2018年AI的五大发展趋势和带来了哪些益处

人类一直对于与自己相仿的机器人、以及人工智能（AI）的概念饶有兴致。好莱坞电影和科幻小说也一直启发着科学家们向着此方向不断努力。虽然AI的泡沫曾经破灭了多次，但是近年来，一些重大的发展与突破又一次将该领域带回到了公众面前。在 2017年，Gartner将通用AI放在了“技术成熟度曲线”的早期采用阶段。同时，它将深度学习和机器学习技术置于该曲线的顶峰。

我们需要理解的是：AI是几个相互关联的技术的总称术语。它包括：自然语言处理（Natural Language Processing，NLP)、机器学习、认知计算、神经网络、计算机视觉、机器人科学及其相关技术。在本文中，我们将解释所有这些技术的五大发展趋势，并了解它们所带来的益处。

1. 机器学习模式的大众化

机器学习的目的是使得计算机能够从数据中学习、在不依赖程序命令的情况下进行改进。这种学习最终可以帮助计算机建立模型，例如被用于预测天气的模型。在这里，我们来介绍一些利用机器学习的常用应用程序：

财务应用

随着金融业的迅速发展，各种初创型Fintech（金融科技）企业大量涌现。该行业的从业者曾经过度依赖于传统的低效方法，去咨询和分销他们的标准化金融产品。如今，各种AI先进技术以自动化咨询等方式，让该领域得到了转型。同时，机器学习模型也取代了在量化市场趋势时常用的传统预测分析方法。与传统的投资模型相比，这些模型能够以更高的准确性与速度，来预测市场的各种波动。

另外，机器学习如今也能够帮助金融公司去防止各种金融欺诈。这些模型特别擅长于发现任何基于历史数据的异常，并能轻松地识别甚至预测出某项欺诈活动。一旦客户账户中出现任何不寻常的活动，他们的银行都能通过使用这些模型来提醒他们。除了防止欺诈之外，机器学习还可以在风险管理领域发挥出更大的作用。这些模型可以通过提高信用评级的准确性，来改善对贷款机构的各种风险管理。

医疗应用

机器学习和大数据都是掌握海量潜在医疗数据的关键因素。通过在机器学习模型之上建立的新应用，我们可以识别各种疾病，并提高疾病诊断的准确性。同时，机器学习还能够有助于基因排序、临床试验、药物发现和研发，以及流行病的暴发预测。

另外，基于AI的系统也能帮助医院改善其操作的流程和数据的管理。鉴于医疗保健专业人员在阅读剂量指示、或诊断数据方面难免会经常犯错，智能AI系统通过具有图像识别和光学字符辨识的功能对所有的数据进行二次检查，以减少此类错误的发生频率。

工业应用

机器学习算法如今能够支持大量的应用，并涵盖了整个制造业的生命周期。它包括：产品设计、生产计划、生产优化、配送、现场服务和再生。目前，一些行业正在将基于AI和以物联网（IoT）的解决方案，实施到他们原有的、孤立且零散的SCADA（Supervisory Control and Data Acquisition，监控和数据采集）方案之上，以发挥并增强协同作用。

虽然使用机器人和自动化机器设备对于制造业来说已不是什么新鲜事了，但是如今，各种先进的、基于物联网的系统，已经能够实现对设备和机械的预防性维护与维修。此外，基于AI技术的供应链运营优化，也是另一个不断发展的工业用例。

AIOps平台

我们大多数人都有过这样的体会：IT人员每天都需要满负荷地去处理数以千计的系统事件，而且手头的分析系统根本无法利用到那些对于IT操作真正有用的数据。他们亟待开发出更具智能运营能力的系统。而AIOps中的高级AI算法便能够对事件数据的分析和关联过程予以自动化。此外，AIOps还可以使用各种算法，来实时地执行去重、黑名单管理和关联事件反馈等操作，以减少此类事件的发生频率。

2. 用自然语言处理来简化人机互动

自然语言处理（NLP）是人工智能快速发展的一个分支，它侧重于对人类的语言进行分析和理解。基于NLP的应用程序通过了解语言、语境、方言和发音上的细微差别，来更好地与人类进行互动。

此外，NLP能够帮助计算机不断开发阅读与理解能力，甚至能够超越人类。2018年1月，在斯坦福大学的阅读理解测试中，阿里云的得分就比人类还要高。在这次测试中，阿里云的NLP和基于AI的深层神经网络成功地回答了十万多道问题。

下面让我们来看一些采用NLP和基于AI技术的发展趋势吧：

客服聊天机器人

在传统的应用中，人们必须在高度紧张的工作环境内，处理客户的各种例行查询。而NLP则可以支持许多现实世界的客服应用。那些基于NLP的聊天机器人可以通过提供更高的效率、缩短的等待时间、标准化的文档、以及更好地解决客户的查询，来改善对于客户的服务质量。

虚拟助理

亚马逊Echo、Alexa、Cortana（微软小娜）、谷歌助理、和Siri都是一些NLP进入消费者领域的著名案例。通过理解人类的声音请求，AI技术正在改变我们与机器的交互方式。当然，虚拟助理也具有干扰传统广告业务的能力，并能够改变我们做出各种购买选择的方式。

招聘门户

各种基于NLP的招聘门户平台正越来越普遍。这些门户平台能够通过为人事经理对数以千计的简历进行排序，从而协助企业处理大量的招聘工作。NLP可以通过扫描大量的工作申请、并将它们与招聘标准相匹配，从而快速地找到合适的候选者。与过去门户平台不同的是，这些门户网站将不再需要依赖于各种关键字的配对。

3. 通过情绪分析来增强客户体验

相信我们都有过这样的经历：客户在得到客服代表的电话应答之前，往往只能绝望地在IVR（译者注：Interactive Voice Response，即互动式语音应答）队列中等待。企业也会因为如此低效的支持流程，而失去了大量的客户。如今，AI提供了情绪分析的新途径。通过允许计算机理解某段对话、评论、反馈的上下文、以及意图，AI就能够籍此区分出不同的意见、建议、投诉、查询、以及赞誉。

采用情感分析的应用可以帮助企业更好地理解客户的需求。这种应用可以被用于分析大量的社交媒体来源，以提高品牌对于社会的倾听能力。

随着情绪分析的不断发展，虚拟个人助理和具有情感获知能力的可穿戴设备，将能够理解我们的情绪状态与偏好。这些系统将帮助市场部门向客户提供情境化、和个性化的体验。根据Tractica（译者注：一家市场研究与咨询机构）的数据显示：到2025年，此类软件工具的全球收入将达到38亿美元。

此外，情绪分析在医疗保健和精神健康领域也发挥着巨大的作用。具有情绪获知能力的可穿戴设备，除了能够显示与身体健康有关的指标之外，还能监控心理上的健康。因此，心理健康提供者也可以采用像Karim和Woebot之类的聊天机器人，来制定治疗方案，以帮助人们管理他们的心理健康。

目前，一些汽车公司也引入了情绪分析。他们通过将先进的情绪检测系统部署到车辆之上，让那些车载电脑能检测到驾驶员的情绪与注意力水平，从而协助驾驶。此外，未来的自动化车辆将能够检测驾驶员的愤怒、嗜睡、焦虑等情绪，通过控制车辆，从而避免事故的发生。

4.智能城市的发展

目前，全球大多数城市的基础设施都无法满足人口激增的需求。水、电、易出行和更清洁的空气，都是城市管理者日常所要面对的复杂挑战。而人们获得医疗保健和公共服务则是另一个重大的问题。与此同时，政府组织也需要在这些有限的资源范围内维护相应的法律和秩序。

智能城市通过使用AI、大数据和物联网来解决城市内人口所面临的大多数挑战。使用这些技术的组合，城市可以更好地分析他们遍布在各处的摄像头所反馈的信息。例如：通过对各种图像和实时视频的分析，可以协助识别事故和交通拥堵状况。管理者们也可以利用这些信息，来集中化管理不同道路上的交通。此外，他们还可以依靠智能系统，来自动控制交通信号等设备，以便让贵宾、应急响应小组和执法人员具有通行的优先权。

除了一般性的监控，面部识别和情绪感知能力也可以协助城市里零售店的日常运营。基于AI的营销系统可以增强基于地理围栏（geo-fencing）和坐标模式的商店营销。此方法目前主要依赖的是客户对于智能手机的使用。

AI在建筑设计与施工活动中也发挥着重要的作用。基于AI的系统不仅可以管理建筑资产，还能够改进垂直框架系统的选择，从而有助于进行性能诊断、并通过对GIS（译者注：Geographic Information System，地理信息系统）数据的分析，以协助规划与施工。今后，AI将有助于设计和定制具有纳米技术的建筑材料。这将意味着，除了钢筋混凝土，工程师们将有更多新的建筑材料，以适应不同的建设环境。

5. 统一各种AI工具与开发平台

在分散的生态系统和市场上，许多颇具竞争力的厂商提供着不同能力的AI工具和平台。这些AI开发产品的大多数仍处于起步阶段。多年来，尽管许多领域的业务用例已经成熟，但是要在所有行业中全面采用AI仍为时尚早。这也是传统云和分布式计算服务商相较于AI初创企业的占优之处。那些云服务提供商拥有现成的基础结构、规模和大量的资源，可以为各种规模的企业开发出大数据和AI的应用平台。

结论

综上所述，我们很容易得出结论：如今，基于AI的发展已经成为了主流。各种企业不仅热衷于改进其现有的流程，而且还能看到AI给他们带来的潜在增长点。这也就是为什么CIO们应当重视AI的战略意义和其创新发展的空间。总之，那些能够快速拥抱AI、大数据、物联网和区块链等新技术的企业必将在竞争中抢占到优势。