【拥抱AI】人工智能的层次——如何结构化地理解AI
一、四个层次
在理解人工智能的学术研究、产业发展及产品形态时，一般而言可以分为四个层次，自下而上分别是基础层、算法层、技术层和应用层。
其中，基础层为AI发展提供基础设施和资源支持，包括计算能力和大数据。其中计算能力主要以硬件为核心，包括GPU/FPGA等用于性能加速的硬件、神经网络芯片、传感器与中间件；数据是驱动AI取得更好的识别率和精准度的重要因素，训练数据的规模和丰富度对算法训练也尤为重要。
算法层是指用系统的方法描述解决问题的策略机制，人工智能算法主要指目前相对成熟的深度学习、机器学习算法等等。优秀的算法是机器实现人工智能的最关键一环，对AI发展起到最主要的推动作用。
技术层对人工智能产品的智能化程度起到直接作用，包括自然语言处理、语音处理、计算机视觉等通用技术。技术层主要依托于基础层的计算平台和数据资源进行海量识别训练和机器学习建模，通过不同类型的算法建立模型，开发面向不同领域的应用技术。每个技术方向下又有多个具体子技术。
应用层主要利用技术层输出的通用技术实现不同场景的落地应用，为用户提供智能化的服务和产品，使AI与产业深度融合，为传统行业的发展带来新的动力。按照对象的不同，AI应用一般又可分为消费级终端应用和行业场景应用两部分。
二、三大要素
此外，基础层和算法层的大数据、算力和算法通常又被视为人工智能发展的三要素。人工智能的技术发展和应用落地与这三要素息息相关，而三要素相关技术近些年来的快速迭代和积淀，也是此轮人工智能浪潮兴起的重要原因。
21世纪以来，得益于互联网尤其是移动互联网、社交媒体、移动设备和传感器的普及，全球产生及存储的数据量剧烈增加。另随着GPU和异构/低功耗芯片的兴起，运算力得以大幅提升，数据处理速度也显著提高。数据和算力的发展在很大程度上促成了深度学习的诞生，从而迅速点燃了人工智能这一波爆发的浪潮。
人工智能已取得了突飞猛进的发展，在诸多领域甚至超越了人类智能，但瓶颈仍是明显的。目前人工智能的落地应用主要在于限定范围的垂直领域，属于弱人工智能的范畴。展望未来，人们对人工智能的定位绝不仅仅只是用来解决狭窄的、特定领域的某个简单具体的任务，而是真正像人类一样，能同时解决不同领域、不同类型的问题，进行判断和决策，也就是我们之前介绍过的通用型人工智能。
从弱人工智能到强人工智能甚至超人工智能将会是一段漫长的征程，人工智能的各个层次中都存在着许多亟待攻克的问题。其中，算法无疑是最为关键的一环。下一期我们来聊一聊AI发展核心：机器学习VS深度学习，敬请期待
平安人寿人工智能研发团队
人工智能技术场景体系层级划分图谱（2023版）
扫描分享
本文共字，预计阅读时间。根据2020年人工智能的最新发展趋势，梳理出了人工智能技术场景体系层级划分图谱（2020版），可以作为人工智能技术系统学习或者场景落地的“思维导图”式示例参考使用。
图：人工智能的技术层级划分
人工智能从感知和认知两方面模拟人类智慧，赋予机器学习以及推断能力，具体来说，就是让机器会听（不同的语音识别、翻译等）、会看（图像识别、人脸识别、证件识别、文字识别等）、会学习（机器学习、自然语言处理、知识图谱等）、会行动（无人驾驶、机器人等）、会思考（智能考试、阅卷、人机对弈等）。
ABCDI(A人工智能、B区块链、C云计算、D大数据、InternetofThing物联网）等新技术协同发展，成为能够真正改变现有人类社会生产工艺的科学技术。
人工智能的技术场景体系，从整体上概括，可以划分为纵向和横向两个维度：
再进一步具体细分，人工智能技术场景体系层级划分（2020）可以分成三层，具体包括了AI基础层、AI技术层、AI应用层。
其中：
AI基础层：包括硬件设施、算力平台、数据资源等。硬件主要是为人工智能应用提供强大的算力支撑，包括计算资源如GPU、FPGA、AISC等加速芯片，网络资源，存储资源，以及各种传感器件；系统平台包括操作系统、云计算平台、大数据平台等；数据资源为当前的人工智能技术提供了充足的数据支持。
AI技术层：包括AI框架、理论算法、应用算法、AI技术细分方向等。底层包括国内外主流AI框架等；以学术界和大型互联网公司为代表，对人工智能的底层理论算法的研究，包括近年来比较主流的深度神经网络算法、图算法等，正是因为这些基础理论取得突破，才使得当下人工智能产业取得突飞猛进的发展；应用算法层主要的研究领域包括计算机视觉、语音识别、自然语言处理、知识图谱、决策判别等，涉及感知、认知、思维、决策不同的智能方向；在每个研究领域中，又有很多细分技术研究方向等。AI技术层是目前整个人工智能产业中最核心的部分，这些技术直接决定了行业应用落地的效果。
AI应用层：包括智能方案、智能场景等。人工智能技术与行业深度结合，针对TOB与TOB具体的场景实现智能化，目前主要的应用行业领域包括金融、安防、政府、医疗、交通、教育、互联网、电力、互联网等，未来将会拓展到更多的领域。
东方林语人工智能技术场景体系层级划分（2020），整体技术框架图谱如下：
人工智能技术，为人类进步提供了更好的工具，但只有在实际场景中能够解决具体问题，才能真正产生相应的价值。
因此寻找合适的商业场景是人工智能技术落地的关键环节，需要数据、场景与工程技术能力的紧密结合，从场景应用价值、技术标准建设、产品综合性能、安全与隐私等综合考虑。
根据艾瑞咨询2019年的报告，人工智能围绕8个领域，10个行业，做了一个比价客观的评估，可以作为行业落地的重要参考与借鉴标准。
图：人工智能行业落地主要场景领域
当前，人工智能，已经在金融、安防、营销、医疗、交通、客服、零售、制造、农业等，根据成熟度不同，已经在不同场景，体现了不同的价值。
图：人工智能各行业落地成熟度
相关更多厂商及场景落地价值方案，可以参考微信公众号“东方林语”人工智能原创系列解读文章，或者下方未央网专栏文章（点击进入阅读）：
2020年人工智能+安全隐私行业发展报告
立即报名以上信息我们将会严格保密，报名结果以官方通知为准，感谢您对未央网的信任与支持！
非常感谢您的报名，请您扫描下方二维码进入沙龙分享群。
非常感谢您的报名，请您点击下方链接保存课件。
点击下载金融科技大讲堂课件[Source]本文系未央网专栏作者发表，属作者个人观点，不代表网站观点，未经许可严禁转载，违者必究！首图来自图虫创意。本文为作者授权未央网发表，属作者个人观点，不代表网站观点，未经许可严禁转载，违者必究！首图来自图虫创意。本文版权归原作者所有，如有侵权，请联系删除。首图来自图虫创意。人工智能的三个层次
人工智能的三个层次
1.弱人工智能
AlphaGo运用深度学习和增强学习技术的人工智能依然只是属于“弱人工智能”。
实际上，目前所有的人工智能领域取得进展的都是在弱人工智能领域上。从服务机器人、车载与电视助手、智能客服以及图像处理等应用，又或是iPhone的语音助理Siri、百度的度秘、科大讯飞的“灵犀”、微软的小冰等。
2.强人工智能
强、弱的区别在于有没有意识，如果有意识、自我、创新思维即为强人工智能。
强人工智能，那种具有独立意志、具有情感认知能力的“强人工智能”到现在依然没有出现。目前的典型例子都是在电影里。然而，从弱人工智能进化到强人工智能也许是人工智能发展中最难的一个节点。
3.超人工智能
人工智能思想家NickBostrom为我们勾勒了这样一幅图景：它能够准确回答几乎所有困难问题的先知模式，能够执行任何高级指令的精灵模式和能执行开放式任务，而且拥有自由意志和自由活动能力的独立意识模式。