不管用哪种标准来考量，AI都在已经是一门大生意。
根据Gartner的数据，到年，全世界客户将在AI软件上花费亿美元。报告还指出，48%的CIO已经部署了某种AI软件，或计划在未来12个月内部署。
所有这些投资吸引了大量专注于AI产品的初创公司。CBInsights报告称，仅在年 季度，AI融资就达到了亿美元。而在此之前的一个季度，投资者向AI初创公司投入了亿美元。鉴于数据驱动AI，数据分析、机器学习和商业智能等相关领域都出现快速增长也就不足为奇了。
但究竟什么是AI?为什么其会成为科技行业中如此重要且利润丰厚的一部分?
什么是AI?
在某些方面，AI与自然智能相反。如果说生物天生具有智能，那么人造机器可以说是拥有AI。所以从某种角度来说，任何“会思考的机器”都具有AI。
事实上，AI的早期先驱之一——JohnMcCarthy，将AI定义为“制造智能机器的科学和工程”。
然而，在实践中，计算机科学家使用AI这个术语来指代机器的思维方式，人类已经把这种思维方式提升到了一个非常高的水平。
计算机非常擅长计算——接受输入、操纵，并产生结果输出。但在过去，其还无法完成其他人类擅长的工作，比如理解和生成语言、通过视觉识别物体、创造艺术或从过去的经验中学习。
但这一切都在改变。
现今，许多计算机系统能够使用普通语言与人类交流。还可以识别人脸和其他物体。其使用机器学习技术，尤其是深度学习，使自己能够从过去中学习并预测未来。
那么，AI是怎么走到这一步的呢?
AI简史
许多人将AI的历史追溯到年，当时AlanTuring发表了《计算机器与智能》。Turing的文章开头写到，“我提议考虑这个问题，‘机器会思考吗?’”还提出了一个被称为图灵测试的场景。Turing提出，如果一个人不能把机器和人区分开来，那么计算机就可以被认为是智能的。
年，JohnMcCarthy和MarvinMinsky主持了 次AI会议，即达特茅斯AI夏季研究项目(DSRPAI)。该会议让计算机科学家相信，AI是一个可以实现的目标，为未来几十年的进一步研究奠定了基础。AI技术的早期尝试开发出了能下西洋跳棋和国际象棋的机器人。
年代见证了机器人和一些解决问题的程序的发展。一个值得注意的亮点是ELIZA的创建，这是一个模拟心理治疗的程序，为人机交流提供了一个早期的例子。
在和年代，AI的发展仍在继续，但速度有所放缓。尤其机器人领域取得了重大进展，比如可以看到和行走的机器人。Mercedes-Benz推出了 款(极其有限的)自动驾驶汽车。然而， 府对AI研究的资助大幅减少，导致了一段被称为“AI寒冬”的时期。
年代，人们对AI的兴趣再次激增。“人工语言互联网计算机实体”(ALICE)聊天机器人证明，自然语言处理可以带来比ELIZA更自然的人机交流。这十年也见证了分析技术的激增，这为后来的AI发展奠定了基础，以及 个循环神经网络架构的发展。这也是IBM推出其DeepBlue国际象棋AI的十年，其是 战胜当前世界 的AI。
年代的 个十年见证了机器人技术的快速创新。 批Roombas开始吸尘地毯，NASA发射的机器人探索火星。而在国内，Google公司正在研发无人驾驶汽车。
自年以来，AI技术出现了前所未有的增长。硬件和软件都发展到了可以实现物体识别、自然语言处理和语音助手的程度。IBM的Watson赢得了Jeopardy。Siri、Alexa和Cortana应运而生，聊天机器人成为了现代零售的固定设备。DeepMind的AlphaGo打败了人类围棋 。所有行业的企业都开始部署AI工具来帮助分析数据，并取得更大的成功。
现在，AI真正开始进化，超越一些狭窄和有限的类型，演变为更高级的实现。
AI的类型
不同的计算机科学家小组提出了不同的方法来分类AI的类型。一种流行的分类使用三个类别:
1.狭义的AI在一件事上做得非常好。苹果的Siri、IBM的Watson、Google的AlphaGo都是NarrowAI的例子。狭义的AI在当今世界相当普遍。
2.通用AI是AI的一种理论形式，其可以与人类一样执行大多数智能任务。流行电影中的例子可能包括《太空漫游》中的HAL或《钢铁侠》中的J.A.R.V.I.S。许多研究人员目前正致力于开发通用AI。
3.超级AI，仍然处于理论阶段，其智力远远超过人类。这种AI还没有接近成为现实。
另一个流行的分类使用了四个不同的类别:
1.反应式机器接收输入并提供输出，但它们没有任何记忆或从过去的经验中学习。在许多电子游戏中对抗的机器人就是反应性机器的典型例子。
2.内存有限的机器可以回溯过去。当今道路上的许多车辆都具有属于此类的先进安全功能。例如，如果有汽车在车辆或人员即将超过时，发出备份警告，那么其使用的是一组有限的白癜风来得出结论并提供输出。
3.心智机器理论意识到人类和其他实体的存在，并有自己独立的动机。大多数研究人员都认同，这种AI尚未开发出来，一些研究人员表示不应该尝试这样做。
4.有自我意识的机器知道自己的存在和身份。尽管一些研究人员声称，具有自我意识的AI如今已经存在，但只有少数人认同这一观点。开发具有自我意识的AI存在很大争议。
虽然从理论角度来看这些分类很有趣，但大多数组织更感兴趣的是可以用AI做什么。这将我们带到了产生大量收入的AI方面——AI用例。
AI的用例
AI可能的AI用例和应用是无限的。当今一些最常见的AI用例包括：
推荐引擎——无论是购买一件新毛衣、找一部电影看、浏览社交媒体还是试图寻找真爱，我们都可能会遇到一个基于AI的算法，其会给出建议。大多数推荐引擎使用机器学习模型将用户的特征和历史行为与周围的人进行比较。即使用户自己不知道这些偏好，这些模型也能很好地识别偏好。
自然语言处理——自然语言处理(NLP)是一个广泛的AI类别，包括语音到文本、文本到语音、关键字识别、信息提取、翻译和语言生成。其允许人类和计算机通过普通的人类语言(音频或打字)进行交互，而不是通过编程语言。由于许多NLP工具都包含了机器学习功能，因此它们往往会随着时间的推移而改进。
情感分析——AI不仅可以理解人类语言，还可以识别支撑人类对话的情感。例如，AI可以分析数千个技术支持对话或社交媒体互动，并识别出哪些客户正在经历强烈的积极或消极情绪。这种类型的分析可以让客户支持团队专注于那些可能有叛变风险的客户和/或可能被鼓励成为品牌倡导者的极度热情的支持者。
语音助手——很多人每天都与Siri、Alexa、Cortana或Google互动。虽然我们经常认为这些助手是理所当然的，但其融合了先进的AI技术，包括自然语言处理和机器学习。
欺诈预防——金融服务公司和零售商经常使用高度先进的机器学习技术来识别欺诈交易。其在金融数据中寻找模式，当交易看起来异常或符合已知的欺诈模式时，就会发出警报，以阻止或减轻犯罪活动。
图像识别——很多人都使用基于AI的面部识别来解锁手机。这种AI还支持自动驾驶汽车，并允许自动处理许多与健康有关的扫描和测试。
预测性维护——许多行业，如制造、石油和天然气、运输和能源严重依赖机械。当机械停机时，成本可能会非常高。目前，企业正在结合使用目标识别和机器学习技术，来提前识别设备可能发生故障的时间，以便在故障最小化的时间安排维修。
预测分析和禁止分析——预测算法可以分析任何类型的业务数据，并将其用作预测未来可能发生事件的基础。规范性分析还处于起步阶段，其更进一步，不仅可以做出预测，还可以提供建议，告知组织应该为可能发生的未来事件做好准备。
自动驾驶汽车——当今生产的大多数汽车都具有一些自动驾驶功能，如停车辅助、车道居中和自适应巡航。虽然完全自动驾驶汽车仍然很昂贵，且相对稀少，但已经在路上，并且驱动其的AI技术正在变得越来越好，越来越便宜。
机器人技术——工业机器人是AI最早的应用之一，其仍然是AI市场的重要组成部分。消费型机器人，如机器人吸尘器、调酒师和割草机，正变得越来越普遍。
当然，这些只是AI的一些广为人知的用例。科技正以如此多的方式渗透到我们的日常生活中，以至于我们常常没有完全意识到它们。
AI的未来
那么，AI的未来在哪里?显然，其正在重塑消费者和商业市场。
推动AI的技术继续以稳定的速度发展。量子计算等未来的进步可能最终会带来重大的创新，但在近期内，这项技术本身似乎很可能会沿着一条可预测的不断改进的道路继续前进。
目前尚不清楚的是人类将如何适应AI。这个问题对未来几十年的人类生活产生了重大影响。
许多早期的AI实现都遇到了重大挑战。在某些情况下，用于训练模型的数据会让偏差感染AI系统，导致其无法使用。
在其他许多情况下，企业在部署AI后并没有看到希望的财务结果。技术可能已经成熟，但围绕其的业务流程却还不成熟。
Gartner高级研究总监AlysWoodward表示:“AI软件市场正在加速发展，但其长期发展轨迹将取决于企业能否提高其AI成熟度。”
Woodware补充道:“成功的AI业务成果将取决于对用例的谨慎选择。提供重大业务价值的用例，同时可以通过扩展来降低风险，这对于展示AI投资对业务利益相关者的影响至关重要。”
组织正在转向使用AIOps等方法来帮助更好地管理AI部署。他们越来越多地寻找以人为中心的AI，利用AI来增强而不是取代人类工人。
在非常现实的意义上，AI的未来可能更多地是关于人，而不是机器。
转载请注明：http://www.0431gb208.com/sjszlfa/5427.html
