导 语
人工智能（artificial intelligence，简称ai）是计算机学科的一个分支，被认为是二十一世纪（基因工程、纳米科学、人工智能）三大尖端技术之一。作为第四次工业革命的技术基石，人工智能有望为中国在新一轮技术创新大潮中后来居上、实现“弯道超车”提供突破口。从本期开始，我们将带领大家认识人工智能这一引领发展的新兴产业。
人工智能内涵和应用：四大维度理解内涵、三类关键预测应用
有这样一位“学习达人”，“他”的学习速度是人类的1万倍，只花10小时，就会唱几百万首流行歌曲，成功预测出《我是歌手》总决赛的歌王！
有这样一双未卜先知的“眼睛”，城市里错综复杂的十字路口和成千上万的路段都在“它”的视野里，并能提前告诉你5分钟后、10分钟后，乃至1小时后的路况信息！路况预测准确率在 91%以上！
有这样一双“速记快手”，“她”能够高速记录大会演讲，准确率方面竟然以0.67%的微弱优势战胜第50届国际速联速记大赛全球速记亚军姜毅！
……
他、她、它的背后，都有一个共同的名字：人工智能。人工智能到底是什么？能为人类做什么？我们该如何使用？
人工智能是什么？
人工智能是研究、开发用于模拟、延伸和扩展人类智能的理论、方法、技术及应用系统的一门新的技术科学。自20世纪50年代以来，三次技术革新浪潮中，学界和业界对人工智能的理解众说纷纭，科技和商业的多元化发展导致对人工智能的定义、发展动力以及表现形式的理解各异。让我们从以下四个维度来总结和理解人工智能的多种内涵：
人工智能的定义：
根据人工智能的应用，人工智能可以分为专有人工智能、通用人工智能、超级人工智能。
根据人工智能的内涵，人工智能可以分为类人行为（模拟行为结果）、类人思维（模拟大脑运作）、泛（不再局限于模拟人）智能。
人工智能的驱动因素：
算法/技术驱动、数据/计算、
场景和颠覆性商业模式驱动
人工智能的承载方式：
技术承载方式：单机智能、平行运算/多核智能、高度分散/群体智能
表现方式：云智能、端智能、云端融合
人工智能与人的关系：
机器主导、人主导、人机融合
现阶段，人工智能正在从专有人工智能向通用人工智能发展过渡，由互联网技术群（数据/算法/计算）和应用场景互为推动，协同发展，自我演进。人工智能已不再局限于模拟人的行为结果，而拓展到“泛智能”应用，即更好地解决问题、有创意地解决问题和解决更复杂的问题。这些问题既包含人在信息爆炸时代面临的信息接受和处理困难，也包含企业面临的运营成本逐步增加、消费者诉求和行为模式转变、商业模式被颠覆等问题，同时还包含社会亟需解决的对自然／环境的治理、对社会资源优化和维护社
会稳定等挑战。
在这个过程中，虽然“模拟人”不再是唯一方向，但是人依然是人工智能实现不可缺少的关键因素。人是主导者（设计解决问题的方法），参与者（数据的提供者、反馈数据的产生者，也是数据的使用者），同时也是受益者（智能服务的接受方）。
02
人工智能会做什么？
人工智能具备“快速处理”和“自主学习”两种能力。
人工智能实现了学习、决策和行动的快速处理。计算机处理信息、沟通信息、并行计算和线性计算的速度都快于人类。此外，计算机还能够不停迭代和优化“试验—验证—学习”的正循环。
人工智能可以更灵活地自主学习和管理知识，支持知识的“产生—存储—应用—更新”的体系化管理。
03
人工智能用在哪？
人
工智能已在多个方面成功应用。图像识别（包括交通信号灯和人脸）技术已经超越人类水平。微软计算机视觉软件的图片识别错误率已经低于人类。计算机不仅能识别简单图像，还能分析整个电磁波谱。语言识别和自然语言处理技术已经在日常生活中广泛应用，例如苹果手机内置的语音识别助手Siri、亚马逊智能音箱Echo、阿里YunOS个人助理+、淘宝小蜜、支付宝安娜等。通过传感器和制动器，人工智能可以感知并行动。机器视觉和各类传感器，结合高精度地图和环境感知信息，机器人、无人机、自动驾驶等智能设备已经投入使用，Google、Uber、Tesla、阿里巴巴与上海汽车合作等都已在无人驾驶和互联网汽车领域布局。
04
大数据是战略性竞争优势
数据是人工智能的基础，拥有针对特定领域的庞大数据集，能够成为竞争优势的重要来源。现阶段，制约人工智能领域很多重大突破的关键，并非是算法不够先进，而是缺乏高质量的数据集。
海量、精准、高质量的数据为训练人工智能提供了原材料（参阅图1），巨型数据库、十几年累积的搜索结果，乃至整个互联网都让人工智能变得更聪明。人工智能从庞大的、复杂的、无序的个体数据中发现更为本质、更能解释世界的规律，并复合多个规律共同作用，以解决问题。
人工智能的三种主要技术，都需要专有类型的数据。机器学习，例如计算机视觉、情感分析、自然语言处理等技术，需要大量的标签样本数据。模式识别，例如文字、语
音、指纹、人脸等识别技术，则偏重于信号、图像、语音、文字、指纹等非直观数据。人机交互，如智能机器人技术，则需要积累大量的用户数据。
互联网催生了大数据，大数据催生了人工智能
从信息浏览、社交网络、电子商务、到互联网＋，互联网的发展融入到我们生活、工作和经济的各个方面。用户在享受互联网带来的便捷的同时，也在无形中贡献着数据的足迹，音频、视频、邮件、微薄、文件、浏览历史等数据逐渐累积。互联网的快速发展，推动信息社会进入到大数据时代。同时，大数据也加快推动了互联网的演进。拥有海量用户搜索数据的Google，社交数据的Facebook，交易数据的Amazon、阿里巴巴等互联网公司充分借助云计算、大数据的技术来更好的了解用户，提供更好的或者创新的服务和产品。
互联网的演进和催生的新业态，又进一步吸引了大量用户的积极参与，实现了数据 “产生—使用—新数据产生—再使用”的闭环，这个闭环恰恰是人工智能自主学习和知识管理的基础。
场景数据的积累，可以促进人工智能技术的应用，从而形成更高效的解决方案
例如，传统外卖配送采用人工调度，由派单员进行手工派单，所依据的是有限的餐厅和配送员的数据，因此派单随机性强，配送效率低，派单高峰时，爆单现象频发，派单本身的人工成本较高。互联网外卖应用的火爆，积累大量外卖场景的相关数据后，阿里云大数据孵化器团队采用人工智能技术，基于外卖场景的数据基础，分析餐厅、配送员、订餐人、配送路径的特点、并结合业务规律、天气等数据实现智能调度高级算法，实现机器实时智能调度，从而合理利用运力，提高配送效率。当场景应用形成正循环后，甚至能够提前对用户行为（如提醒订餐）和餐厅行为（如点菜和出餐速度分析）等进行影响分析，从而进一步提高外卖场景的整体效率。
现阶段，特别是对创业公司而言，
数据的来源主要有三种
方式一，自筹数据，即从零开始，投入大量人力采集数据。例如，很多聊天机器人公司聘请人类担任“AI训练师”，让他们手动创建或核实虚拟助手做出的预测。一旦能够引发数据网络效应，即形成“更多用户—更多数据—更优智能算法—更好产品—更多用户”的正循环后，所需人力就无需再跟随用户数量同步增加，这种简单的自建数据策略就能取得成功。另一些公司采取向消费者提供特定领域免费应用的策略，以此来快速积累数据。例如，Madbits、Clarifai等图像识别公司都推出了免费的照片应用，以便为图像识别核心业务收集更多的图像数据。
方式二，公共数据。美国联邦政府已在Data.gov数据平台开放了来自多个领域的13万个数据集的数据。这些领域包括图中所列的农业、商业、气候、生态、教育、能源、金融、卫生、科研等十多个主题。这些主题下的数据都是美国联邦政府的各个部委所开放的。英国、加拿大、新西兰等国在2009年之后都建立起了政府数据开放平台，成为了国际信息化和大数据领域的一个重要趋势。在我国，2011年香港特区政府上线了data.gov.hk，称为香港政府资料一线通。上海在2012年6月推出了中国大陆第一个数据开放平台。之后，北京、武汉、无锡、佛山南海等城市也都上线了自己的数据平台。
方式三，产业数据协同，即下游创业公司或行业公司和产业链上游的数据或平台型公司建立合作，连接对双方均有利的产品或数据，例如：益海鑫星、有理数科技和阿里云数加平台合作，以中国海洋局的海量遥感卫星数据和全球船舶定位画像数据为基础，打造围绕海洋数据服务平台，服务于渔业、远洋贸易、交通运输、金融保险、石油天然气、滨海旅游、海水垦殖、环境保护等众多行业，从智能指导远洋金枪鱼捕捞到智能预测船舶在港时间，场景丰富。
来源：
联系客服
