人工智能应用于各行各业，重新定义我们生活的世界.doc

《人工智能应用于各行各业，重新定义我们生活的世界.doc》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、人工智能应用于各行各业，重新定义我们生活的世界　　这是一个大数据的时代，这是一个人工智能的时代。人工智能时代的标志不是一个应用的出现，或一个算法的改进，或一场比赛的胜利，而是人工智能应用于各行各业，重新定义我们生活的世界。　　这也是一个指数级增长的时代。过去几十年，信息技术的进步相当程度上归功于芯片上晶体管数目的指数级增加，以及由此带来的计算力的极大提升。这就是所谓的摩尔定律。今天，大数据时代产生的数据正在呈指数级增加，包括消费者数据与企业数据。今天的数据，大约80%是企业数据。在指数级增长的时代，我们可能会高估技术的短期效应，而低估

2、技术的长期效应。历史的经验告诉我们，技术的影响力可能会远远的超过我们的想象。　　无所不在的人工智能　　伴随着大数据时代的到来，人工智能在过去十年取得了巨大的进步。但今天的人工智能，更多的是狭窄的完成单一任务的人工智能，如人脸识别、语音识别。能够解决各类问题的通用人工智能离我们还有太遥远的距离。从实际应用角度来看，在可预见的未来，我们会看到人工智能从狭窄(NarrowAI)走向宽广(BroadAI)，从完成单一任务到完成多个任务，从解决一个领域的特定问题到解决一个领域甚至跨领域的多个问题。　　未来的人工智能，我们会看到不断增强的学习推理

3、能力。如何从小样本小数据中学习变得非常重要。面向消费者的人工智能，积累了大量数据。比如图像识别，我们可以用大量数据训练一个模型。而面向企业的人工智能，对于特定的任务，往往没有大量的数据可用。多模态学习将会变得越来越普遍。比如人工智能剪辑电影，需要根据图像、声音，语言来理解视频的涵义。未来的人工智能，需要能够解释结果，即不但给出建议，还能解释为什么给出这样的建议。就像医生给出诊疗意见的同时，还需要解释依据在哪里。　　未来几年，人工智能会从云向边缘端扩展，变得无所不在。比如可穿戴设备、物联网终端设备。很多场合我们需要实时的信息处理，如自动

4、驾驶的汽车、为病人服务的医疗设备。也有很多场合由于信息安全的考量或网络带宽的限制，信息无法传输到云端而必须在边缘端处理。实现边缘智能(EdgeIntelligence)，往往需要低功耗的智能设备。我们会看到米粒般大小的智能设备，集计算、存储与网络功能于一体。人工智能从云向边缘端的移动，将人工智能与物联网结合起来，使得我们可以对物理世界进行更好的理解、管理与优化。　　企业人工智能与行业创新　　我们会看到更多人工智能在垂直领域的行业创新。比如医疗，金融，工业制造。今天的人工智能，更多的是面向消费者的人工智能(ConsumerAI)。未来几

5、年，我们会看到企业人工智能(EnterpriseAI)的兴起与发展。人工智能的成功需要商业成功，而人工智能的商业成功需要人工智能在行业应用的成功。　　谈到人工智能，我们往往会谈到数据、算法与计算。实际上，人工智能用于行业创新，应用场景的选择非常关键。你问一个马车夫，他永远不会告诉你他需要一辆汽车。需求与应用场景的确定不容易。这里涉及到信息技术与行业知识的结合。人工智能专家不具备深刻的行业知识，而行业专家又不完全理解人工智能今天发展到什么程度，未来几年可能会取得什么样的进展。二者结合在合适的时间点选择合适的切入点，就变得非常重要。今天的

6、人工智能技术还不能解决我们面临的全部问题。对于今天技术不能完全解决的问题，可以由人与机器协作共同完成，而不须一步到位。人机同行，共同完成人类或机器单独不能完成的任务。　　人工智能应用在行业中会带来两类改变，一是借助机器提高效率；二是提供基于知识的专家助手帮助我们更好的决策。前者人工智能取代部分人力，后者人工智能赋能人类专家，增强人类的能力。我们会看到人工智能技术用于制造业，如视频分析用来做产品缺陷检测与质量控制。我们会看到人工智能医生。根据医学指南，与临床数据中学到的知识，为人类医生提供实时的诊疗建议。我们会看到人工智能律师，引用相关

7、的法律文献，发现相关案例，向人类律师呈现最有价值的法律信息。　　今天的人工智能，需要大数据训练模型，用于训练的数据需要标识，费时费力。未来的人工智能，我们可以基于已构建的相关领域的模型，再辅以新的数据快速学习，构建新的模型。打个比方，相当于当我们需要完成一项工程时，我们会招聘有相关经验的工程师，再加以适当的培训，而不会去找一个毫无经验的初学者。针对行业领域，我们需要预先构建哪些模型，如何构建，都是接下来需要关注解决的问题。　　人工智能时代，信息安全面临全新的挑战。一方面，人工智能技术本身可能被用来考验与攻击信息系统的安全。另一方面，人

8、工智能可能因为学习了有瑕疵的数据或被恶意更改的数据，而产生了安全的隐患，或伦理的缺陷。如何确保数据的安全，如何验证人工智能模型的安全与合乎伦理，是我们未来需要妥善应对的问题。　　未来的计算能力　　人工智能需要强大的计算能