本篇文章8537字，读完约21分钟
一.概述
近年来，各行各业对人工智能的兴趣激增。自2011年以来，开发和商业化与人工智能相关的产品和技术的公司已经获得了超过20亿美元的风险资本，而技术巨头也投资了数十亿美元收购人工智能初创企业。相关报道铺天盖地而来，由电脑引发的巨额投资和失业等问题也开始出现。媒体引用了计算机比人类聪明并可能威胁人类生存的断言，这引起了广泛的关注。
Ibm承诺拨款10亿美元将他们的认知计算平台沃森商业化。
近年来，谷歌的投资主要集中在人工智能领域，比如收购八家机器人公司和一家机器学习公司。
Facebook聘请人工智能领域的领导者yann lecun创建自己的人工智能实验室，希望在这一领域取得重大突破。
牛津大学的研究人员发表的一份报告显示，由于机器认知技术的自动化，美国约47%的工作处于危险之中。
《纽约时报》的畅销书《第二个机器时代》总结道，由数字技术和人工智能带来的巨大积极变化的时代已经到来，但它也带来了大量负面影响，如失业。
硅谷企业家埃隆·马斯克(Elon musk)通过持续投资，一直关注人工智能。他甚至认为人工智能比核武器更危险。
著名的理论物理学家斯蒂芬·霍金认为，如果人工智能被成功创造出来，那就意味着人类历史的终结，“除非我们知道如何避免风险。”
尽管大肆宣传，但在人工智能领域仍不乏重大商业活动，这些活动已经或将对各种行业和组织产生影响。企业领导需要彻底了解人工智能的含义和发展趋势。
第二，人工智能和认知技术
揭示人工智能的第一步是定义技术术语、概述历史和描述基本核心技术。
1.人工智能的定义
人工智能领域有很多概念和定义，有些太多了，但有些还不够。该领域的创始人之一尼尔斯·尼尔森先生写道:“人工智能缺乏一个通用的定义。”一本权威的人工智能教科书，已经被修改了三次，给出了八个定义，但是这本书没有透露作者更喜欢哪个定义。对我们来说，一个实用的定义是，人工智能是对计算机系统如何执行只能由人类智能完成的任务的理论研究。例如，视觉感知、语音识别、不确定条件下的决策、学习和语言翻译。与研究人类如何进行思维活动相比，从人类能够完成的任务的角度来定义人工智能，而不是从人类如何思考的角度来定义人工智能，在当今时代，我们可以绕过神经机制的层面来准确地定义智能，并直接讨论其实际应用。值得一提的是，随着计算机解决新任务挑战的升级和普及，人们对于需要依靠人类智能来解决的任务的定义门槛越来越高。因此，人工智能的定义随着时间的推移而演变。这种现象被称为“人工智能效应”。总之，“人工智能是一组没有人类智能就无法实现的任务。”
2.人工智能的历史
人工智能不是一个新术语。事实上，这一领域始于20世纪50年代，这一探索历史被称为“噪音与渴望、挫折与失望交替的时代”——最近给出的一个更恰当的评价。
20世纪50年代，人工智能模拟人类智能的大胆目标被明确提出。从那以后，研究人员开展了一系列的研究项目，这些项目贯穿了20世纪60年代，一直延续到70年代。这些项目表明，计算机可以完成一系列仅在人类能力范围内的任务，如证明定理、解微积分、通过计划对命令做出反应、执行身体动作，甚至模拟心理学家和作曲。
然而，过于简单的算法，缺乏无法应对不确定环境的理论(这种情况在生活中无处不在)，以及计算能力的限制，严重阻碍了我们利用人工智能来解决更加困难和多样的问题。由于对缺乏持续努力的失望，人工智能在20世纪70年代中期逐渐淡出公众视野。
20世纪80年代初，日本启动了一个项目，旨在开发一种在人工智能领域处于领先地位的计算机结构。西方开始担心在这个领域输给日本，这种焦虑促使他们决定再次开始投资人工智能。人工智能技术产品的商业供应商出现于20世纪80年代，其中一些已经上市，如intellicorp、symbolics和teknowledge。
20世纪80年代末，财富500强企业中几乎有一半都在开发或使用专家系统(Expert System)，这是一种人工智能技术，它通过模拟人类专家解决问题的能力来模拟人类专家解决该领域的问题。
对专家系统潜力的过高期望完全掩盖了它的局限性，包括明显缺乏常识，难以捕捉专家的隐性知识，以及构建和维护大规模系统的复杂性和成本。当越来越多的人认识到这一点时，人工智能研究又一次偏离了轨道。
20世纪90年代，人工智能领域的技术成果一直处于低潮，鲜有成果。相反，神经网络、遗传算法和其他技术受到了新的关注，一方面是因为这些技术避免了专家系统的一些限制，另一方面是因为新的算法使它们运行得更有效率。
神经网络的设计受大脑结构的启发。遗传算法的机制是迭代生成备选解，然后消除最差解，最后通过引入随机变量生成新的解，从而“进化”出问题的最佳解。
3.人工智能进步的催化剂
到21世纪第一个十年的后期，一系列的因素已经出现，以重振人工智能的研究进程，特别是一些核心技术。这些重要的因素和技术将在下面详细描述。
1)摩尔定律
在价格和体积不变的情况下，计算机的计算能力可以不断增长。这就是众所周知的摩尔定律，它是以英特尔联合创始人戈登·摩尔的名字命名的。戈登·摩尔受益于各种形式的计算，包括人工智能研究人员使用的计算类型。几年前，先进的系统设计只能建立在理论上，但无法实现，因为它需要的计算机资源太昂贵或计算机是无能的。今天，我们拥有实现这些设计所需的计算资源。举个奇妙的例子，最新一代微处理器的性能是1971年第一代单片机的400万倍。
2)大数据
多亏了互联网、社交媒体、移动设备和廉价传感器，这个世界上产生的数据量大幅增加。随着对这些数据价值的不断认识，数据管理和分析的新技术也得到发展。大数据是人工智能发展的助推器。这是因为一些人工智能技术使用统计模型来计算数据的概率，例如图像、文本或声音。通过将这些模型暴露在数据的海洋中，它们被不断地优化，或者被“训练”——现在这样的条件随处可见。
3)互联网和云计算
与大数据现象密切相关的是，互联网和云计算可以被视为人工智能的基石，原因有二。首先，它们可以使所有联网的计算机设备获得大量数据。人们需要这些数据来促进人工智能的研究和发展，所以它可以促进人工智能的发展。其次，它们为人们提供了一种可行的合作方式——有时是显式的，有时是隐式的——来帮助人工智能系统训练。例如，一些研究人员使用基于云计算的众包服务，如mechanical turk，雇佣成千上万的人来描绘数字图像。这使得图像识别算法从这些描述中学习。谷歌翻译通过分析用户反馈和免费投稿来提高自动翻译的质量。
4)新算法
算法是解决设计程序或完成任务的路径方法。近年来，新算法的发展极大地提高了机器学习的能力。这些算法本身很重要，它们也是其他技术的推动者，例如计算机视觉(这项技术将在后面描述)。机器学习算法目前在开源环境中使用，这将促进更大的进步，因为开发人员可以在开源环境中互补和增强彼此的工作。
4.认知技术
我们将区分人工智能领域和扩展技术。大众媒体把人工智能描绘成和人类一样聪明或者比人类更聪明的计算机的出现。然而，各种技术在过去只有人类才能完成的特定任务上变得越来越好。我们称这些技术为认知技术(见下文)。认知技术是人工智能的产物，它们可以完成过去只有人类才能完成的任务。这正是企业和公共部门领导人应该关注的。接下来，我们将介绍一些最重要的认知技术，这些技术正在被广泛采用，并取得了快速进展和大量投资。
1)计算机视觉
它指的是计算机从图像中识别物体、场景和活动的能力。计算机视觉技术使用由图像处理操作和其他技术组成的序列将图像分析任务分解成可管理的小任务。例如，一些技术可以从图像中检测对象的边缘和纹理。可以使用分类技术来确定所识别的特征是否能够代表系统已知的一类对象。
计算机视觉被广泛使用。其中，医学影像分析用于提高疾病的预测、诊断和治疗；脸谱网使用人脸识别来自动识别照片中的人；用于在安全和监控领域识别嫌疑人；在购物方面，消费者现在可以用智能手机给产品拍照，以获得更多的购买选择。
机器视觉作为一门相关学科，一般指工业自动化领域中的视觉应用。在这些应用中，计算机在高度受限的工厂环境中识别诸如生产零件之类的对象，因此目标比计算机视觉寻求在不受限制的环境中操作更简单。计算机视觉是一个正在进行的研究，而机器视觉是一个“已解决的问题”，这是一个系统工程的课题，而不是一个研究课题。自2011年以来，由于应用范围的不断扩大，计算机视觉领域的初创企业吸引了数亿美元的风险资本。
2)机器学习
它是指计算机系统通过暴露于数据而不是遵循明确的程序指令来提高其性能的能力。机器学习的核心是从数据中自动发现模式，一旦模式被发现，它们就可以用于预测。例如，如果给机器学习系统一个信用卡交易信息的数据库，例如交易时间、商家、地点、价格以及交易是否合法，系统将学习可用于预测信用卡欺诈的模式。处理的交易数据越多，预测就越好。
机器学习有着广泛的应用，它有潜力提高几乎所有产生大量数据的活动的性能。除了欺诈甄别，这些活动还包括销售预测、库存管理、油气勘探和公共卫生。机器学习技术在计算机视觉等其他认知技术领域也发挥着重要作用，它可以通过不断训练和改进海量图像中的视觉模型来提高其识别物体的能力。如今，机器学习已经成为认知技术领域最热门的研究领域之一，从2011年到2014年，它已经吸引了近10亿美元的风险投资。谷歌还在2014年斥资4亿美元收购了一家研究机器学习技术的公司deepmind。
3)自然语言处理
它指的是计算机所拥有的类似人类的文本处理能力，例如，从文本中提取意义，甚至用自然的风格和正确的语法从可读的文本中独立地解释意义。自然语言处理系统不知道人类是如何处理文本的，但它可以通过非常复杂和成熟的手段熟练地处理文本，例如自动识别文档中提到的所有人和地方；确定文件的核心问题；或者在一堆人类可读的合同中，各种条款和条件被提取出来并制成表格。传统的文本处理软件无法完成这些任务，只能对简单的文本匹配和模式进行操作。请考虑一个老式的例子，它可以反映自然语言处理面临的挑战。在句子“时间像箭一样飞逝”中，每个单词的意思似乎都很清楚，直到系统遇到句子“水果像香蕉一样飞逝”，将“时间”替换为“水果”，将“香蕉”替换为“箭”
像计算机视觉技术一样，自然语言处理集成了各种有助于实现目标的技术。建立一个语言模型来预测语言表达的概率分布，例如，它是给定字符串或单词表达特定语义的最大可能性。可以将选定的特征与文本中的某些元素结合起来，以识别一段文本。通过识别这些元素，可以将某些类型的文本与其他文本区分开来，例如垃圾邮件和普通邮件。由机器学习驱动的分类方法将成为筛选标准，用于确定电子邮件是否是垃圾邮件。
由于上下文对于理解“时间飞逝”和“果蝇”的区别非常重要，自然语言处理技术的实际应用领域相对狭窄，包括分析客户对特定产品和服务的反馈，自动发现民事诉讼或政府调查中的一些含义，以及自动编写公式模型，如企业收入和体育运动。
4)机器人技术
机器视觉、自动规划和其他认知技术集成到极小但高性能的传感器、执行器和巧妙设计的硬件中，催生了新一代机器人，它们可以与人类一起工作，并在各种未知环境中灵活处理不同的任务。例如，无人驾驶飞机，" cobots "，可以在车间里为人类分担工作，也包括从玩具到家庭佣工的消费品。
5)语音识别技术
它主要关注人类语音的自动和精确转录。这项技术必须面对一些类似自然语言处理的问题。它在处理不同的口音、背景噪音、区分同音异义词(“买”和“按”发音相同)方面有一些困难，它还需要有一个与正常语速保持一致的工作速度。语音识别系统使用一些与自然语言处理系统相同的技术，并辅以其他技术，如描述声音及其在特定序列和语言中出现的概率的声学模型。语音识别的主要应用包括医学听写、语音书写、计算机系统语音控制、电话客户服务等。例如，多米诺比萨最近推出了一款手机应用，允许用户通过语音下单。
上述认知技术发展迅速，吸引了大量投资，而其他相对成熟的认知技术仍然是企业软件系统的重要组成部分。这些日益成熟的认知技术包括决策优化——在资源有限的前提下自动完成复杂的决策或做出最佳权衡；计划和调度——设计一系列行动过程，以满足目标和观察约束；面向规则的系统-为专家系统提供基础技术，并使用知识和规则数据库自动完成从信息中推理的过程。
第三，认知技术的广泛使用
各个经济部门已经将认知技术应用于各种商业功能。
1)银行业
自动欺诈检测系统使用机器学习来识别表明欺诈性支付行为的行为模式；借助语音识别技术，电话客服可以自动完成；语音识别可以验证呼叫者的身份
2)医疗卫生领域
美国有一半的医院使用自动语音识别来帮助医生自动复印订单，使用率仍在快速增长；机器视觉系统自动完成乳腺摄影和其他医疗影响分析；ibm的Watson使用自然语言处理技术来阅读和理解大量的医学文档，通过自动生成假设来完成自动诊断，并通过使用机器学习来提高准确性。
3)生命科学领域
机器学习系统用于预测生物数据和化合物活动之间的因果关系，从而帮助制药公司识别最有前途的药物。
4)媒体和娱乐业
许多公司正在使用数据分析和自然语言生成技术，根据数据自动起草官方文件，如公司的收入状况、体育赛事摘要等。
5)石油和天然气
机器学习被制造商广泛应用于矿产资源定位、钻井设备故障诊断等诸多方面。
6)公共部门
公共部门也开始将认知技术用于特定目的，如监控、合规和欺诈检测。例如，格鲁吉亚正在通过众包将财务披露和竞选捐款表格数字化，在此过程中，他们采用了自动手写识别系统。
7)零售商
零售商使用机器学习来自动发现有吸引力的交叉销售定价和有效的促销活动。
8)技术公司
他们正在利用机器视觉和机器学习等认知技术来改进产品或开发新产品，如roomba机器人真空吸尘器和nest智能恒温器。
以上示例表明，理解技术的潜在商业利益远远大于自动化带来的成本节约，这主要体现在:
更快的行动和决策(例如，自动欺诈检测、计划和调度)
更好的结果(例如，医疗诊断、石油勘探、需求预测)
更高的效率(即更好地利用高技能人员和昂贵的设备)，
降低成本(例如，自动电话客户服务降低了人工成本)
较大规模(即执行人力资源无法完成的大规模任务)
产品和服务创新(从增加新功能到创造新产品)
第四，认知技术影响日益增强的原因
未来五年，认知技术在商业领域的影响将会显著增加。有两个原因。首先，近年来，技术性能取得了长足的进步，处于不断研发的状态。其次，在技术商业化方面已经投入了数亿美元，许多公司致力于为各种商业部门的广泛需求提供定制的开发和包装解决方案，以使这些技术更易于购买和配置。虽然不是所有的技术提供商都能生存，但他们的努力将共同推动市场向前发展。技术性能的提高和商业化一起扩大了认知技术的应用范围，这种情况在未来几年还会继续。
1.技术改进扩大了应用范围
有许多认知技术取得长足进步的例子。例如，谷歌的语音识别系统，一份报告显示，谷歌用了不到两年的时间将语音识别的准确率从2012年的84%提高到今天的98%。计算机视觉技术也取得了快速的进步。根据计算机视觉技术研究人员设定的技术标准，从2010年到2014年，图像分类和识别的准确度提高了四倍。Facebook的深度面技术在同行评议报告中的应用(译者注:同行评议是对学术成果的一个评审过程，即一个作者的学术作品或计划被同一领域的其他专家学者评审。)得到高度认可，其人脸识别准确率达到97%。2011年，为了赢得沃森的情报项目“危险边缘”(Edge)，ibm对沃森进行了两次优化，以提高答案的准确性。现在，ibm声称沃森比当时“聪明”了2400%。
随着技术的改进和提高，技术的应用范围也在扩大。例如，在语音识别中，机器过去需要大量的训练才能在有限的词汇中勉强识别它们，而由语音识别技术扩展的医学应用很难真正普及。现在，互联网上每个月都有数百万的语音搜索。此外，计算机视觉技术过去被狭义地理解为部署在工业自动化中，但是现在，我们已经看到该技术被广泛地用于监控、安全和各种消费者应用中。Ibm现在正在将沃森的应用扩展到竞争性游戏之外，从医学诊断到医学研究，再到财务建议和自动呼叫中心。
并非所有的认知技术都发展得如此迅速。机器翻译取得了一些进展，但范围很小。一项调查发现，从2009年到2012年，阿拉伯语翻译成英语的准确率仅提高了13%。虽然这些技术并不完美，但它们已经可以影响专业组织的工作方法。许多专业译者依靠机器翻译来提高翻译的准确性，并将一些传统的翻译交给机器，专注于更具挑战性的任务。
许多公司都在努力进一步研究和开发认知技术，并逐步将其融入到更多的产品中，尤其是企业级产品，以方便企业用户的购买和部署。
2.商业化的大规模投资
从2011年到2014年5月，超过20亿美元的风险资本流入基于认知技术研究的产品和服务。与此同时，100多家相关公司被合并或收购，其中一些被亚马逊、苹果、谷歌、ibm或facebook等互联网巨头收购。所有这些投资正在培育一个多元化的公司地图，这些公司正在加速认知技术的商业化。
在这里，我们不会提供关于公司认知技术商业化的细节。我们想展示认知技术产品的丰富多样性。以下是致力于认知技术商业化的公司名单。这份清单既不是完整的，也不是固定的，而是一个促进和培育市场的动态指标。
数据管理和分析工具主要使用认知技术，如自然语言处理和机器学习。这些工具使用自然语言处理从非结构化文本中提取含义，或者使用机器学习帮助分析师从大规模数据集中找到深层含义。该领域的公司包括上下文相关(美国的一家大数据挖掘和分析公司)、palantir technologies(一家声称连接数据、技术、人类和环境的公司)和skytree(一家使用机器学习进行市场分析并提供决策依据的大数据公司)。
认知技术的每一部分都可以集成到各种应用和业务决策中，分别增加功能和提高效率。例如，wise.io提供了一组模块来促进业务决策，如客户支持、营销和销售，其中机器学习模型用于预测哪些客户容易流失，哪些潜在客户容易转变。Nuance通过提供语音识别技术帮助开发者开发需要语音控制的移动应用。
点式解决方案。许多认知技术成熟的标志是它们被嵌入到特定商业问题的解决方案中。这些解决方案旨在比公司的原始解决方案更有效，并且几乎不需要认知技术专业人员。广受欢迎的应用包括广告、营销和销售自动化、预测和规划。
技术平台。该平台的目的是为构建高度定制的业务解决方案提供基础。它们提供了一系列功能，包括数据管理、机器学习工具、自然语言处理、知识表示和推理，以及集成这些定制软件的统一框架。
3.新兴应用
如果这些技术的性能和商业化趋势继续发展，我们可以大胆预测，认知技术将被广泛使用，其接受度将大大提高。基于机器学习、自然语言处理、机器视觉或机器人技术，数亿美元的投资涌入这些公司，这表明许多新的应用将很快投入市场。我们还看到，商业组织中有一个巨大的空空间，依靠认知技术来构建自动化的业务流程，增强产品和服务。
V.认知技术在企业中的应用路径
认知技术将在未来几年变得流行。在未来2-5年，技术进步和商业化将扩大认知技术对企业的影响。越来越多的企业会找到一些创新的应用来显著提高自己的绩效或创造新的功能来增强自己的竞争地位。企业的it部门现在可以采取行动来提高对这些技术的理解，评估应用这些技术的机会，并向领导者报告这些技术可能带来的价值。高级商业和公共部门领导人应该考虑认知技术将如何影响他们的部门和整个公司，以及这些技术将如何刺激创新和提高企业绩效。
这篇文章是作者独立的观点，并不代表老虎嗅探网络的立场
向作者提问并加入语料库
三链:吃昆虫、吃厕所和油炸？？3.模纸锻造，模具模具模具模具模具模具模具模具模具模具模具？？. 95镣铐和镣铐？？0.07%锝58.....
当前流行度:0
[娇娇]http://itougu.jrj/view/189514.j.....
当前流行度:0
1.1 .涓涓细流？？邦邦、邦邦、邦邦、交邦和廖廖？？要坚强，要坚强。.....
当前流行度:0
你知道，你知道，你知道，你知道，你知道，你知道，你知道，你知道，你知道，你知道，你知道，你知道，你知道，你知道........
当前流行度:0
缇落入三条锁链？？3镝？？6铥？？0(乌桕脂含有3条链吗？？4镝？？4铥？？0)死，死，死，死又死，4.72？？......
当前流行度:0
那墙，墙，墙和墙呢？？钳子里有丰富的镰刀、叉子、叉子、nan和链条，这些都是銮棒的来源.....
当前流行度:1
你想挑起镝，破坏哮喘吗？？缇，汤，汤，3汤和柊镶嵌？？链条？？4."敌鲁，缇，汤，汤，汤."？？.....
当前流行度:0
咸丰、大树、细垴、十二寸、相互涓涓？？环秀细链，涓涓细流，砸铙钹，甩铙钹，砸铙钹，砸铙钹，砸响，砸得咝咝作响？？葛格·岳格·柊.....
当前流行度:0
