人工智能的12个典型案例
但以亚马逊的推荐系统为例，它是一个交易性人工智能平台的强大引擎。人们可能已经观察到它的能力，这个系统可以不断学习。本质上，大批购物者正在“教导”亚马逊人工智能系统，以便更好地展示可能出售的商品。也就是说，将一件商品与过去展示的另一件商品相匹配将促进销售，可以将半关联的概念联系起来(例如灯架与摄影设备)。
另一方面，这种高端的人工智能系统需要庞大的计算平台来处理所有这些数据。对于使用小型服务器的用户来说很难为此类系统提供支持。显然，亚马逊网络服务公司拥有世界领先的计算平台。
3.Pandora
对于那些认为人工智能将会取代人类工作的人们来说，Pandora人工智能系统就是一个与人类合作的例子。首先，Pandora通过音乐专业人员的帮助来分析和分类歌曲。Pandora着眼于歌曲的450种属性进行分类，从声乐风格到节奏感。
当其人工智能算法工作时，根据大量用户对其歌曲库的响应，结合了来自用户的大量推荐。然后，人工智能系统可以批量分组和呈现对于用户具有意义的歌曲。
4.Cogito
这无疑是人工智能最活跃的领域之一：在销售和客服电话中使用人工智能，可以增强与客户的情感联系。具体地说，使用人工智能互动比人类更具移情能力。当然，这是人工智能使用的一个前沿。
Cogito(拉丁语的意思是“自我意识”)使用了人类互动的关键真理：它不仅仅是词语的表达意义，而且是词语的表达方式、情绪、节奏和感觉。
Cogito软件可以实时分析对话，提供有关正确和错误的线索和提示。也许对话者可能切入太多主题，或者反应不够快。应用程序提供基于颜色的警告和更新。该软件可以分析数百条线索，以确定对话的情感质量。
5.Nest
推动人工智能增长的关键因素之一是资金雄厚的厂商之间的竞争，希望在早期获得市场份额。以谷歌公司旗下的家用恒温器Nest为例，其部分目标是将谷歌公司的人工智能构建到设备中，用来应对苹果Siri和亚马逊Alexa的不断增长。
Nest使用人工智能来适应人类的行为模式，获得恒定的输入线索，并在家中工作时做出更准确的反应。在业主设置系统一段时间之后，Nest可以自己整合输入。
无论如何，智能家庭设备(物联网设备)无疑是争夺人工智能市场支配地位的关键战场。让一整组智能家庭设备协同行动，它们可以响应家庭成员的指令，并根据其行为学习，这显然是人工智能在家庭应用中的未来。
6.Boxever
总部位于爱尔兰的Boxever公司推出其Boxever“个性化平台”，其主要目标是旅游业。其基于云计算的平台允许旅游公司创建一个单一的客户视图，从而为客户提供更有效的营销。它的目标是通过单独针对客户来改进销售过程。如果人工智能可以在一对一的基础上定制交互过程，理论上它可以更有效地服务(并销售给)客户。
Boxever公司的方法承认竞争的关键部门是客户体验。如果零售商更加谨慎地满足客户的需求，将会在电子商务竞争中获胜。而使用智能软件比人工销售代表的成本要低得多。
7.AIRobotics、Humanoid和其他
人工智能为机器人的应用提供动力，其中包括加州大学伯克利分校的BRETT和麻省理工学院的MITdog。Sophia就是一个受到媒体热捧的人工智能机器人的例子，它和NBC电视台主持人JimmyFallon在“今夜秀”上聊天和唱歌。
除了流行文化的喧嚣之外，还有各种规格和大小的人工智能机器人。例如iRobot公司的RoomBA980吸尘器采用了人工智能技术，可以在家中完成各种清扫工作。该公司声称，Roombas公司已售出1000多万台RoomBA980吸尘器。
8.垃圾邮件过滤器
人工智能的核心就是学习。而使用机器学习和其他人工智能技术，软件系统将变得更智能，无需人工协助。
当然，采用人工智能防止垃圾邮件是一个迫切需要机器学习的领域。工作人员(甚至是团队)难以跟上垃圾邮件的增长。例如，Gmail会部署机器学习算法来过滤(大部分)垃圾邮件。
为此，垃圾邮件过滤器试图更快地跟上垃圾邮件发送者的工作，他们不断采用创造性的方法来欺骗收件人。垃圾邮件过滤器中的人工智能会持续扫描元数据，例如发件人的位置或主题行中的关键字。如果无法学习，垃圾邮件过滤器将在几天之后无法运行。
人工智能技术是使用来自人类的输入：因为对于一个用户具有价值的优惠券对于另一个用户来说则是垃圾邮件。特定用户如何对邮件流进行分类必须是垃圾邮件过滤器学习的一部分。
9.网上银行业务
银行为用户提供方便的优惠：扫描其支票并将其金额存入移动设备中，无需去实际的分支机构存款。其问题是：这样做需要机器来阅读用户的签名，这是一项既混乱又令人困惑的工作——甚至对工作人员来说也是如此。
在其他供应商中，MitekSystems公司采用专门从事基于软件的身份验证。其人工智能技术利用计算机视觉和机器学习使移动到银行的交易安全。
例如，Mitek公司采用视觉算法对银行交易中的无数ID格式进行分类。其核心是光学字符识别(OCR)软件，它扫描文档并将数据转换为可编辑的格式。可以使用人工智能调整OCR软件以准确提取个人签名或指纹。
10.贷款和信用卡处理
当消费者申请信用卡或贷款时，消费者信用评分(FICO)(通常在300到850分之间)将起到至关重要的作用。在过去，贷款工作人员审查了这些贷款和信用卡申请。虽然仍有很多工作人员，但许多关于信用卡的决定或者是否接受消费者的申请，都是由机器学习系统做出的。
同样，学习是这个过程的核心部分。银行管理人员可以设置他们希望当前信贷标准是宽松还是紧缩的参数。但他们希望银行的机器学习系统能够随着时间的推移而学习，以便更密切地确定哪些申请人是安全的借贷者。
11.Lyft和Uber
没有人工智能和机器学习技术，共享单车是不可能存在的。具体来说，票价、预计到达时间以及它将要走的路线：这些都是人工智能计算出来的。
人工智能即时进行大量计算。如果没有一个分析情况的机器学习系统，然后将结果数据路由到用户和驱动程序的应用程序，这些计算的数量和复杂性将是不可能的。当然，Lyft和Uber公司将其记录在自己的系统上，这两家公司拥有关于用户模式的大量数据。
在未来，这些服务预计将出现无人驾驶汽车的时代(尽管这种情况发生时最多仍然模糊不清)。如果没有人类驱动程序的元素，运行系统的过程将成为更纯粹的逻辑机器学习计算。从理论上说，这将导致共享乘车服务的成本下降，甚至可以节省雇佣驾驶员的成本。
12.社交网络
主要的社交媒体网络是人工智能发展的核心驱动力。特别是Facebook公司似乎采用了人工智能的各方面功能。例如，其算法定义了用户的时间轴，决定是否在其时间轴上显示或不显示其朋友的某些帖子。Facebook公司知道，如果某个用户的每位朋友都被展示出来，那么时间表就将变得很混乱，以至于它会让人感到厌烦。因此，时间轴算法可以了解用户与谁进行交互以及其通常忽略的对象。
对于Facebook而言，最重要的是，社交网络使用人工智能来帮助个性化为用户提供广告的方式，因此它具有一定程度的广告显示相关性。需要注意，Facebook允许用户评论广告与时间线的相关性;每个用户评论都有助于系统学习并变得更精细。由于他们使用人工智能微调显示系统的方式，Facebook和谷歌在整个网络广告市场的比例非常高。
此外，Facebook使用图像识别人工智能技术来识别照片中的人脸，因此它可以邀请用户为其添加标签。毫不奇怪，考虑到照片对Facebook的重要性，Facebook在面部识别技术上投入了大量资金。采用机器“读取”照片是当今人工智能时代最为显著的进步之一。返回搜狐，查看更多
有关人工智能方面的调研报告
一、人工智能可与哪些领域结合进行研究1专家系统专家系统是依靠人类专家已有的知识建立起来的知识系统,是一种具有特定领域内大量知识与经验的程序系统。它应用人工智能技术、模拟人类专家求解问题的思维过程求解领域内的各种问题,其水平可以达到甚至超过人类专家的水平。目前专家系统是人工智能研究中开展较早、最活跃、成效最多的领域,广泛应用于医疗诊断、地质勘探、文化教育等各方面。它是在特定的领域内具有相应的知识和经验的程序系统,它应用人工智能技术、模拟人类专家解决问题时的思维过程,来求解领域内的各种问题,达到或接近专家的水平。2机器学习机器学习就是机器自己获取知识。机器学习的研究,主要是研究人类学习的机理、人脑思维的过程;机器学习的方法;建立针对具体任务的学习系统。还有机器人学这个领域所研究的问题,包括从机器人手臂的最佳移动到实现机器人的目标动作序列的规划方法等。因此开发高智能机器人是一个重要研究方面。3模式识别模式识别是研究如何使机器具有感知能力,主要研究视觉模式和听觉模式的识别,如识别物体、地形、图像、字体(如签字)等。在日常生活各方面以及军事上都有广大的用途。近年来迅速发展起来应用模糊数学模式、人工神经网络模式的方法逐渐取代传统的用统计模式和结构模式的识别方法。特别神经网络方法在模式识别中取得较大进展。当前模式识别主要集中在图形识别和语音识别。图形识别方面例如识别各种印刷体和某些手写体文字,识别指纹、白血球和癌细胞等的技术已经进入实用阶段。语音识别主要研究各种语音信号的分类。语音识别技术近年来发展很快,现已有商品化产品如扫描仪的上市。4人工神经网络人工神经网络是在研究人脑的奥秘中得到启发,试图用大量的处理单元(人工神经元、处理元件、电子元件等)模仿人脑神经系统工程结构和工作机理。是通过范例的学习,修改了知识库和推理机的结构,达到实现人工智能的目的。在人工神经网络中,信息的处理是由神经元之间的相互作用来实现的,知识与信息的存储表现为网络元件互连间分布式的物理联系,网络的学习和识别取决于和神经元连接权值的动态演化过程。人工神经网络也许永远也无法代替人脑,但是他能帮助人类扩展对外部世界的认识和智能控制。多年来,人工神经网络的研究取得了较大的进展,成为具有一种独特风格的信息处理学科。目前,人工神经网络的发展趋势有如下特点:①新的人工神经网络模型产生频率非常之快。②现有的人工神经网络模型的完善改进速度喜人。③人工神经网络结合和其他一些现代优化计算方法的结合运用日见增多。如结合混沌理论、遗传+神经、模拟退火+神经算法等成功运用的实例。5智能决策支持系统决策支持系统是属于管理科学的范畴,它与“知识-智能”有着极其密切的关系。自20世纪80年代以来专家系统在许多方面取得成功,将人工智能中特别是智能和知识处理技术应用于决策支持系统,扩大了决策支持系统的应用范围,提高了系统解决问题的能力,这就成为智能决策支持系统。
二、2017年人工智能十大趋势参考链接：(http://mp.weixin.qq.com/s/4KEzXU1kygE36ohFE7-cQw)
1.人工智能聊天机器人在TechEmergence进行的一项2016年调查中，询问了人工智能的高管和创业者，什么人工智能应用在未来五年内可能会获得成功。他们的首选是虚拟代理和聊天机器人，获得了37％的投票。这些软件程序能够理解自然语言，并通过消息传递服务或电子邮件与人沟通。包括IBM和Facebook在内的几家公司已经宣布了帮助开发者创建聊天室的平台，这些平台似乎越来越受欢迎。去年夏天，Facebook宣布，在其飞书信（Messenger）服务上有超过11,000个机器人。根据IBM的统计，65％的千禧一代（Millennials，出生于1980-1990s）喜欢与机器人进行交流而不是与现场助理交谈。2.应用开发创建聊天机器人并不是开发人员使用人工智能的唯一方式。许多企业正在将人工智能和深度学习功能集成到他们的Web应用、移动应用和内部的企业应用中。人工智能正在发展推荐引擎、安排会议、排定待办事项列表、在大数据中查找隐藏的价值的一系列功能等等。在其2017年十大战略技术趋势列表中，Gartner将智能应用排在了第二位。其中写道，“Gartner预计，到2018年，全球最大的200家企业大多数都会利用智能应用，并使用大数据的完整工具包和分析工具，来优化自身的产品和改善客户体验。”3.智能物件人工智能也与物联网（IoT）的趋势相关，“智能物件”（intelligentthings）在Gartner的2017年前十大战略技术趋势列表中排名第三。其中说道，“现有的物联网设备将使智能物联网人工智能的功能无处不在，包括家庭、办公室、工厂车间和医疗设施。”例如，下一代健身追踪器不仅可以监控您的健康信息，还可能具有机器学习和分析功能，使它们能够根据您的个人健康史和过去的追踪器数据提出改善健康的建议。4.医学研究人工智能的最热门领域之一是医疗健康行业。IDC在其《全球半年度认知/人工智能支出指南》中将诊断和治疗系统列为2016年吸引最多投资的领域之一，并表示在未来五年内，包括药物研究和发现以及诊断和治疗系统的使用案例将获得最大的发展。在五年期间，它预测医疗健康人工智能投资的年复合增长率为69.3％。同样，CBInsights将医疗健康列为人工智能中最热的领域，并作为今年的创业项目。5.生物模型人工智能和健康科学之间的关系有两种方式：不只有健康研究人员转向人工智能，用以帮助他们回答医疗健康问题，计算机科学研究人员也正在转向生物模型，用以帮助他们创建更好的人工智能软件。麻省理工学院和谷歌最近都被报道在创建与人类大脑功能相似的神经网络，这个领域的研究可能会持续一段时间。未来学家RayKurzweil甚至预测到2030年，我们将能够合并人类的大脑和计算机网络，创造一种混合形式的人工智能。
三、人工智能技术的应用1实现远程自主规划和控制该项技术能够对距离我们上百万公里以外太空中航天器进行远程规划和控制，例如：美国航天局利用计算机智能程序对航天器进行操作、调整和控制，并成为国际上首例利用计算机人工智能技术远程遥控的国家。远程智能程序能够结合地面系统中预先设定好的任务和目标，进行自主规划，并在对航天器实现实时监督和控制，了解和掌握航天器运行情况，及时发现与程序相悖之处，并发出指令进行调整，实现检测、诊断及恢复目标，从而确保航天器在遥远的外太空稳定、可靠运行，为科学家研究提供参考。2预测步骤，提高博弈技巧将一些技术运用于下棋过程中，能够将下棋涉及的复杂问题分解为多个小问题，提供下棋数据信息，促使其朝着搜索和问题归纳等方向发展，从而为下棋者科学决策提供支持，近年来，这项技术发展速度及应用范围十分广泛。诚然，技术能够达到国际象棋锦标赛的水平，但是，还不能够很好的解决人类棋手的表达和洞察等能力，人们仅能够实现具体问题具体分析，基于此，还需要进一步提高。3结合目标需求，实现自主控制技术涉及的视觉系统能够应用于引导汽车沿着行车道前进，结合这一应用，美国将这一技术安装到微型汽车上，实现了自主导航前进两千公里，其中98%以上时间是由该系统控制汽车前进，剩余部分由人类控制，通过调查发现，人类控制部分主要是公路出口寻找，也就是说，通过对技术进一步完善，能够促使系统获取更多应用经验，从而计算出最佳驾驶方向，从而控制汽车前进。因此，无人驾驶这一目标将会在不久的未来实现。4提高医疗水平，实现准确诊断该项技术在医疗领域中的应用，能够有效突破传统医疗诊断的弊端，进一步提高诊断水平，例如：建立在概率分析基础之上的医疗诊断程序已经得到了应用，且效果十分明显，在一定程度上提高了专家医师的实践水平。诚然，一部分医师对程序诊病这一事实并不认可，但是，程序通过对病人的检查，提出了影响判断的原因，并阐述了并发症状等，最后得到了医师的认可和肯定。技术在医疗领域的应用，不仅能够有效提高医疗水平，还能够更好的解决病人的疑难杂症。5深度理解语言，解决问题建立在该项技术基础之上的程序，在解答纵横字谜问题中得到了重视，其解答效果优于人类，在具体应用过程中，该项程序通过利用填充词限制及相关字谜数据库等多项资源解决问题。6提高专业化水平，完善专家系统专家系统主要是建立在专家已具备知识基础之上的系统，具有特定知识、经验的系统，与人类专家水平基本一致。专家系统是计算机人工智能技术研究较早、且成果最为显著的领域，在地质勘探等方面得到了广泛的推广和普及。
四、谭铁牛院士谈人工智能参考链接：https://mp.weixin.qq.com/s?__biz=MjM5MTQzNzU2NA==&mid=2651644094&idx=1&sn=601c77e370fa56b15ea59e6245e37a36&scene=25&srcid=0827BvgC0x8ppDwCNQQCDPPS#wechat_redirect
过去一年人工智能领域的十件大事：第一项，阿尔法狗；第二项，各国政府高度重视人工智能发展，包括今年5月份美国白宫举行4场研讨会讨论，包括我们国家大家也知道5月份几个部委发布了《互联网+人工智能三年的行动实施方案》还是值得一提的事；第三项，IBM发布类脑超级计算机平台，是基于前几年发布的芯片；第四项，软银320亿美元收购ARM，这还是很大的收购；第五项，谷歌、facebook等开源人工智能基础平台，这是值得一提的，反映了一个趋势和动向；第六项，创建公益性的人工智能机构OpenAI，我认为很值得一体，10亿美金；第七项，学术方面的，Science发表BayesianProgram论文；第八项，微软深层残差网络夺冠2015年ImagnNet；第九项，谷歌量子计算机取得重要的突破，为人工智能计算搭建一个平台；第十项，剑桥大学成立人工智能伦理研究所。
人工智能在过去一年的十大趋势动态第一，人工智能热潮全球化，从东方到西方，从发达国家到发展中国家，从大国到小国，应该都是掀起了热潮。第二，产业竞争白热化，各种并购大家也可以看到，招聘人才，都希望来竞争。第三，投资并购密集化，过去一年大的小的收购、投资，数不胜数，从几百亿到几个亿，更小规模的也不用说了，太多了。第四，人工智能应用普适化，各个领域的渗透。第五，人工智能的服务专业化，一个是研究通用化的人工智能，一个是专业化的人工智能。第六，基础平台开源化，包括IBM、谷歌开源的平台，过去一年特别明显的一个新的特征，我不知道大家赞不赞同。第七，关键技术硬件化，包括IBM的类脑计算平台。第八，技术方法集成化，单一的人工智能计算理论和方法不可能包打天下，集成创新势在必行，阿尔法狗里面集成了很多，都是我们非常熟悉。第九，学科创新协同化，多学科跨界融合交叉协同创新人工智能创新途径，包括量子技术跟人工智能的结合。第十，社会影响大众化，我不用解释，包括我的司机前两天问，这一年多人工智能很火热，他都很关心，说明人工智能的影响的社会化大众化。