人工智能和深度学习尚未涉足的三个市场
虽然每个人都在谈论仓储机器人，但我们忘记了那些可以帮助体力劳动者或老年人的机器人技术。谁来关心那些不能拥有世界级AI研究团队的小企业主呢？他们被排除在外了！
Thesearemarketsthatweneedtostartlookingatbeforetheyfallbehind.TheyarethelowhangingfruitswhereAIcanbeapplied.
在落后之前，我们需要关注一下这些市场，它们都是可以应用到AI的低悬果实。
Let’slookatthebiggest3
让我们看一下这其中
Publicservicesandutilities
公共服务和公共事业
Whenwesaypublicservicesandutilities,wewanttothinkofthingsalongthelinesregularhealthcare(likecheckupsatthedoctor),plumbing,electricitydelivery,andsewage.Althoughnotthesexiestofindustries,theseservicesservethemassesofpeopleinallplaces.
当我们提及公共服务和公共事业时，我们想要考虑的是常规医疗保健（医生检查等）、供水管道、电力输送和污水处理等方面的事情。虽然这些行业不够性感，但它们提供的服务服务了世界各地的人民群众。
Forexample,mostofthedeeplearningbeingappliedtothemedicalindustryisbeingdoneforspecialists,likeradiologists,cardiologists,etc.Butwhatoftheregulardoctorswhereonegoesforacheckup?OrincountriesliketheUnitedStateswheremanypeoplecan’taffordtopayforsuchspecialists,whathappenstothem?Therehasn’tbeenmuchexplorationintoanykindoftechnologythatcouldatleastgiveonesomeearlywarningsignsorrecommendationiftheyactuallyneedtogotosuchanexpensivespecialist.
例如，大多数医疗行业的深度学习应用针对的都是放射科医生和心脏病医生等专科医生。但是对那些进行常规体检的医生，深度学习就无能为力吗？或者像在美国这样的国家，当许多人无力支付专科检查的费用时，他们能怎么办呢？如果他们真的需要去咨询这样一个昂贵的专家，那么相关技术应用至少需要能够给病人提供一些建议或者预警信号，但目前此类技术并没有被人重视和探索。
Thenthereareother,usuallypublicutilitiessuchaselectrical,hydro,andgas.HugesavingscouldbemadeifwecouldsomehowfindawaytooptimisetheseprocesseswithAI.Reinforcementlearningmightbeagoodplacetostart,asatrainableagentwithaction-rewardprotocolseemswellsuitedforsuchajob.Perhapsmoreefficientroutingmethodscouldbedevelopedorautomatingmoreoftheprocessesintheutilitypipelines.
除此之外，还有一些其他的公共事业，例如供水、供电和供气等。如果我们能够通过某种方式使用AI找到优化这些流程的方法，我们就能够节约大量的资金。使用强化学习可能是一个好的开端，因为在行动-奖励规则约束下的可训练代理看来天然就适合此类任务。
Smallbusinesses
小型企业
Anotherout-of-the-spotlightmarketisthatofthesmallbusinesses.MostofAIhasbeentargetedtoanddonebylargercorporations.Butwhataboutallthosesmallbusiness?TheymakeupahugeportionofNorthAmericanemployment!
另外一个鲜被提及的市场是小型企业。大部分的人工智能针对的目标都是大型公司，但小型企业就不需要人工智能了吗？（更何况）它们的就业总额占据了北美总就业的很大一部分。
SmallbusinessesdoinfacthassimilarchallengesthatcanbeaddressedwithAIthatlargerbusinessesdo,justonasmallerscale.Agrocerystorewantstomaximiseitsmarketingandsalesjustlikealargerbusiness,itssimplymoreofa“local”problem.AbigcorporationmightuseAItofigureouthowtobestmarkettheirproductsonTVcommercialsorlargebillboardads.YourlocalgrocerystorewouldalsolovetohavebettermarketwithAI,butmaybethroughhavingmoreattractiveflyersorstore-frontsigns.
事实上，小型企业面临的挑战和大型企业面临的可以通过人工智能解决的挑战是类似的，只不过小型企业面临的挑战规模较小而已。一家杂货店也希望能够像大型企业一样，最大化其市场和销售，只不过其销售行为都发生在“本地”。一家大型企业可能想要通过人工智能搞清楚，如何在电视广告或者广告牌广中推广其产品。你家附近的杂货店也希望能够通过人工智能获得更好的市场表现，只不过方式变成了通过更具吸引力的传单或者店面标志来实现。
There’salsotheconsulting/contractingsideofthingswhereonemightbeworkingindependently.PerhapsusingAItodosomekindofleadgenerationforthesepeoplesotheycanmoreefficientlysourcenewclients.
对于那些独立进行咨询/签约工作的人来说，或许使用人工智能可以帮助他们更有效的寻找潜在的新客户。
AIcanbeusedtoaddresstheneedsofsmallerbusiness,whoseneedsarefundamentallythesameasthatoflargerbusinesses,justatadifferentscaleandfromadifferentangle.
人工智能可以用来满足小型企业的需求，这些需求与大型企业的需求基本相同，它们只是具有不同的规模和不同的角度罢了。
Manuallabour
体力劳作
There’sonetinybottleneckthat’salwayspresentinanyprojectwhereoneisbuildingsomethingphysical,andthat’stheactualphysicallabour.
在任何需要构建物理实体的项目当中都存在着一个微小的瓶颈，那就是体力劳作。
NowtherearesomepartsinherethatarebeingtackledbyAI,suchasmanufacturing(thinkassemblylinestyle)andwarehousing.Butwhataboutthingsthataremoreheavyduty,suchasroadlaying,metallurgy,orsimplycarryingheavythingsaroundthehouse?Thesethingsarecurrentlybeingmissed!
其中的一些工作，例如制造业中的装配流水线和仓储等，正在被人工智能所处理。但是还有一些更繁重的工作却被忽视了，例如铺设道路、冶金或者在房屋周围搬运重物等。
Thephysicallabourofanyjob,moreoftenthannot,coststhemosttime,money,energy,andcausesthemostphysicalinjuries.It’sthehardestpartofthejobrequiringthemosteffort.Interestingly,thelaboriouspartofitallisoftenthemostrepetitiveinmanyways,yetthereisstillalargegapinaddressingthismarket.
任何以体力劳作为主的工作，往往花费最多的时间、金钱和能量，也往往是大多数身体伤害的直接原因。这些工作需要付出巨大的努力，而体力劳作则是其中最难的一部分。但有意思的是，这其中的体力劳作在很多方面往往都是重复的，因而也就更合适使用人工智能来解决。但市场现状和理想之间仍然存在很大的差距。
Partofthatgapisthecurrentlyslow-movingfieldofrobotics.JitendraMalik,awell-knowncomputervisionscientistandleaderinthefieldrecentlystatedatECCV2018thatthefieldofroboticsisfarbehindAI:
导致这种差距的一部分原因是目前的机器人技术发展缓慢。著名的计算机视觉科学家、兼该领域的领导者之一，JitendraMalik，最近在ECCV2018上表示机器人领域的技术发展远远落后于人工智能。
RoboticsisadecadebehindComputerVision,maybeeventwodecades — JitendraMalik,ECCV2018
机器人技术落后于计算机视觉十年，甚至有可能是二十年。——JitendraMalik，ECCV2018
That’sahugegap.Sowhilemanyfantasticalgorithmsforvisualperceptionsarebeingdeveloped,robotsstillhaveserioustroubledoingbasicgrasping.Alongwiththat,currentrobotsaren’tverydexterous,havelittle“skilled”control,andcannoteffectivelyinteractwiththeirenvironment.
那是一个巨大的差距。因此，虽然有许多将用于视觉感知的奇妙算法正在开发当中，但现有的机器人在进行基础的“抓取”时仍然存在着严重的问题。与此同时，当前的机器人不够灵活，几乎没有“技术”控制，也无法有效的和环境进行互动。
IfweonlyfocusonthevisionandlanguagepartofthingsinAI,we’llbelimitedtostationarythingsthatcan’tphysicallyinteractwiththeworldinanintelligentway.
如果我们只关注人工智能中的（计算机）视觉和（自然）语言部分，我们将困于一个静止的世界，一个我们无法智能地进行物理交互的世界。返回搜狐，查看更多