数字经济头条 > 人工智能产品应用现状总览与未来思考(下)

人工智能产品应用现状总览与未来思考(下)

作者:数科邦 发布时间:2017-10-16 1566 0 0

AI产品在各行业中的应用展现

这一章节,先上图,随后我们对这些行业进行一些简单的介绍和分析,如果有对某项应用感兴趣的,可以直接在网上搜索下面的关键词,都可以得到很多的资料和介绍。

<a href='http://www.shukeb.com/article/d6a0f68af0ce42c18ee026ce1e0bef09.html' title='人工智能' class='c_blue'>人工智能</a>产品.jpg

AI产品——行业应用

以上,小编挑了几个公认的AI改变巨大的行业进行了细分。

生活服务:

如今的智能手机就是集各种AI技术的产品。未来的手机,可能都是人工智能+概念,成为最懂你的生活助手。在本地收集你的信息,然后训练模型,为你进行个性化推荐。并且,手机上可以集成更多的深度学习技术。

  • 当你游玩时看到一束花,然后打开手机的摄像头,手机就会告诉你这个花的一些信息。

  • 当你在朋友圈看到别人发的风景照,再也不用在下面评论这是哪呀,直接点击图片搜索,就会告诉你这个游玩地点,和一些景点基本信息。

当然在生活服务方面,还有更多的事可以做。

  • 夏天,在下班前的20分钟,将家里的空调打开。调节到事宜的温度。

  • 出去买东西,孩子自己一个人在家里,一哭闹,手机立马报警,可能同时还有一个家庭机器人开始唱歌陪伴孩子。

其实这些事,很多已经可以做到了,就等待未来这样的生活普及到千家万户。很多智能硬件厂商,也都在积极部署自己的智能家居生态,这里,【智能音箱】成为了行业内的兵家必争之地,作为连接各个智能家居的中枢入口。

这里,看一下在国庆期间谷歌的2017秋季新品发布会,就能感受到,AI+在生活服务中的方方面面。

零售:

AI在对整个电商零售行业的改变可谓是巨大的。我们能感受到的最深刻的就是个性化推荐。

  • 你在某平台上看羽毛球拍,基本上在其推荐区域可能就会有很多同价位的羽毛球拍的推荐。

  • 当你买完羽毛球拍,推荐更多的可能是羽毛球或球鞋等等。

个性化推荐其实已经应用到各行各业中了,很多面对消费者的企业都将”千人千面”挂在嘴边,成了下一个战略目标。其实,真正去看实现的原理,发现确实是”千人千面”,但是由于用户画像的标签数量级很难达到另一个量级,发展到最后就依然还是“亿人千面”。

对于传统的零售行业,通过大数据+机器学习可以对未来的货品需求进行预测,大大减少了商品压仓的概率。

2017 TechWorld大会上,刘强东表示,在明年双十一之前,会将建立第一个无人仓库,没有一个操作员。京东在昆山已经有一个无人分拣中心,分拣能力可以达到9000件/小时,每个场地可以节省180人力,可以实现整个分拣大环节的全流程无人操作。

而今年7月份亮相的阿里巴巴无人超市,也让我们看到了零售实体店的未来。配合刷脸支付,试想一下,未来,你去一家这样的超市,刷一下脸,然后挑选商品,出门、抬头、支付、走人。现在看来这样可能是一件很装X的事情,但是未来,有没有可能大家都习以为常。

用马老师的话说,未来,中国每天的物流量可能都能到达现在双十一的流量。所以,人工智能的应用已经是大势所趋,可以减少大量的人工重复性工作,并且还能帮助人类完成优化决策。

教育:

我们都知道,大班教育没有小班教育好,而小班教育没有私教好。而,当人工智能应用到教育行业时,我们将较容易得体验到这些昂贵的私教服务。为用户构建私人的知识图谱,让用户更容易地、更准确地发现适合自己的内容。

美国红雀模拟器公司推出的 红雀FMX型 全动飞行训练装置经过了美国美国航空管理局(FAA)认证,价值几千万美金的模拟机。 中航国际曾采用这款飞行器训练我国飞行员。

而,模拟机和真机的飞行感觉没有差别, 并且,模拟机的训练更为便捷。

通过大数据+人工智能,机器人可以帮助我们更好地报考志愿,现在已经有很多这样的收费产品。输入文理专业、分数、生源地,就可以帮你推荐合适的学校和专业。并且,通过往年的数据,不掺杂感情地预测,可能更加准确客观。并且,最大的优点是:可以更快、更准确、更全面地得到所有的选择可能。

安防:

安防领域之前已经说过很多了。想想,以前是需要人在那里盯着屏幕一直看,而人还需要休息,有时也会走神。但是,机器只要运行程序就行,只要程序没有问题,机器就可以一直工作。所以,AI在安防领域的应用也确实大大解放了很多劳动力。

上面的应用可以是实时的,作为预警作用;也可以是在刑侦办案时,帮助警方更快速地找到可疑目标。

金融:

金融行业对人工智能的青睐其实很早就开始了。

1969年,爱德华·索普利利用他发明的”科学股票市场系统”(实际上是一种股票权证定价模型),和里根合伙成立了第一个量化投资基金——可转换对冲合伙基金。

而,近几年,从海外到国内,智能投顾也开始兴起。2016年也被称为中国智能投顾的元年。

通过大数据+人工智能的技术,可以让用户最大概率的获得收益,这和金融的本质,控制分险是一致的。并且,机器在面对金融时,是不会有贪婪之意的,有非常大的优势。所以,人工智能未来还是会成为金融从业者最有力的决策工具。

除了,投资方面,人工智能技术也开始深入到了金融中的方方面面。

  • 刷脸支付已经慢慢地开始进入到商用时代。

  • 在后台的每一笔支付中,人工智能都在计算操作的安全性,保障我们的账户安全。(我们在外地、或新换手机支付时,有时会需要短信验证码。而在常住地,大部分时间都不需要。)

个性化推荐,也在金融获客中起到了重要的作用。如今的很多信贷产品,你只需要输入一些个人信息,金融机构就可以迅速地计算出一个合理的信贷额度。

保险产品琳琅满目,而现在的产品,也可以根据你购买行为,资产配置情况等,进行个性化推荐保险。

交通:

  • 自动驾驶,大家可能觉得就是自动驾驶小轿车,而如今,自动驾驶所应用的程度更加广泛:目前、包括Google、苹果、百度、乐视、Nvidia、Uber、福特、通用、特斯拉、奥迪、丰田、日产、本田、现代、奔驰、宝马、奥迪、Faraday Future、BOSCH、沃尔沃等众多科技或汽车厂商都已经在研究和测试自动驾驶。

  • 2017年8月中旬,中国中车研发的全球首款12米“无人驾驶”智能客车初次上路,在3公里的运行测试中表现出色。

  • 在深圳市2017年“公交出行宣传周及无车日”活动启动仪式上,深圳巴士集团董事长余钢透露,他们正在与国家智能运输技术中心、华为公司等合作,共同研发无人驾驶技术,2017年年底将在深圳市南科大等处试验推出2条无人驾驶路线。、

  • 近日,Rio Tinto公司宣布其生产的火车已经完成了首个无人驾驶任务,它实现近100公里无人驾驶。Rio Tinto希望在2018年年底之前拥有一个完全自主的列车网络。

看看以上的一些咨询和新闻,现在自动驾驶确实是百家争鸣,应用广泛。不出意外,未来,自助驾驶就会进入我们的生活了。大胆设想,如果自动驾驶非常成熟,成为了主要驾驶方式,未来的车祸率是不是会减少很多,而且也完美的解决了酒驾问题。

其他的,智能交通灯系统,根据对路上车流量的检测和整个城市交通的情况分析,自动控制并调节交通信号灯的转变。

还有无人机的应用,除了无人机航拍之外,我们还可以利用无人机送货,也可以进行特殊环境下的灾难救援等等。

医疗健康:

人工智能在医疗领域的应用意义十分重大。目前,很多疾病都是由于发现不及时,而导致死亡等等。而,我们在体检的时候,一些细小的指标或者医学影像医生很难发现。此时,人工智能便可以替代人力做这样一件繁琐、重复,但十分有意义的工作。这可以辅助医生做诊断,减少误诊率,漏诊率。

在老年看护方面,我们可以在老年人身上放置一些传感器,通过对数据的实时监测,来完成对老年人的看护。

目前很多公司都开始提供基因检测服务,基本的检测在1000元以内,通过人工智能技术,我们可以在基因检测之后做进一步的诊断。

还有智能诊断,医疗机器人、康复机器人等应用产品。

不过目前,这些应用都处在初期阶段。很多产品都无法大规模的商用,而有的还处在实验室阶段。但是,未来,人工智能作为医生最好的决策助手,指日可待。

其他:

Alpha Go 已经火得不要不要的。

Camera Effects:

facebook在2017年F8大会上发布的AR平台。让相机成为变成一个AR平台,可以给人脸添加配饰,通过AR换装,在实物上涂鸦等等。并且它的意义在于,这将是一个开放式的平台,全球的发布者都可以讲自己创造的素材发布到平台里,让传统的AR添加素材更加多元化。

LipNet:

由牛津大学人工智能实验室,谷歌DeepMind和CIFAR联合发布的一篇论文。该文介绍了利用机器学习实现语句层面的自动唇读技术。结论显示,在GIRID预料库上,LipNet实现了93.4%的准确度,超过了经验丰富的人类唇读者和之前的79.6%的最佳准确度;并且,这一文本转换的速度几乎是实时的。

虽然这篇论文在学术界投稿上磕磕绊绊,但对于工业界是一个很好的应用方向和工具。

百度寻人:

平台致力于运用百度的人脸识别技术更加快捷方便地帮助走失人员回归家庭, 现已对接民政部全国救助寻亲网中近3万条走失人口信息,用户可以上传走失亲人的照片进行快速比对。并且,现已有成功寻人的案例,个人认为十分有意义。

好了,终于通过【产品形式】和【行业应用】这两个角度介绍完了大部分的人工智能产品,不知道大家看到这里,是否觉得未来,就像蒸汽机带来工业革命一样, 深度学习的这波潮流即将要带来人工智能时代?

个人认为,此言差矣,欲问为何,还看最后一节的总结分析。

在这一章节的最后,贴上目前AI领域的四大天王以示敬意,目前已有3人在工业界任职。

大佬.jpg

从左至右:Yann Lecun、Geoffrey Hinton、Yoshua Bengio、Andrew Ng(吴恩达)

AI产品的今天和明天

首先总结一下AI产品的特点:

1.目前成熟的AI技术偏向于基础应用,呈现工具化、零件化的形态。

2.在一些领域中,由于AI程序化的设计,使得机器可以完全胜任一些重复性、繁杂的工作。解放人力,打破了传统人力在自然、人体机能前的限制。

3.由于大数据的发展,在很多方面,人工智能通过大量地学习以往经验,在掌握大量信息的情况下,可以做出准确率十分高的决策。而,与此同时,人类可能无法像机器一样考虑得全面。

4.想要应用AI的行业,必须要有大量的数据积累。也就是必须要有基础业务,而人工智能作为其中的一环或者工具依附在上,作为一种支持系统。

5.大的AI系统必须细分化,不断拆解其技术问题,通过结合大量的、成熟的基础AI应用来完成整个AI系统任务。

个人认为,以上总结的5条,体现了目前绝大多数AI产品的设计逻辑。

而我们从一些使用体验比较失败的产品身上,得到的一些结论,会发现跟前面的一些特点会恰恰相反:

  • AI所应用的领域在之前没有传统的基础业务做积淀,AI系统封闭性太强,形成了单独的闭环系统。

  • 由于监督学习的算法特点无法自学习,AI系统不够“聪明”,导致无法面对非常广泛的、开放式的环境中产生的所有情况。

  • 性价比低,由于AI算法的应用,需要更高的硬件资源,而实际达到的效果与增长的价格不符合预期,价值低。

这里,如果再做进一步的现象总结的话, 我们可以发现:用户体验不好的产品,都是属于全新的产品链,并面向C端用户的。这样的产品几乎占了上面的3条特点。而与行业内数据储备庞大、业务经验丰厚、2C端产品成熟的B端厂商相结合,提供底层的AI技术支持,是目前最成功的商业模式。 

以上3条是目前一些真的人工智能产品出现的一些问题,注意,这里说的是真正的人工智能产品。这里我们可以看两则消息:

康奈尔大学的研究人员对Siri、Google Assistant、度秘等人工智能语音助手进行了智商测试。这项研究仍在进行之中,但最新公布的结果显示:Google Assistant的IQ为47.28,略低于6岁儿童的智商。而Siri则是23.9,大幅落后于后者。

Geoffrey Hinton对人工智能的未来非常担忧,在最近的一次人工智能会议上,Hinton表示自己对于反向传播[非常怀疑],并提出【应该抛弃它并重新开始】。

然而目前,反向传播是监督学习的核心,也是深度学习不可或缺的一部分,但是,就像之前提到的,利用反向传播调整模型,可能AI永远无法达到【强】人工智能。

接下来,想说,其实AI到目前为止最主要的就两个作用:

  • 将人类从繁杂的、重复的工作中解脱出来。

  • 通过目前已知的情况,帮助人类做出决策。

如果说大部分成功的产品都讲究一个社会阶段和环境养分的话,那么,现在的AI产品在设计时,应该本着这两条去考虑。而那些我们感觉到不尽如人意的AI产品,大都是没有按照这两条的意图去设计的。

对于“AI会让很多人失业”,“有可能威胁到人类”等反AI的观点, 我还是持相反意见的。我们的老祖先很早就说过:【以史为鉴】。只是当时没有存储数据的机制,没有相应的计算算法,更没有计算的机器。否则人工智能可能会更早的出现。而现在,这些条件都已具备,我们为什么不大胆地拥抱呢。

想想,我们可以利用多年积累的数据和经验,代替很多重复性的工作。我们可以利用存储量大于常人的机器,帮助我们记住很多信息并作出决策建议。 这,并不是机器威胁人类的方式,而是人类利用机器,解放自己,从而走向更加快速发展的道路。

好了,最后了。我们聊聊未来。

其实就是一句话:理智、客观地看待人工智能的潮起潮落。

人工智能已经经历过了两次 寒冬 ,这里, 有资本过热地毒害,也有学术无法继续前进的问题,可能最冷的Winter is coming. 当监督学习无法满足一些任务,而,新的学术方法还未能出现解决时,可能最后一次寒冬就来了。

不过,可能大家会抛弃现在的算法和网络,但是,人工智能时代终究会到来,因为人类终将会用工具代替现在的自己,并开始从事其他更有意义的工作。科技永远会向前走的,人类也需要更多的人力去转动历史的车轮,去完成更有意义的事情。

人类的出现就是为了揭上帝的底牌。

虽然,可能前景一片美好,但是路漫漫,高低坑洼还有迷雾。 资本需要和市场一样理智 ; 创业者也需要在做人工智能时,牢牢依附着传统行业,少一些【强】人工智能的梦想,多一点细分化场景的创造。 人工智能的基础技术已经十分成熟,在各行各业中都有应用的条件,可能,现在只需要一个靠谱、新颖的idea.

而,目前,我们需要做的,了解人工智能技术的边界,深入行业研究具体业务,最后,架起一座又一座桥梁。

当然,这里我们不可能一番风顺,可能会在数据获取、数据清洗、制作数据标签时等等环节中遇到困难。但是,历史的责任,需要无数的AI从业者去理智地推动这件事。


标签:

评论:

您还可以输入0/300个字
        • 无搜索结果