自從1956年計算機專家約翰·麥卡錫提出“人工智能”一詞后，短短幾十年時間，便取得了令人驚訝的進展，從紙上藍圖迅速進入應(yīng)用落地階段。2019年，在人工智能中占主導(dǎo)地位的技術(shù)都有哪些？今天就來盤點一下。

自然語言處理

一個完整的自然語言處理系統(tǒng)包含語音識別、語義識別、語音合成三部分。近二十年來，自然語言處理技術(shù)進步明顯，開始從實驗室走向市場。人們預(yù)計，未來10年內(nèi)，語音識別、語義識別和語音合成技術(shù)將進入工業(yè)、家電、通信、汽車電子、醫(yī)療、家庭服務(wù)、消費電子產(chǎn)品等各個領(lǐng)域。

我國在語音識別技術(shù)方面優(yōu)勢明顯，出現(xiàn)了以科大訊飛、百度等為代表的優(yōu)秀AI企業(yè)。近兩年，科大訊飛除了在To B賽道上廣泛布局外，還推出了一系列主打C端的人工智能產(chǎn)品，如訊飛翻譯機、訊飛錄音筆、訊飛智能辦公本、訊飛超腦學習機和訊飛智能鼠標、阿爾法系列智能機器人等，涵蓋了日常生活，辦公、學習的方方面面。

2019年618和雙11期間，憑借良好的性能，高達98%的語音識別準確率及便捷的操控性，訊飛翻譯機力壓群雄，分別登上了天貓、京東兩大電商累計銷量和銷售額冠軍席位，意味著這家企業(yè)在自然語言處理和應(yīng)用方面方面，已找到了很好的落地點。

計算機視覺

根據(jù)實際解決的問題，計算機視覺技術(shù)可分為人臉識別、圖像檢測、圖像檢索、目標跟蹤、風格遷移等幾大板塊。其中，人臉識別、圖像分類等功能計算機視覺技術(shù)已經(jīng)比人類視覺更精準、更迅速。在醫(yī)院，一般早期食管癌檢出率低于10%而騰訊覓影通過掃描上消化道內(nèi)鏡圖片篩查食管癌，檢出率高達90%，用時不到4秒。商湯科技宣稱，利用其計算機視覺技術(shù)，視頻內(nèi)容審核能夠節(jié)省99%的人工。

雖然在解決識別、檢測、聚類等問題上，計算機視覺已經(jīng)可以超越人類，但其發(fā)展仍面臨挑戰(zhàn)。

首先，缺乏可用于人工智能模型訓(xùn)練的大規(guī)模數(shù)據(jù)集。其次，缺乏從技術(shù)到產(chǎn)品到規(guī)?；瘧?yīng)用的工程化經(jīng)驗。計算機視覺技術(shù)的應(yīng)用已不再是單一的軟件應(yīng)用，涉及到新型基礎(chǔ)架構(gòu)，涉及到新的數(shù)據(jù)分析流程，還涉及到智能硬件如攝像頭的安裝等等。每一個環(huán)節(jié)都可能會影響識別效果。將這一技術(shù)從實驗室擴展到工業(yè)化應(yīng)用的過程本身就是很大的挑戰(zhàn)。

知識圖譜

知識圖譜最初是由Google公司在2012年提出來的一個新的概念。從學術(shù)的角度，我們可以對知識圖譜給一個這樣的定義：“知識圖譜本質(zhì)上是語義網(wǎng)絡(luò)（Semantic Network）的知識庫”。但這有點抽象，所以換個角度，從實際應(yīng)用的角度出發(fā)其實可以簡單地把知識圖譜理解成多關(guān)系圖（Multi-relational Graph）。如果說以往的智能分析專注在每一個個體，知識圖譜則專注于這些個體之間的“關(guān)系”。知識圖譜用“圖”的表達形式，最有效、最直觀地表達出實體間的關(guān)系，是最接近真實世界、符合人類思維模式的數(shù)據(jù)組織結(jié)構(gòu)。

相較于傳統(tǒng)的智能分析，知識圖譜是基于圖的數(shù)據(jù)結(jié)構(gòu)，即知識圖譜需要從海量信息中抽去多個維度的特征信息，并在這些特征信息素材的基礎(chǔ)上，通過智能推理實現(xiàn)從數(shù)據(jù)到可視化圖像深加工，從而能夠直觀易懂的展現(xiàn)給用戶，并與用戶交互。

目前，知識圖譜主要應(yīng)用于面向互聯(lián)網(wǎng)的搜索、推薦、問答等業(yè)務(wù)場景，成為以商業(yè)搜索引擎公司為首的互聯(lián)網(wǎng)公司重兵布局的人工智能技術(shù)之一。同時，也開始在金融、醫(yī)療、電商及公共安全保障等領(lǐng)域得到廣泛的探索。

機器學習

機器學習指的是計算機系統(tǒng)無須遵照顯式的程序指令，而只依靠數(shù)據(jù)來提升自身性能的能力。其核心在于，機器學習是從數(shù)據(jù)中自動發(fā)現(xiàn)模式，模式一旦被發(fā)現(xiàn)便可用于預(yù)測。比如，給予機器學習系統(tǒng)一個關(guān)于交易時間、商家、地點、價格及交易是否正當?shù)刃庞每ń灰仔畔⒌臄?shù)據(jù)庫，系統(tǒng)就會學習到可用來預(yù)測信用卡欺詐的模式。處理的交易數(shù)據(jù)越多，預(yù)測就會越準確。

機器學習的應(yīng)用范圍非常廣泛，針對那些產(chǎn)生龐大數(shù)據(jù)的活動，它幾乎擁有改進一切性能的潛力。除了欺詐甄別之外，這些活動還包括銷售預(yù)測、庫存管理、石油和天然氣勘探，以及公共衛(wèi)生等。機器學習技術(shù)在其他的認知技術(shù)領(lǐng)域也扮演著重要角色，比如計算機視覺，它能在海量圖像中通過不斷訓(xùn)練和改進視覺模型來提高其識別對象的能力。

機器人

將機器視覺、自動規(guī)劃等認知技術(shù)整合至極小卻高性能的傳感器、制動器以及設(shè)計巧妙的硬件中，這就催生了新一代的機器人，它有能力與人類一起工作，能在各種未知環(huán)境中靈活處理不同的任務(wù)。例如，無人機、可以在車間為人類分擔工作的“cobots”等。

虛擬助理

虛擬助理是一種能與人類進行交互的計算機代理或程序，其中以聊天機器人最為著名，如我們熟知的蘋果產(chǎn)品中的Siri、微軟Cortana以及Google Assistant、Amazon Alexa等。虛擬助理多用于客戶服務(wù)和支持，并可以作為智能家居的管理者。

2019年，有研究機構(gòu)交將上述產(chǎn)品放在一起測試，就正確率而言，Google Assistant勝出，達93%，Siri為83％，Alexa為80％。

Google Assistant 在回答商業(yè)類別查詢時表現(xiàn)最為突出，92％ 正確回答了有關(guān)產(chǎn)品和服務(wù)信息及在何處購買某些商品的更多問題，相比之下Siri只有68％和Alexa的71％。

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(jīng)網(wǎng)絡(luò)。目前主要應(yīng)用于由很龐大的數(shù)據(jù)集支持的模式識別和分類應(yīng)用領(lǐng)域。代表性廠商包括：Deep Instinct、Ersatz Labs、Fluid AI、MathWorks、Peltarion、 Saffron Technology和Sentient Technologies。國內(nèi)如百度、科大訊飛和騰訊等，也均推出有著自家技術(shù)特色的深度學習平臺。

決策管理

引擎將規(guī)則和邏輯嵌入到人工智能系統(tǒng)，并用于初始的設(shè)置/訓(xùn)練和日常的維護和調(diào)優(yōu)。這是一項成熟的技術(shù)，應(yīng)用于一系列廣泛的企業(yè)應(yīng)用領(lǐng)域，協(xié)助或執(zhí)行自動決策。代表性廠商包括:Advanced Systems Concepts、Informatica、Maana、Pegasystems和UiPat。

生物特征識別技術(shù)

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(yīng)用于市場研究。代表性廠商包括:3VR、Affectiva、Agnitio、FaceFirst、Sensory、Synqera和Tahzoo。

機器人流程自動化

使用腳本及其他方法，實現(xiàn)人類操作自動化，從而支持高效的業(yè)務(wù)流程。目前應(yīng)用于人類執(zhí)行任務(wù)或流程成本太高或效率太低的地方。代表性廠商包括:Advanced Systems Concepts、Automation Anywhere、Blue Prism、UiPath和WorkFusion。