人工智能的十大应用
导读：人工智能已经逐渐走进我们的生活，并应用于各个领域，它不仅给许多行业带来了巨大的经济效益，也为我们的生活带来了许多改变和便利。下面，我们将分别介绍人工智能的一些主要应用场景。
作者：王健宗何安珣李泽远
来源：大数据DT（ID：hzdashuju）
01 无人驾驶汽车
无人驾驶汽车是智能汽车的一种，也称为轮式移动机器人，主要依靠车内以计算机系统为主的智能驾驶控制器来实现无人驾驶。无人驾驶中涉及的技术包含多个方面，例如计算机视觉、自动控制技术等。
美国、英国、德国等发达国家从20世纪70年代开始就投入到无人驾驶汽车的研究中，中国从20世纪80年代起也开始了无人驾驶汽车的研究。
2005年，一辆名为Stanley的无人驾驶汽车以平均40km/h的速度跑完了美国莫哈维沙漠中的野外地形赛道，用时6小时53分58秒，完成了约282千米的驾驶里程。
Stanley是由一辆大众途锐汽车经过改装而来的，由大众汽车技术研究部、大众汽车集团下属的电子研究工作实验室及斯坦福大学一起合作完成，其外部装有摄像头、雷达、激光测距仪等装置来感应周边环境，内部装有自动驾驶控制系统来完成指挥、导航、制动和加速等操作。
2006年，卡内基梅隆大学又研发了无人驾驶汽车Boss，Boss能够按照交通规则安全地驾驶通过附近有空军基地的街道，并且会避让其他车辆和行人。
近年来，伴随着人工智能浪潮的兴起，无人驾驶成为人们热议的话题，国内外许多公司都纷纷投入到自动驾驶和无人驾驶的研究中。例如，Google的GoogleX实验室正在积极研发无人驾驶汽车GoogleDriverlessCar，百度也已启动了“百度无人驾驶汽车”研发计划，其自主研发的无人驾驶汽车Apollo还曾亮相2018年央视春晚。
但是最近两年，发现无人驾驶的复杂程度远超几年前所预期的，要真正实现商业化还有很长的路要走。
02 人脸识别
人脸识别也称人像识别、面部识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。人脸识别涉及的技术主要包括计算机视觉、图像处理等。
人脸识别系统的研究始于20世纪60年代，之后，随着计算机技术和光学成像技术的发展，人脸识别技术水平在20世纪80年代得到不断提高。在20世纪90年代后期，人脸识别技术进入初级应用阶段。目前，人脸识别技术已广泛应用于多个领域，如金融、司法、公安、边检、航天、电力、教育、医疗等。
有一个关于人脸识别技术应用的有趣案例：张学友获封“逃犯克星”，因为警方利用人脸识别技术在其演唱会上多次抓到了在逃人员。
2018年4月7日，张学友南昌演唱会开始后，看台上一名粉丝便被警方带离现场。实际上，他是一名逃犯，安保人员通过人像识别系统锁定了在看台上的他；
2018年5月20日，张学友嘉兴演唱会上，犯罪嫌疑人于某在通过安检门时被人脸识别系统识别出是逃犯，随后被警方抓获。随着人脸识别技术的进一步成熟和社会认同度的提高，其将应用在更多领域，给人们的生活带来更多改变。
03机器翻译
机器翻译是计算语言学的一个分支，是利用计算机将一种自然语言转换为另一种自然语言的过程。机器翻译用到的技术主要是神经机器翻译技术（NeuralMachineTranslation，NMT），该技术当前在很多语言上的表现已经超过人类。
随着经济全球化进程的加快及互联网的迅速发展，机器翻译技术在促进政治、经济、文化交流等方面的价值凸显，也给人们的生活带来了许多便利。例如我们在阅读英文文献时，可以方便地通过有道翻译、Google翻译等网站将英文转换为中文，免去了查字典的麻烦，提高了学习和工作的效率。
04声纹识别
生物特征识别技术包括很多种，除了人脸识别，目前用得比较多的有声纹识别。声纹识别是一种生物鉴权技术，也称为说话人识别，包括说话人辨认和说话人确认。
声纹识别的工作过程为，系统采集说话人的声纹信息并将其录入数据库，当说话人再次说话时，系统会采集这段声纹信息并自动与数据库中已有的声纹信息做对比，从而识别出说话人的身份。
相比于传统的身份识别方法（如钥匙、证件），声纹识别具有抗遗忘、可远程的鉴权特点，在现有算法优化和随机密码的技术手段下，声纹也能有效防录音、防合成，因此安全性高、响应迅速且识别精准。
同时，相较于人脸识别、虹膜识别等生物特征识别技术，声纹识别技术具有可通过电话信道、网络信道等方式采集用户的声纹特征的特点，因此其在远程身份确认上极具优势。
目前，声纹识别技术有声纹核身、声纹锁和黑名单声纹库等多项应用案例，可广泛应用于金融、安防、智能家居等领域，落地场景丰富。
05智能客服机器人
智能客服机器人是一种利用机器模拟人类行为的人工智能实体形态，它能够实现语音识别和自然语义理解，具有业务推理、话术应答等能力。
当用户访问网站并发出会话时，智能客服机器人会根据系统获取的访客地址、IP和访问路径等，快速分析用户意图，回复用户的真实需求。同时，智能客服机器人拥有海量的行业背景知识库，能对用户咨询的常规问题进行标准回复，提高应答准确率。
智能客服机器人广泛应用于商业服务与营销场景，为客户解决问题、提供决策依据。同时，智能客服机器人在应答过程中，可以结合丰富的对话语料进行自适应训练，因此，其在应答话术上将变得越来越精确。
随着智能客服机器人的垂直发展，它已经可以深入解决很多企业的细分场景下的问题。比如电商企业面临的售前咨询问题，对大多数电商企业来说，用户所咨询的售前问题普遍围绕价格、优惠、货品来源渠道等主题，传统的人工客服每天都会对这几类重复性的问题进行回答，导致无法及时为存在更多复杂问题的客户群体提供服务。
而智能客服机器人可以针对用户的各类简单、重复性高的问题进行解答，还能为用户提供全天候的咨询应答、解决问题的服务，它的广泛应用也大大降低了企业的人工客服成本。
06智能外呼机器人
智能外呼机器人是人工智能在语音识别方面的典型应用，它能够自动发起电话外呼，以语音合成的自然人声形式，主动向用户群体介绍产品。
在外呼期间，它可以利用语音识别和自然语言处理技术获取客户意图，而后采用针对性话术与用户进行多轮交互会话，最后对用户进行目标分类，并自动记录每通电话的关键点，以成功完成外呼工作。
从2018年年初开始，智能外呼机器人呈现出喷井式兴起状态，它能够在互动过程中不带有情绪波动，并且自动完成应答、分类、记录和追踪，助力企业完成一些烦琐、重复和耗时的操作，从而解放人工，减少大量的人力成本和重复劳动力，让员工着力于目标客群，进而创造更高的商业价值。当然智能外呼机器人也带来了另一面，即会对用户造成频繁的打扰。
基于维护用户的合法权益，促进语音呼叫服务端健康发展，2020年8月31日国家工信部下发了《通信短信息和语音呼叫服务管理规定（征求意见稿）》，意味着未来的外呼服务，无论人工还是人工智能，都需要持证上岗，而且还要在监管的监视下进行，这也对智能外呼机器人的用户体验和服务质量提出了更高的要求。
07智能音箱
智能音箱是语音识别、自然语言处理等人工智能技术的电子产品类应用与载体，随着智能音箱的迅猛发展，其也被视为智能家居的未来入口。究其本质，智能音箱就是能完成对话环节的拥有语音交互能力的机器。通过与它直接对话，家庭消费者能够完成自助点歌、控制家居设备和唤起生活服务等操作。
支撑智能音箱交互功能的前置基础主要包括将人声转换成文本的自动语音识别（AutomaticSpeechRecognition，ASR）技术，对文字进行词性、句法、语义等分析的自然语言处理（NaturalLanguageProcessing，NLP）技术，以及将文字转换成自然语音流的语音合成技术（TextToSpeech，TTS）技术。
在人工智能技术的加持下，智能音箱也逐渐以更自然的语音交互方式创造出更多家庭场景下的应用。
08个性化推荐
个性化推荐是一种基于聚类与协同过滤技术的人工智能应用，它建立在海量数据挖掘的基础上，通过分析用户的历史行为建立推荐模型，主动给用户提供匹配他们的需求与兴趣的信息，如商品推荐、新闻推荐等。
个性化推荐既可以为用户快速定位需求产品，弱化用户被动消费意识，提升用户兴致和留存黏性，又可以帮助商家快速引流，找准用户群体与定位，做好产品营销。
个性化推荐系统广泛存在于各类网站和App中，本质上，它会根据用户的浏览信息、用户基本信息和对物品或内容的偏好程度等多因素进行考量，依托推荐引擎算法进行指标分类，将与用户目标因素一致的信息内容进行聚类，经过协同过滤算法，实现精确的个性化推荐。
09医学图像处理
医学图像处理是目前人工智能在医疗领域的典型应用，它的处理对象是由各种不同成像机理，如在临床医学中广泛使用的核磁共振成像、超声成像等生成的医学影像。
传统的医学影像诊断，主要通过观察二维切片图去发现病变体，这往往需要依靠医生的经验来判断。而利用计算机图像处理技术，可以对医学影像进行图像分割、特征提取、定量分析和对比分析等工作，进而完成病灶识别与标注，针对肿瘤放疗环节的影像的靶区自动勾画，以及手术环节的三维影像重建。
该应用可以辅助医生对病变体及其他目标区域进行定性甚至定量分析，从而大大提高医疗诊断的准确性和可靠性。另外，医学图像处理在医疗教学、手术规划、手术仿真、各类医学研究、医学二维影像重建中也起到重要的辅助作用。
10 图像搜索
图像搜索是近几年用户需求日益旺盛的信息检索类应用，分为基于文本的和基于内容的两类搜索方式。传统的图像搜索只识别图像本身的颜色、纹理等要素，基于深度学习的图像搜索还会计入人脸、姿态、地理位置和字符等语义特征，针对海量数据进行多维度的分析与匹配。
该技术的应用与发展，不仅是为了满足当下用户利用图像匹配搜索以顺利查找到相同或相似目标物的需求，更是为了通过分析用户的需求与行为，如搜索同款、相似物比对等，确保企业的产品迭代和服务升级在后续工作中更加聚焦。
关于作者：王健宗，博士，某大型金融集团科技公司资深人工智能总监、高级工程师，中国计算机学会大数据专家委员会委员、高级会员，美国佛罗里达大学人工智能博士后，曾任美国莱斯大学电子与计算机工程系研究员、美国惠普公司高级云计算解决方案专家。
何安珣，某大型金融集团科技公司高级算法工程师，中国计算机学会会员，中国计算机学会青年计算机科技论坛（YOCSEF深圳）委员。拥有丰富的金融智能从业经验，主要研究金融智能系统框架搭建、算法研究和模型融合技术等，致力于推动金融智能的落地应用与价值创造。
李泽远，某大型金融集团科技公司高级人工智能产品经理，中国计算机学会会员，长期致力于金融智能的产品化工作，负责技术服务类的产品生态搭建与实施推进。
本文摘编自《金融智能：AI如何为银行、保险、证券业赋能》，经出版方授权发布。
延伸阅读《金融智能》
点击上图了解及购买
转载请联系微信：DoctorData
推荐语：这是一部讲解如何用AI技术解决银行、保险、证券行业的核心痛点并帮助它们实现数智化转型的著作。作者从金融智能一线从业者的视角，深入剖析了传统金融行业的痛点与局限，以及金融智能的特点与优势，阐明了人工智能等技术在金融业的必要性，并针对金融智能在银行、保险和证券业的诸多应用场景，给出了具体解决方案。
划重点????
干货直达????
有了中台，那后台还剩下什么？（图解中台架构）
关于读书，我发现每一个技术大牛都有这个怪癖
2020福布斯中国富豪榜发布！10年来谁是中国最有钱的人？
34秒看完200余年美国总统大战：民主党vs共和党谁是赢家？
更多精彩????
在公众号对话框输入以下关键词
查看更多优质内容！
PPT | 读书 | 书单 | 硬核 | 干货 | 讲明白 | 神操作
大数据 | 云计算 | 数据库 | Python | 可视化
AI | 人工智能 | 机器学习 | 深度学习 | NLP
5G | 中台 | 用户画像 | 1024 | 数学 | 算法 | 数字孪生
据统计，99%的大咖都完成了这个神操作
????
搞AI（人工智能）都要掌握哪些知识
大家好，我是YESLABAI的产品总监，大家可以叫我小产。
那个啥，YESLAB的华为AI课程HCNA快开班了，很多后续的AI课程也会很快陆续和大家见面。面对铺天盖地的咨询，我认为自己很有必要解答一下大家经常提出的疑问。
话说，在过去几个月，售小姐姐们最常被问到的问题是，学AI都要掌握哪些知识呢？今天我就回答一下大家的这个问题。
如果上网查查，你会发现各方牛人们都在说，入门级的AI玩家需要至少拥有：
•包括高等数学、线性代数、概率论与数理统计在内的大学数学知识；
•使用一种到多种编程语言的能力，如Python、C++、Java；
•比较熟练的英语阅读能力，用于阅读论文；
•相当的人工神经网络知识；
•……
等会儿啊，我还没说完，你们怎么都走了……
别着急啊，上面只是间接引语，我还没说我的看法呢。上述技能确实是从业AI领域所需的几大技能，但是这并不表示所有人都必须熟练掌握所有的技能。所以，一听学AI就觉得高不可攀的朋友，真的不用过于担心这个问题。
下面，我来逐项地和大家分析一下，上述技能是不是学习AI必须掌握的知识和技能；如果不是必备技能，那么掌握它们有哪些好处，不具备又会遇到哪些问题。
一、大学数学基础
很多朋友兴致勃勃地准备从事AI，但是一听到学习AI需要掌握大学数学基础知识，立刻感觉自己受到了10000点伤害，其实没有必要啊。
首先，大家在大学里面学习数学课程的侧重点是逻辑推论和举一反三。上课的时候，老师疯狂点击PPT演示推导过程和求解例题，大家则在下面兴致勃勃地……刷微信。
不过，在AI项目中学习这些数学课程，侧重点则是各类数学模型在AI中要如何使用，或者说如何在应用场合中套用这些数学模型。反而是平时数学上大家最头疼的那些推论啊、题海战术啊，在AI学习过程中可以暂时忽略掉。
不怕大家不信，熟悉数学模型的应用虽然特别简单，但有的时候还能反哺到推论的学习。所以，学不会大学数学课程的朋友，说不定反而能在我们的AI课程上找到突破，实现借道超车呢。
总而言之，即使是那些大学数学课基本都用来刷朋友圈的学渣同学，你们也可以应付AI课程的学习。打个比方，如果大学数学课程是教大家研发汽车，我们AI课程中的数学部分就是教大家学开车。
那么，如果我不想去掌握这些数学知识，可以学习AI吗？
可以，其实AI从业者中，拥有强大数学背景、数学知识足以支持一切AI应用场合的人依然是少数。只是，数学基础的缺陷，容易导致大家在从业中遇到一些障碍。那时，大家就需要按照查字典的方式，有针对性地去补充项目中用到的那个数学知识点了。另外，完全不掌握这些数学知识，学习人工神经网络的过程可能会痛苦一些。
二、编程语言
完全不会编程的人可以从事AI吗？
其实可以，不会写代码的AI从业者数量并不少。在AI领域，有一些拥有丰富从业经验的人喜欢大量钻研前沿的科技论文，然后构想怎么把这些最新科技动向投向产业。这类人群往往并不写代码，他们也不会写代码，但他们对于前言科技发展的眼光是敏锐而独到的。怎么说呢？程序猿的工作是满足AI的应用需求，这种人的工作是提出AI的应用需求，也就是充当PM。
所以，编程语言只是AI的实现工具，把编程语言培训美化成AI培训只是培训机构的宣传策略。YESLAB也一直强调，不讲人工神经网络的AI培训都是耍流氓。
不过在这里，小产还是得把丑话说在前面，拥有大量论文积累但不会写代码的人大量存在，并不代表大家应该这样规划自己的职业发展路径。对于新入行的朋友，把广泛阅读科技论文当成绕过学习编程语言的近路，有可能会在入行时遇到求职问题，因为一家企业很难相信一个没有写代码能力、也没有从业经验的新人在AI前沿科技方面能够拥有独到的眼光。
要不然，YESLABPython课程了解一下？
三、阅读论文
阅读科技论文的重要性，小产在前面刚刚介绍过了。那么，对英语阅读能力没有信心，或者不想在论文库里皓首穷经的人可以从事AI吗？
可以，只不过这样一来，大家的职业发展就会遇到瓶颈，或者说会固定在长期从事一线工作的状态。当然，长期从事一线工作也没有什么不好，只是如果大家关注大企业的AI人才需求，一定会发现它们都是十分青睐于那种同时拥有编写代码能力，和积累了大量前沿论文的人才。
那么，很多朋友可能想问，阅读科技论文对英语的要求是什么水平呢？
这么说吧，如果大家雅思阅读考到8.5以上，或者托福阅读考到28……
回来回来，我是说，如果大家四级都考不过，那也不要紧……
英语和数学确实是很多人的老大难，销售小姐姐们也确实反映很多朋友在咨询时都提出了论文阅读的问题。其实，英文水平的提升和论文阅读量的积累都是一个循序渐进的过程，可以提高大家职业发展的上限，但是并不会影响大家进入AI这个行业。
当然，小产注意到大多数负责任的AI培训机构为了消除这个门槛，都在课程中插入了一些论文带读的分享课。YESLABAI公会也决定在例行活动中，适时地选取一些在业内公认很有价值的经典科技论文，和一些比较有潜力的前沿科技论文来为大家进行带读，帮助大家彻底消除英语阅读障碍对诸位了解AI领域前沿科技动态造成的影响。
英文的事情，AI公会可以搞定，近期优惠呦。
四、人工神经网络
如果大学的专业与人工智能不相关，那么人工神经网络可能是大家在大学期间完全没有接触到的一个领域。于是，也有很多人问，不懂人工神经网络可以从事AI吗？
答案是可以，但是不推荐。说的直观一点吧，完全不懂人工神经网络从事AI，就像你在肯德基点了一份老北京鸡肉卷，然后告诉KFC的小姐姐不要加鸡肉。
确实，有很多根本不懂人工神经网络的人也在从事AI行业。在个别知名企业的认证培训体系中，也弱化了人工神经网络知识所占的比重。这是因为这些跨国企业的认证培训体系是服务于推广自身产品的，人工神经网络作为它们产品的核心技术架构，已经集成在了产品内部，受训者未来在工作中扮演的角色只是在它们产品的平台上用编程语言调试它们。
这种简化人工神经网络知识在培训体系中所占比重的做法，对于厂商的好处是明显的，毕竟有能力承担人工神经网络教学的人在行业中凤毛麟角，而培训师资人数受限则会限制产品推广的效果。学习这种课程的人只要拥有编程基础就可以比较快地上手，但却会在开源的时代背上比较浓重的厂商背景，压缩了职业发展的空间。当然，大多数厂商的认证培训体系，包括华为推出的HCNA认证中，还是会包含对人工神经网络的介绍。
其实，人工神经网络并不是太高深的技术。它说白了就是始于大脑仿生学的一种逻辑图，如果其中不包含数学函数，看上去比计算机网络的拓扑图都要容易很多。大家完全不需要特别担心这部分内容学不会啊。
总之，相比于担任网络工程师，从事AI技术人员的门槛确实提高了。根据入门同学大学各类基础课程的掌握水平不同，我认为门槛大概提高了10%-30%。但门槛的提高客观上增加了这个行业从业者的含金量，让从业者仅凭一段短时间内的集中投入，就可以拥有一份薪酬更加可观的体面工作。所以，有句话怎么说的来着？一件事的对与错，取决于你看待它的角度。
最后，相信大家也看明白了。这篇文章通篇就是向大家传达一个理念：学AI不怕起点低，AI从业者也不都是全才。
不过，凡事都得有个度。前一阵，一位销售小姐姐问我，有个咨询的大哥哥问她，不会数学，不懂人工神经网络，不想学编程，也不打算读论文，能不能直接搞AI？
（THEEND）
www.yeslab.net