人工智能技术领域，探讨12种类型的AI问题
领域专家：涉及基于复杂知识体系的推理问题包括基于学习法律、金融等知识体系的任务，然后构想在该领域中机器可以模仿专家的过程。
领域扩展：涉及对复杂知识体系进行扩展的问题在这个问题中，机器学习一个复杂的知识体系，如有关药物的信息，然后向这个领域本身提出新的见解——例如治疗疾病的新药。
复杂计划者：涉及计划的任务当前的算法（非AI）能够完成许多物流和调度任务。但优化变得越来越复杂，AI可以解决这个问题。一个例子是在物联网中使用AI技术处理稀疏数据集。在这个场景下AI的优势是，因为数据集非常大而且复杂，人类无法检测到数据中的模式，但机器可以很容易做到。
更好的沟通者：设计改善现有的沟通任务AI和深度学习对多种沟通模式有帮助，如自动翻译，智能代理等。
新的感知：设计感知的任务AI和深度学习使更新的感知形式成为可能，如自动驾驶车辆。
企业AI：AI与企业再造相符合。AI将被部署在几乎所有的经济部门，例如自动驾驶车辆等得到了媒体的大力关注。有一个原则能适用各种场景，即通过深度学习，AI将被用于自动特征检测（automaticfeaturedection）以得出新的洞见，这将有助于优化、改进或改变业务流程（比传统机器学习带来的改变更大）。从更广泛的意义来说，这是令AI与企业再造（Re-engineeringtheCorporation）相符合。
企业AI将非结构化的数据和认知能力添加到ERP和数据仓库非结构化数据为深度学习和AI提供了巨大的机会。正如Forbes在对2017年的技术趋势进行预测时所说：“绝大多数组织能得到的数据是非结构化的，例如通话日志、电子邮件、会议记录、视频和音频数据，虽然这些数据很有价值，但不容易进行一致的格式化以供直接进行定量分析。随着图像识别、情感分析和自然语言处理等领域的进步，这些信息开始开放，因此挖掘这些数据中的信息将是2017年的越来越大的业务。”我非常同意这个观点。在实践中，这意味着通过认知系统增强ERP和数据仓库（Datawarehosing）系统的功能。
由于AI的二阶后果影响领域的问题MMCVentures投资总监DavidKelnar在有关第四次工业革命的文章中写道：“机器学习的二阶后果（second-orderconsequences）将超过其直接影响。深度学习改进了计算机视觉，例如，使得自动驾驶使车辆成为可能。但这些进步带来的影响是什么呢？今天，全英国90％的人和80％的货物通过公路运输。自动驾驶车辆将影响：安全（90％的事故是由于驾驶员注意力不集中引起的）；就业（全英国有220万人从事运输和物流行业，年薪约为570亿英镑）；保险（自动驾驶车辆将导致预期的汽车保险收入降低63％）；部门经济学（消费者可能更多使用按需运输服务来代替私家汽车）；车辆吞吐量；城市规划；规章制度等。”
在不远的将来可能从改进的算法中受益的问题得益于更好的算法或更好的软件，在不远的将来，过去不可能的一些事物将变得可能。例如，语音识别的准确度将继续提高，目前语音识别已经达到人类的最高水平了。2012年谷歌使用LSTM驱动安卓系统上的语音识别。一个半月前，微软的工程师发布报告说，他们的语音识别系统的错误率已经降到5.9％，这个数字恰是人类的最佳水平。
专家系统的演变专家系统已经存在很长时间了。得益于AI/深度学习算法，专家系统的大部分能力可以在不久的将来得到实现。如果了解过IBMWatson的架构，你可以看到Watson的方案带来了专家系统愿景。当然，相同的想法如今可以在Watson身上独立实现。
超长序列模式识别AI技术在序列模式识别中的应用仍然处于早期阶段（还没有得到例如CNN那般的关注），但在我看来，这将是一个快速扩展的空间。有关序列模式识别的背景，可以阅读PooyanSafari的thesis“TechnischeUniversitatMunchen（TUM）”，以及JakobAungiers的博客文章“LSTMNeuralNetworkforTimeSeriesPrediction”。
使用AI扩展情感分析AI和情感分析之间的相互作用也是一个新的领域。目前在AI和情感分析之间已经有很多协同作用，因为AI应用的许多功能需要情感分析。
AI和情感分析的协同作用可以从四个方面来看，分别是物体识别（objectidentification），特征提取（featureextraction），定位分类（orientationclassification）和集成（integration）。现有的解决方案或可用的系统仍然不完美，或不能满足终端用户的需求。主要的问题是，情感受许多概念化规则（conceptualrules）的支配，而且有更多的线索（也许无限多）可以将这些概念从领会转换为到人类的言语表达。人工智能、大数据、云计算和物联网的未来发展值得重视，均为前沿产业，多智时代专注于人工智能和大数据的入门和科谱，在此为你推荐几篇优质好文：如何培养出真正适合AI时代发展的人才？http://www.duozhishidai.com/article-12572-1.html大数据携手人工智能，高校人才培养面临新挑战http://www.duozhishidai.com/article-7555-1.html人工智能时代，AI人才都有哪些特征？http://www.duozhishidai.com/article-1792-1.html
多智时代-人工智能和大数据学习入门网站|人工智能、大数据、物联网、云计算的学习交流网站
人工智能在日常生活中的12个例子
在下面的文章中，您可以查看我们日常生活中出现的12个人工智能示例。
人工智能(AI)越来越受欢迎，不难看出原因。人工智能有可能以多种不同的方式应用，从烹饪到医疗保健。
虽然人工智能在今天可能是一个流行词，但在明天，它可能会成为我们日常生活的标准一部分。事实上，它已经在这里了。
1.自动驾驶汽车
他们通过使用大量传感器数据、学习如何处理交通和做出实时决策来工作并继续前进。这些汽车也被称为自动驾驶汽车，使用人工智能技术和机器学习来移动，而乘客无需随时控制。
2.智能助手
让我们从真正无处不在的东西开始——智能数字助理。在这里，我们谈论的是Siri、GoogleAssistant、Alexa和Cortana。
我们将它们包含在我们的列表中是因为它们基本上可以倾听然后响应您的命令，将它们转化为行动。
所以，你打开Siri，给她一个命令，比如“给朋友打电话”，她会分析你所说的话，筛选出围绕你讲话的所有背景噪音，解释你的命令，然后实际执行，这一切只需要几个秒。
这里最好的部分是这些助手变得越来越聪明，改进了我们上面提到的命令过程的每个阶段。您不必像几年前那样对命令进行具体化。
此外，虚拟助手在从你的实际命令中过滤无用的背景噪音方面变得越来越好。3.微软项目InnerEye
最著名的人工智能计划之一是由微软运营的一个项目。毫不奇怪，微软是顶尖的人工智能公司之一(尽管它肯定不是唯一的一家)。
微软项目InnerEye是最先进的研究，有可能改变世界。
这个项目旨在研究大脑，特别是大脑的神经系统，以更好地了解它的功能。这个项目的目的是最终能够使用人工智能来诊断和治疗各种神经疾病。
最著名的人工智能计划之一是由微软运营的一个项目。毫不奇怪，微软是顶尖的人工智能公司之一(尽管它肯定不是唯一的一家)。
微软项目InnerEye是最先进的研究，有可能改变世界。
这个项目旨在研究大脑，特别是大脑的神经系统，以更好地了解它的功能。这个项目的目的是最终能够使用人工智能来诊断和治疗各种神经疾病。
4.抄袭
大学生的(或者是教授的)？)噩梦。无论你是内容经理还是给论文评分的老师，你都有同样的问题——互联网让抄袭变得更容易。
那里有几乎无限量的信息和数据，不太谨慎的学生和员工很容易利用这一点。
事实上，没有人能够将某人的文章与所有的数据进行比较和对比。人工智能是一种完全不同的东西。
它们可以筛选数量惊人的信息，与相关文本进行比较，看是否有匹配。
此外，由于这一领域的进步和发展，一些工具实际上可以检查外语来源，以及图像和音频。
5.推荐
你可能已经注意到，某些平台上的媒体推荐越来越好，Netflix、YouTube和Spotify只是三个例子。这要感谢人工智能和机器学习。
我们提到的三个平台都考虑了你已经看到和喜欢的内容。这是容易的部分。然后，他们将其与成千上万的媒体进行比较和对比。他们主要从您提供的数据中学习，然后使用自己的数据库为您提供最适合您需要的内容。
让我们为YouTube简化这个过程，只是作为一个例子。
该平台使用标签等数据，年龄或性别等人口统计数据，以及消费者使用其他媒体的相同数据。然后，它混合和匹配，给你建议。
6.银行业务
如今，许多较大的银行都给你提供了通过智能手机存入支票的选项。你不用真的走到银行，只需轻点几下就可以了。
除了通过手机访问银行账户的明显安全措施外，支票还需要你的签名。
现在银行使用AIs和机器学习软件来读取你的笔迹，与你之前给银行的签名进行比较，并安全地使用它来批准一张支票。
总的来说，机器学习和人工智能技术加快了银行软件完成的大多数操作。这一切都有助于更高效地执行任务，减少等待时间和成本。
7.信用和欺诈
既然我们谈到了银行业，那就让我们稍微谈一下欺诈。银行每天处理大量的交易。追踪所有这些，分析，对一个普通人来说是不可能的。
此外，欺诈交易的形式每天都在变化。有了人工智能和机器学习算法，你可以在一秒钟内分析成千上万的交易。此外，您还可以让他们学习，弄清楚有问题的事务可能是什么样子，并为未来的问题做好准备。
接下来，无论何时你申请贷款或者申请信用卡，银行都需要检查你的申请。
考虑到多种因素，比如你的信用评分，你的金融历史，所有这些现在都可以通过软件来处理。这缩短了审批等待时间，降低了出错率。
8.聊天机器人
许多企业正在使用人工智能，特别是聊天机器人，作为他们的客户与他们互动的方式。
聊天机器人通常被用作公司的客户服务选项，这些公司在任何给定时间都没有足够的员工来回答问题或回应询问。
通过使用聊天机器人，这些公司可以在从客户那里获得重要信息的同时，将员工的时间腾出来做其他事情。
在交通拥挤的时候，像黑色星期五或网络星期一，这些是天赐之物。它们可以让你的公司免于被问题淹没，让你更好地为客户服务。
9.让您远离垃圾邮件
现在，我们都应该感谢垃圾邮件过滤器。
典型的垃圾邮件过滤器有许多规则和算法，可以最大限度地减少垃圾邮件的数量。这不仅能让你免受烦人的广告和尼日利亚王子的骚扰，还能帮助你抵御信用卡欺诈、身份盗窃和恶意软件。
现在，让一个好的垃圾邮件过滤器有效的是运行它的人工智能。过滤器背后的AI使用电子邮件元数据；它关注特定的单词或短语，它关注一些信号，所有这些都是为了过滤掉垃圾邮件。
10.视频摘要
这种日常人工智能在网飞变得非常流行。
也就是说，你可能已经注意到，网站和某些流媒体应用程序上的许多缩略图已经被短视频取代。这变得如此流行的一个主要原因是人工智能和机器学习。
人工智能会为你做这些，而不是让编辑们花费数百个小时来缩短、过滤和切割较长的视频，变成三秒钟的视频。它分析数百小时的内容，然后成功地将其总结成一小段媒体。
11.食谱和烹饪
人工智能在更多意想不到的领域也有潜力，比如烹饪。
一家名为Rasa的公司开发了一种人工智能系统，该系统可以分析食物，然后根据您冰箱和储藏室中的食物推荐食谱。对于喜欢烹饪但又不想花太多时间提前计划膳食的人来说，这种类型的人工智能是一种很好的方式。
12.人脸识别
关于人工智能和机器学习，如果我们可以说一件事，那就是它们使他们接触到的每一项技术都更加有效和强大。面部识别也不例外。现在有许多应用程序使用人工智能来满足他们的面部识别需求。例如，Snapchat使用AI技术通过实际识别呈现为人脸的视觉信息来应用面部过滤器。
Facebook现在可以识别特定照片中的面孔，并邀请人们标记自己或他们的朋友。
而且，当然，考虑用你的脸解锁你的手机。好吧，它需要人工智能和机器学习才能发挥作用。
让我们以AppleFaceID为例。当你设置它的时候，它会扫描你的脸，然后在上面放大约3万个DoS。它使用这些圆点作为标记，帮助它从多个不同的角度识别你的脸。
这使您可以在许多不同的情况和照明环境中用脸部解锁手机，同时防止其他人做同样的事情。
结论
未来就是现在。人工智能技术只会继续发展、壮大，并对每个行业和我们日常生活的几乎每个方面变得越来越重要。如果以上例子是可信的，这只是个时间问题。
未来，人工智能将继续发展，并出现在我们生活的新领域。随着更多创新应用的问世，我们将看到更多人工智能让我们的生活变得更轻松、更有效率的方式！