當(dāng)今一些最常見的AI用例
人工智能可能的AI用例和應(yīng)用是無限的。當(dāng)今一些最常見的AI用例包括：
推薦引擎——無論是購買一件新毛衣、找一部電影看、瀏覽社交媒體還是試圖尋找真愛，我們都可能會(huì)遇到一個(gè)基于人工智能的算法，其會(huì)給出建議。大多數(shù)推薦引擎使用機(jī)器學(xué)習(xí)模型將用戶的特征和歷史行為與周圍的人進(jìn)行比較。即使用戶自己不知道這些偏好，這些模型也能很好地識(shí)別偏好。
自然語言處理——自然語言處理(NLP)是一個(gè)廣泛的人工智能類別，包括語音到文本、文本到語音、關(guān)鍵字識(shí)別、信息提取、翻譯和語言生成。其允許人類和計(jì)算機(jī)通過普通的人類語言(音頻或打字)進(jìn)行交互，而不是通過編程語言。由于許多NLP工具都包含了機(jī)器學(xué)習(xí)功能，因此它們往往會(huì)隨著時(shí)間的推移而改進(jìn)。
情感分析——人工智能不僅可以理解人類語言，還可以識(shí)別支撐人類對(duì)話的情感。例如，人工智能可以分析數(shù)千個(gè)技術(shù)支持對(duì)話或社交媒體互動(dòng)，并識(shí)別出哪些客戶正在經(jīng)歷強(qiáng)烈的積極或消極情緒。這種類型的分析可以讓客戶支持團(tuán)隊(duì)專注于那些可能有叛變風(fēng)險(xiǎn)的客戶和/或可能被鼓勵(lì)成為品牌倡導(dǎo)者的極度熱情的支持者。
語音助手——很多人每天都與Siri、Alexa、Cortana或Google互動(dòng)。雖然我們經(jīng)常認(rèn)為這些助手是理所當(dāng)然的，但其融合了先進(jìn)的人工智能技術(shù)，包括自然語言處理和機(jī)器學(xué)習(xí)。
欺詐預(yù)防——金融服務(wù)公司和零售商經(jīng)常使用高度先進(jìn)的機(jī)器學(xué)習(xí)技術(shù)來識(shí)別欺詐交易。其在金融數(shù)據(jù)中尋找模式，當(dāng)交易看起來異?；蚍弦阎钠墼p模式時(shí)，就會(huì)發(fā)出警報(bào)，以阻止或減輕犯罪活動(dòng)。
圖像識(shí)別——很多人都使用基于人工智能的面部識(shí)別來解鎖手機(jī)。這種人工智能還支持自動(dòng)駕駛汽車，并允許自動(dòng)處理許多與健康有關(guān)的掃描和測(cè)試。
預(yù)測(cè)性維護(hù)——許多行業(yè)，如制造、石油和天然氣、運(yùn)輸和能源嚴(yán)重依賴機(jī)械。當(dāng)機(jī)械停機(jī)時(shí)，成本可能會(huì)非常高。目前，企業(yè)正在結(jié)合使用目標(biāo)識(shí)別和機(jī)器學(xué)習(xí)技術(shù)，來提前識(shí)別設(shè)備可能發(fā)生故障的時(shí)間，以便在故障最小化的時(shí)間安排維修。
預(yù)測(cè)分析和禁止分析——預(yù)測(cè)算法可以分析任何類型的業(yè)務(wù)數(shù)據(jù)，并將其用作預(yù)測(cè)未來可能發(fā)生事件的基礎(chǔ)。規(guī)范性分析還處于起步階段，其更進(jìn)一步，不僅可以做出預(yù)測(cè)，還可以提供建議，告知組織應(yīng)該為可能發(fā)生的未來事件做好準(zhǔn)備。
自動(dòng)駕駛汽車——當(dāng)今生產(chǎn)的大多數(shù)汽車都具有一些自動(dòng)駕駛功能，如停車輔助、車道居中和自適應(yīng)巡航。雖然完全自動(dòng)駕駛汽車仍然很昂貴，且相對(duì)稀少，但已經(jīng)在路上，并且驅(qū)動(dòng)其的人工智能技術(shù)正在變得越來越好，越來越便宜。
機(jī)器人技術(shù)——工業(yè)機(jī)器人是人工智能最早的應(yīng)用之一，其仍然是人工智能市場(chǎng)的重要組成部分。消費(fèi)型機(jī)器人，如機(jī)器人吸塵器、調(diào)酒師和割草機(jī)，正變得越來越普遍。
當(dāng)然，這些只是人工智能的一些廣為人知的用例。科技正以如此多的方式滲透到我們的日常生活中，以至于我們常常沒有完全意識(shí)到它們。
人工智能的未來
那么，人工智能的未來在哪里?顯然，其正在重塑消費(fèi)者和商業(yè)市場(chǎng)。
推動(dòng)人工智能的技術(shù)繼續(xù)以穩(wěn)定的速度發(fā)展。量子計(jì)算等未來的進(jìn)步可能最終會(huì)帶來重大的創(chuàng)新，但在近期內(nèi)，這項(xiàng)技術(shù)本身似乎很可能會(huì)沿著一條可預(yù)測(cè)的不斷改進(jìn)的道路繼續(xù)前進(jìn)。
目前尚不清楚的是人類將如何適應(yīng)人工智能。這個(gè)問題對(duì)未來幾十年的人類生活產(chǎn)生了重大影響。
許多早期的AI實(shí)現(xiàn)都遇到了重大挑戰(zhàn)。在某些情況下，用于訓(xùn)練模型的數(shù)據(jù)會(huì)讓偏差感染AI系統(tǒng)，導(dǎo)致其無法使用。
在其他許多情況下，企業(yè)在部署AI后并沒有看到希望的財(cái)務(wù)結(jié)果。技術(shù)可能已經(jīng)成熟，但圍繞其的業(yè)務(wù)流程卻還不成熟。
Gartner高級(jí)研究總監(jiān)AlysWoodward表示:“人工智能軟件市場(chǎng)正在加速發(fā)展，但其長(zhǎng)期發(fā)展軌跡將取決于企業(yè)能否提高其人工智能成熟度?！?/p>
Woodware補(bǔ)充道:“成功的AI業(yè)務(wù)成果將取決于對(duì)用例的謹(jǐn)慎選擇。提供重大業(yè)務(wù)價(jià)值的用例，同時(shí)可以通過擴(kuò)展來降低風(fēng)險(xiǎn)，這對(duì)于展示AI投資對(duì)業(yè)務(wù)利益相關(guān)者的影響至關(guān)重要。”
組織正在轉(zhuǎn)向使用AIOps等方法來幫助更好地管理AI部署。他們?cè)絹碓蕉嗟貙ふ乙匀藶橹行牡娜斯ぶ悄埽萌斯ぶ悄軄碓鰪?qiáng)而不是取代人類工人。
在非?，F(xiàn)實(shí)的意義上，人工智能的未來可能更多地是關(guān)于人，而不是機(jī)器。
來源：千家網(wǎng)