什么是人工智能

　　人工智能（ArtificialIntelligence），英文縮寫為AI。它是研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。

　　人工智能是計算機科學的一個分支，它企圖了解智能的實質，并生產出一種新的能以人類智能相似的方式做出反應的智能機器，該領域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統等。人工智能從誕生以來，理論和技術日益成熟，應用領域也不斷擴大，可以設想，未來人工智能帶來的科技產品，將會是人類智慧的“容器”。人工智能可以對人的意識、思維的信息過程的模擬。人工智能不是人的智能，但能像人那樣思考、也可能超過人的智能。

　　人工智能的特點

　　1.人工智能純系無意識的機械的物理的過程，人類智能主要是生理和心理的過程。

　　2.人工智能沒有社會性。

　　3.人工智能沒有人類的意識所特有的能動的創造能力。

　　4.兩者總是人腦的思維在前，電腦的功能在后。

　　人工智能技術有哪些？

　　1、自然語言生成：利用計算機數據生成文本。目前應用于客戶服務、報告生成以及總結商業智能洞察力。代表*廠商包括：Attivio、CambridgeSemantics、DigitalReason、Lucidworks、NarrativeScience和SAS。

　　2、語音識別：將人類語音轉錄和轉換成對計算機應用軟件來說有用的格式。目前應用于交互式語音應答系統和移動應用領域。代表*廠商包括：NICE、NuanceCommunications、OpenText和VerintSystems。

　　3、虛擬代理：弗雷斯特公司聲稱，“虛擬代理可謂是媒體界目前競相報道的對象?！睆暮唵蔚牧奶鞕C器人，到可以與人類進行交際的高級系統，不一而足。目前應用于客戶服務和支持以及充當智能家居管理器。代表*廠商包括：亞馬遜、蘋果、ArtificialSolutions、AssistAI、CreativeVirtual、谷歌、IBM、IPsoft、微軟和Satisfi。

　　4、機器學習平臺：不僅提供了設計和訓練模型，并將模型部署到應用軟件、流程及其他機器的計算能力，還提供了算法、應用編程接口（API）、開發工具包和訓練工具包。目前應用于一系列廣泛的企業應用領域，主要涉及預測或分類。代表*廠商包括：亞馬遜、FractalAnalytics、谷歌、H2O.ai、微軟、SAS和Skytree。

　　5、針對人工智能優化的硬件：這是專門設計的圖形處理單元（GPU）和設備，其架構旨在高效地運行面向人工智能的計算任務。目前主要在深度學習應用領域發揮作用。代表*廠商包括：Alluviate、克雷、谷歌、IBM、英特爾和英偉達。

　　6、深度學習平臺：一種特殊類型的機器學習，包括擁有多個抽象層的人工神經網絡。目前主要應用于由很龐大的數據集支持的模式識別和分類應用領域。代表*廠商包括：DeepInstinct、ErsatzLabs、FluidAI、MathWorks、Peltarion、SaffronTechnology和SentientTechnologies。

　　7、生物特征識別技術：能夠支持人類與機器之間更自然的交互，包括但不限于圖像和觸摸識別、語音和身體語言。目前主要應用于市場研究。代表*廠商包括：3VR、Affectiva、Agnitio、FaceFirst、Sensory、Synqera和Tahzoo。

　　8、機器人流程自動化：使用腳本及其他方法，實現人類操作自動化，從而支持高效的業務流程。目前應用于人類執行任務或流程成本太高或效率太低的地方。代表*廠商包括：AdvancedSystemsConcepts、AutomationAnywhere、BluePrism、UiPath和WorkFusion。

　　9、文本分析和NLP：自然語言處理（NLP）使用和支持文本分析，為此它借助統計方法和機器學習方法，為理解句子結構及意義、情感和意圖提供方便。目前應用于欺詐檢測和安全、一系列廣泛的自動化助理以及挖掘非結構化數據等領域。代表*廠商包括：BasisTechnology、Coveo、ExpertSystem、Indico、Knime、Lexalytics、Linguamatics、Mindbreeze、Sinequa、Stratifyd和Synapsify。

　　10，決策管理：引擎將規則和邏輯嵌入到人工智能系統，并用于初始的設置/訓練和日常的維護和調優。這是一項成熟的技術，應用于一系列廣泛的企業應用領域，協助或執行自動決策。代表*廠商包括：AdvancedSystemsConcepts、Informatica、Maana、Pegasystems和UiPat。

　　人工智能的原理

　　人工智能是實現具有智能的機器，尤其是具有智能的計算機程序的科學和工程技術。人工智能與用計算機理解人的智力的目標有一些關系，但它并不一定要使用生物學上的方法。

　　人工智能的科學研究要研究人的智慧的內部結構，相當于研究心理學的原理，更玄是不是，一般人不大會去做的大部分的人工智能研究集中在后者——工程實現上，知識：人的智能活動本質上就是獲得和運用知識知識是智能的基礎為了實現人工智能使機器具有智能就必須使它具有知識，表達：要采用適當的手段表達人的知識然后才能存儲到機器中去這就是用知識表達要解決的問題對知識進行表達就是把知識表示成便于計算機存儲和利用的某種數據結構知識表達方法又稱為知識表示技術，其表示形式稱為知識表示模式。

　　人工智能的應用

　　1.計算機科學

　　人工智能（AI）產生了許多方法解決計算機科學最困難的問題。它們的許多發明已被主流計算機科學采用，而不認為是AI的一部份。下面所有內容原在AI實驗室發展：時間分配，介面演繹員，圖解用戶介面，計算機鼠標，快發展環境，聯系表數據結構，自動存儲管理，符號程序，功能程序，動態程序，和客觀指向程序。

　　2.金融

　　銀行用人工智能系統組織運作，金融投資和管理財產。2001年8月在模擬金融貿易競賽中機器人戰勝了人。金融機構已長久用人工神經網絡系統去發覺變化或規范外的要求，銀行使用協助顧客服務系統；幫助核對帳目，發行信用卡和恢復密碼等。

　　3.醫院和醫藥

　　醫學臨床可用人工智能系統組織病床計劃；并提供醫學信息。

　　人工神經網絡用來做臨床診斷決策支持系統。用人工智能在醫學方面還有下列潛在可能：

　　計算機幫助解析醫學圖像。這樣系統幫助掃描數據圖像，從計算X光斷層圖發現疾病，典型應用是發現腫塊。

　　心臟聲音分析。

　　4.重工業

　　在工業中已普遍應用機器人。它們常做對人是危險的工作。全世界日本是利用和生產機器人的先進國；1999年世界范圍使用1，700，000臺機器人。

　　5.顧客服務

　　人工智能是自動上線的好助手，可減少操作，使用的主要是自然語言加工系統。呼叫中心的回答機器也用類似技術，如語言識別軟件可使計算機的顧客較好操作。

　　6.運輸

　　汽車的變速箱已使用模糊邏輯控制器。

　　7.運程通訊

　　許多運程通訊公司正研究管理勞動力的機器；如BT組研究可管20000工程師的機器。

　　8.玩具和游戲

　　1990年企圖用基本人工智能大量為教育和消遣生產民用產品?，F在，大眾在生活的許多方面都在應用人工智能技術。

　　未來人工智能發展的八大新趨勢

　　趨勢一：AI于各行業垂直領域應用具有巨大的潛力

　　人工智能市場在零售、交通運輸和自動化、制造業及農業等各行業垂直領域具有巨大的潛力。而驅動市場的主要因素，是人工智能技術在各種終端用戶垂直領域的應用數量不斷增加，尤其是改善對終端消費者服務。

　　當然人工智能市場要起來也受到IT基礎設施完善、智能手機及智能穿戴式設備的普及。其中，以自然語言處理（NLP）應用市場占AI市場很大部分。隨著自然語言處理的技術不斷精進而驅動消費者服務的成長，還有：汽車信息通訊娛樂系統、AI機器人及支持AI的智能手機等領域。

　　趨勢二：AI導入醫療保健行業維持高速成長

　　由于醫療保健行業大量使用大數據及人工智能，進而精準改善疾病診斷、醫療人員與患者之間人力的不平衡、降低醫療成本、促進跨行業合作關系。此外AI還廣泛應用于臨床試驗、大型醫療計劃、醫療咨詢與宣傳推廣和銷售開發。人工智能導入醫療保健行業從2016年到2022年維持很高成長，預計從2016年的6.671億美元達到2022年的79.888億美元年均復合增長率為52.68％。

　　趨勢三：AI取代屏幕成為新UI/UX接口

　　過去從PC到手機時代以來，用戶接口都是透過屏幕或鍵盤來互動。隨著智能喇叭（SmartSpeaker）、虛擬/增強現實（VR/AR）與自動駕駛車系統陸續進入人類生活環境，加速在不需要屏幕的情況下，人們也能夠很輕松自在與運算系統溝通。這表示著人工智能透過自然語言處理與機器學習讓技術變得更為直觀，也變得較易操控，未來將可以取代屏幕在用戶接口與用戶體驗的地位。人工智能除了在企業后端扮演重要角色外，在技術接口也可承擔更復雜角色。例如：使用視覺圖形的自動駕駛車，透過人工神經網絡以實現實時翻譯，也就是說，人工智能讓接口變得更為簡單且更有智能，也因此設定了未來互動的高標準模式。

　　趨勢四：未來手機芯片一定內建AI運算核心

　　現階段主流的ARM架構處理器速度不夠快，若要進行大量的圖像運算仍嫌不足，所以未來的手機芯片一定會內建AI運算核心。正如，蘋果將3D感測技術帶入iPhone之后，Android陣營智能手機將在明年（2017）跟進導入3D感測相關應用。

　　趨勢五：AI芯片關鍵在于成功整合軟硬件

　　AI芯片的核心是半導體及算法。AI硬件主要是要求更快指令周期與低功耗，包括GPU、DSP、ASIC、FPGA和神經元芯片，且須與深度學習算法相結合，而成功相結合的關鍵在于先進的封裝技術。總體來說GPU比FPGA快，而在功率效能方面FPGA比GPU好，所以AI硬件選擇就看產品供貨商的需求考慮而定。例如，蘋果的FaceID臉部辨識就是3D深度感測芯片加上神經引擎運算功能，整合高達8個組件進行分析，分別是紅外線鏡頭、泛光感應組件、距離傳感器、環境光傳感器、前端相機、點陣投影器、喇叭與麥克風。蘋果強調用戶的生物識別數據，包含：指紋或臉部辨識都以加密形式儲存在iPhone內部，所以不易被竊取。

　　趨勢六：AI自主學習是終極目標

　　AI“大腦”變聰明是分階段進行，從機器學習進化到深度學習，再進化至自主學習。目前，仍處于機器學習及深度學習的階段，若要達到自主學習需要解決四大關鍵問題。首先，是為自主機器打造一個AI平臺；還要提供一個能夠讓自主機器進行自主學習的虛擬環境，必須符合物理法則，碰撞，壓力，效果都要與現實世界一樣；然后再將AI的“大腦”放到自主機器的框架中；最后建立虛擬世界入口（VR）。目前，NVIDIA推出自主機器處理器Xavier，就在為自主機器的商用和普及做準備工作。

　　趨勢七：最完美的架構是把CPU和GPU（或其他處理器）結合起來

　　未來，還會推出許多專門的領域所需的超強性能的處理器，但是CPU是通用于各種設備，什么場景都可以適用。所以，最完美的架構是把CPU和GPU（或其他處理器）結合起來。例如，NVIDIA推出CUDA計算架構，將專用功能ASIC與通用編程模型相結合，使開發人員實現多種算法。

　　趨勢八：AR成為AI的眼睛，兩者是互補、不可或缺

　　未來的AI需要AR，未來的AR也需要AI，可以將AR比喻成AI的眼睛。為了機器人學習而創造的在虛擬世界，本身就是虛擬現實。還有，如果要讓人進入到虛擬環境去對機器人進行訓練，還需要更多其它的技術。