組合。

    此外,基於人工智慧技術所開發的自動交易功能也為投資管理提供了極大的助力。由於自動交易對投資策略的執行效率和成本控制工作都能帶來顯著提高,甚至在一定程度上提高投資組合的收益。在此趨勢下,越來越多的交易員已經被機器所取代。

    六、人工智慧技術在 電信 行業中的應用分佈電信行業全球 5 00 強企業人工智慧技術落地 典型案例:

    • AT&T 基站巡檢無人機:無人機搭載的高解析度相機拍得的內容,透過語義互動、影象識別等技術,使得場外工程師可以實時分析傳回 的 影片和照片。 AT&T 透過智慧感知與規避技術、自動目標識別、魯棒控制 、 路徑規劃等技術,實現 了 無人機自主基站巡檢 。

    • Comcast 無線網路最佳化服務平臺:使用機器學習、 大資料 等技術攔截網路攻擊,知會使用者自家無線網路和終端裝置的健康狀況,從網路資料傳播端 對 網路 進行 保護,同時保護連線上 該無線 網路的 所有 裝置。

    • 中國聯通 IP RAN 智慧網路預警系統:使用 Prefix Span 時間序列模式挖掘演算法,分析大量預警之間的樣式關係,以確定網路故障的根因 。 透過資料預處理、關聯規則挖掘、關聯規則確認與入庫和根預警識別,形成了高效的網路預警機制 。

    • 中國移動使用 ACOS 覆蓋最佳化 系統:利用人工智慧自動輸出量化方案,並定量預測最佳化效果,實現了:透過構建覆蓋評估矩陣,定性初判覆蓋問題,及最佳化目標;以及 基於神經網路,構建無線覆蓋模型。利用該模型 實現對弱覆蓋、過覆蓋最佳化指標的量化預測。

    • 中國電信經營分析 系統 :包含交叉銷售模型、決策樹演算法、資料探勘平臺等模型元件。該系統能夠實現 專題分析、統計報表等功能,提供預先整合的模式和流程來幫助 中國電信 增加收入,併為 中國電信 預測制定未來的銷售策略。

    • 沃達豐 TOBi 語音機器人:沃達豐透過語義理解、機器學習、語音識別、語音啟用等技術,為客戶提供全天候即時對話式 智慧 客服 。

    • 華為 SoftCOM AI 網路: 華為 SoftCOM AI 在全雲化網路構架上,引入以機器學習 為核心的人工智慧技 術。構架 由 兩個核心 組成,一是 AI 訓練平臺, 包括資料 訓練 和模型及演算法 輸;另一個是推理平臺, 包括資料 收集 以及 根據模型或演算法推理網路動作 等 。 該智慧自治 網路 透過 自動化業務部署 ,推動網路 向智慧化故障自愈,自我最佳化,自我管理 方向發展,以建設“ 自動,自優,自愈,自治永不故障的自動網路。

    七、人工智慧 技術在 材料行業 的應用場景人工智慧技術在 材料行業 應用代表案例:

    豐田汽車:豐田研究院,麻省理工學院以及斯坦福大學研究人員使用人工智慧技術利用上億資料資訊構建的可預測電壓下降與壽命之間關係的演算法模組。該模組可以透過電池材料最早五次放電充電迴圈,以預測該材料在電池構建上的壽命長短。該模組可大幅度縮短有關電池材料的研發,設計,生產相關成本。

    沙鋼集團:沙鋼集團聯合寶鋼工程集團開發了無人化澆鋼專案,利用機器人代替人工完成長水口安裝拆卸、清洗、燒氧及中間罐測溫取樣等功能。作為國內首套爐前快速線上自動測溫取樣機器人,該機器人系統主要由一臺義大利 COMUA 六軸自由度冶金版工業機器人及防護隔熱欄 體構成,透過程式設計、示教,機器人自動裝載測溫取樣探頭按照設定好的運動軌跡,自動完成對電爐鋼水的檢測取樣工作。

    寶武集團:寶武集團與百度雲攜手打造智慧鋼包管理系統。透過藉助百度智慧雲天工智慧物聯網平臺,寶武智慧鋼包管理系統可以大幅降低能源消耗,提高生產效率,有效提升安全係數。透過智慧鋼包的推廣應用,鋼鐵企業預計可平均降低出鋼溫度 10 ℃,節約能源成本70 億元,使鋼包烘烤能效下降 50%50%,節約 150 億元。

    新興際華集團:新興鑄管武安工業區建設了環保智慧管控中心, 充分應用大資料分析與挖掘、物聯網技術、人工智慧手段等現代化資訊科技,完善材料生產過程中智慧監控大氣粉塵監測體系,可實時、精準地對工業源無組織排放進行網格化、高解析度綜合監控。該中心還透過雲平臺匯聚實時監測資料,結合大資料分析及模型擬合技術,讓操作人員可以準確、快速地獲得材料生產中粉塵汙染的來源、空間分佈及其演變趨勢。

    蘋果:蘋果回收機器人 D asiy 可利用計算機視覺技術透過比對識別出超過 1 5 種不同型號的 i Phone 產品,並利用智慧機器人控制演算法實現針對 iPhone 的拆解工作。與此同時,在拆解工作完成後, Dasiy 還可在此利用計算機視覺技術實現針對稀土元素、鎢、鋁合金等元素的回收。目前,蘋果透過單一回收機器人 D asiy 可實現每小時拆解近 2 00 部 iPhone ,每年可拆解近 120 萬部 i Phone 。每拆解 1 0 萬部iPhone 。 Dasiy 可幫助蘋果回收再利用近 1 900 公斤鋁, 7 10 公斤銅, 7 70 公斤鈷以及其他金屬材料。

  • 4 # 樂創物聯

    人工智慧關注度隨著科技技術發展與進步越來越高。大量人力、物力、財力、智力來驅動人工智慧技術研究不斷向前推進。

    1 首先來了解一下人工智慧是什麼?

    人工智慧,簡稱AI。簡單的理解,就是用機器來模擬人類認知能力的技術。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。人工智慧

    人工智慧是計算機科學的一個分支,該領域的研究包括機器人、語言識別、影象識別、自然語言處理和專家系統等。

    人工智慧是一個十分廣泛的科學,它由不同的領域組成,比較機器學習啊,計算機視覺啊。換句話來說,人工智慧研究的一個主要目的就是使機器能夠勝任一些通常需要人類智慧才能完成的複雜工作,比如停車場的車牌識別等。人工智慧

    人工智慧涉及面很廣,主要包括感知、學習、預測推理個決策等方面的能力。我覺得,人工智慧最核心的能力就學習能力,預測推理能力。

    2 介紹幾個應用場景

    人工智慧從誕生以來,理論和技術日益成熟,應用領域也不斷擴大。比如:智慧物聯網、工業4.0、機器人、無人駕駛汽車、智慧家居、智慧安防、智慧金融、智慧醫療、智慧營銷、智慧教育和智慧農業等等。

    1) AIoT(人工智慧物聯網)=AI(人工智慧能)+IoT(物聯網)。

    AIoT融合AI技術和IoT技術,透過物聯網產生、收集海量的資料儲存於雲端、邊緣端,再透過大資料分析,以及更高形式的人工智慧,實現萬物資料化、萬物智聯化,物聯網技術與人工智慧追求的是一個智慧化生態體系。AIOT

    AIoT技術可以細分為資料、連線、使用者、流程、視覺化等五大類應用。AIoT希望建構一種更高階形式的智慧化生態體系,即透過人工智慧的方式實現萬物資料化、萬物智聯化。AIoT技術的應用,需要在AI和IoT技術不斷革新的同時,要首先資料的採集的問題。無論是物聯網,還是AI,都離不開一個關鍵點:這就是資料。

    2) 工業4.0

    人工智慧機器視覺技術融入製造業,取代了人工檢測。機器視覺透過計算機來模擬人的視覺功能,不僅僅是人眼的簡單延伸,更是從客觀事物的影象中提取資訊,進行處理並加以學習後,最後用於實際檢測、測量和控制。機器人

    VR/AR技術來連線數字世界和物理世界,讓工廠的建設不在出錯,更加合理化。隨著工業領域內容需求的逐步增長,VR(虛擬現實技術)及AR(增強現實技術)的模擬應用和視覺化功能讓工業產業在資訊化時代迎來新的機遇、新的發展。

    3) 無人駕駛技術

    現在伴隨著移動互聯、Ai、雲計算、大資料以及物聯網等技術在汽車上的應用,無人駕駛汽車得到了越來越多的重視。無人駕駛無人駕駛

    汽車是一種主要以移動、運輸為目的的汽車。它具有感知輸入系統、計算處理系統、控制系統、汽車訊號系統以及其他輔助系統。 感知輸入系統、計算處理系統是無人駕駛技術的關鍵。

    無人駕駛技術是多個技術的整合,包括了感測器、定位與深度學習、高精地圖、路徑規劃、障礙物檢測與規避、機械控制、系統整合與最佳化、能耗與散熱管理等等。

    3 人工智慧的前景

    人工智慧是未來的發展大趨勢,人工智慧的目的就是讓機器成為人類的幫手和工具,越來越多的傳統行業向著人工智慧、工業物聯網、機器人轉型等,來解放了人們體力勞動。人工智慧是未來的發展趨勢,也是大勢鎖趨,前景非常好。人工智慧

    4 個人角度

    我之前是學習機械的,所以物聯網相關知識都是自學的。物聯網涉及的知識面比較廣,除了在工業方面,它是涵蓋微控制器、感測器、通訊技術、雲端儲存技術、資料視覺化和資料探勘等一系列學科。諸如:嵌入式技術、無線感測網路技術、感測器技術、M2M技術、雲計算及中介軟體技術。我也構建一套智慧家居系統。人工智慧+物聯網也是未來學習的方面。總之,自學是比較艱辛,一句話:堅持動手去做,總會有收穫的。

  • 5 # 阿里達摩院掃地僧

    老僧剛看完李開復的《人工智慧》,書裡關於AI如何重塑個人、商業與社會的未來圖譜講得蠻透徹,推薦給題主~

    其實,人工智慧主要有四大功能:語音識別、自然語言理解、資料探勘、計算機視覺。像天貓精靈、無人駕駛汽車、淘寶給你推薦你感興趣的商品……所有AI應用場景幾乎都是基於這四大功能。

    AI具體的應用場景很多,像自動駕駛、醫療、安防、教育、娛樂、家居、金融、電商零售等,老僧就不一一講了,隨便說幾個。

    1、自動駕駛

    自動駕駛主要依靠車內的以計算機系統為主的智慧駕駛儀,來實現包括道路行駛、地貌識別、導航定位、車道識別、交通控制、停車等多個功能,最終完成無人駕駛的目標。

    2、AI醫療

    AI醫療領域其實挺廣的,虛擬助手、醫療影像、醫用機器人、智慧健康管理、智慧影像識別、智慧藥物研發等都在AI醫療射程範圍之內。例如阿里雲AI診斷最新技術,新冠肺炎CT影像識別準確率高達96%,識別速度相比醫生肉眼識別提高了近30倍。

    3、AI安防

    AI安防的具體應用包括區域人群監控、客流統計、身份認證的人臉識別、道路監控的車輛識別、案情分析系統等一系列場景,雖然聽起來離我們挺遙遠,但是一個城市大腦就全覆蓋了~

    4、AI教育

    AI教育,包括自適應學習、虛擬學習助手、智慧評測、個性化輔導、兒童陪伴等。家裡有小朋友應該比較熟悉,主打利用人工智慧因材施教的學吧課堂、科大訊飛、雲知聲等等都是AI教育的具體應用。

    不管是何種應用場景,人工智慧都將給使用者繼續帶來全新的體驗,而這種新體驗的背後帶來的是效率的提升,以及行業的巨大變革。

  • 中秋節和大豐收的關聯?
  • G7峰會上,特朗普先後遭“握手反殺”,為何特朗普的“握手殺”不靈了?