AI技術在實際應用領域發展到了何種模樣？

引 言

隨著互聯網、區塊鏈、云計算、大數據和物聯網等技術的不斷發展，人工智能(AI)這一涵蓋眾多領域的交叉融合的復雜技術正在不斷地改變著我們的生活。 AI涉及到的領域極為廣泛，如機器學習、自動駕駛、神經網絡、虛擬現實、計算機視覺、自然語言處理等，那么在這些領域中，AI技術現在發展到了何種模樣？有哪些實際的產品落地？給我們的生活帶來了哪些改變？

業界聲音

深度學習模型助力無人駕駛技術的成熟和落地中國科學院自動化研究所副研究員 黃武陵

在可以預測的將來，無人駕駛技術將給人們的交通出行帶來極大的變革。但是現階段無人駕駛技術還需要進一步完善和發展，有待于人工智能技術在無人駕駛各領域大量應用，不斷賦能。

首先，由于無人駕駛車輛功能組成與設計復雜，需要集成和發展新的技術。在面向人車混合的交通環境時，技術上還面臨較多的挑戰。例如，如何在復雜、動態和多樣化的交通環境下，提高環境感知精確程度，對動態目標進行識別與跟蹤估計；先進控制算法如何實現駕乘安全性和舒適體驗；在復雜交通環境中如何增強定位與導航能力；實時交通環境下，如何正確決策，如何實現安全的、與人類駕駛行為類似的自主駕駛，不對正常交通流造成影響。上述這些都要求將人工智能與機器學習的成果用于提升自主駕駛能力，用于提升處理復雜交通環境的能力并不斷產生迭代與自適應。

例如，以深度學習為典型的人工智能技術快速迭代發展，越來越多地應用在了感知、導航、決策規劃等方面，提升了性能。例如，深度學習算法在各數據集上的目標檢測效果已經得到顯著提升，有助于完成交通環境信息的多視圖數據融合。例如，深度學習模型用于全交通場景理解，可提升定位能力;強化學習用于運動規劃; 深度增強學習技術用于不斷迭代和優化得到最優的自主行為決策策略。但是，還有很多方面有待于逐個突破，特別是面向特殊的特定交通場景，還需要更多智能實現“記憶”、“推理”、“決策”等能力，來解決或規避可能的交通問題。

無人駕駛技術需要全鏈條商業成熟才可能全面應用，例如自主行駛是否更安全，是否有更佳的駕駛體驗，是否帶來交通效率提升，是否降低能耗等。具體在技術上離實用還有一定距離，還存在使技術可行、允許和廣泛使用的障礙需要克服。解決了上述的技術、平臺、成本等方面的問題，從計算平臺、操作系統、人機交互、接入交通系統到更多云端服務，每個環節都發展完善，無人駕駛最后才能形成聚合的生態，才可能大規模應用。最終，帶給我們交通出行的變革，推動道路交通基礎設施的升級，推動城市規劃與設計的新理念發展，從而推動融合智能交通、物流、社會計算、智能控制的下一代智能城市建設。

基于神經網路的人工智能技術尚處于初級階段Imagination Technologies視覺和AI產品副總裁 Russell James

雖然人工智能(AI)近年來有所進步，但一定要記住它還不是那么聰明。我們現在所擁有的消費性產品——智能助理、語音驅動揚聲器，它們都不是我們所理解的傳統意義上的人工智能。這些設備中的人工智能實際上并不能自我感知或者本身并不智能。一個真正的人工智能系統可以自學習，使用神經網絡建立連接并理解語意，而無需依賴預定義的行為算法。簡單地說，如今的人工智能只是表面上看起來比我們原來所見過的更智能而已。目前，打上“人工智能”烙印的產品所使用的眾多算法和研究成果可以追溯至30年或40年前。神經網絡已經存在很長時間了，然而，直到最近，嵌入式設備的性能水平才達到可以運行神經網絡的程度。

如今在用的人工智能案例有很多，從語音驅動的個人助理，如亞馬遜的Alexa和Google Assistant，到更重要的技術，如行為算法和具有預測能力的自主驅動無人駕駛車輛，皆為例證。然而，一定要記住的是，這些技術還完全處于其初級階段，在它們真正變得聰明之前還有一段很長的發展之路要走。

在短期內，人工智能將只會產生一些表面影響，而不會對世界及其運轉方式產生巨大影響。我們現在所擁有的消費性產品并不能自我感知或者本身并不智能，它們只是比我們慣常使用的產品更智能而已。然而，在五年內，人工智能將實現自動駕駛，這將為社會帶來極大的益處。現實情況是，大部分事故都是由人為錯誤引起的——只有極少數是隨機事件，所以我們將能夠大幅度減少那些確實由主動因素造成的事故。

安防和監控是另一個人工智能可以產生巨大影響的領域。很顯然，其中涉及很多隱私問題是我們需要注意的，但同時也有很多好處。我們不可能有足夠的人員去監控攝像頭和信息流，以發現那些在攝像頭監拍下可能發生并被捕捉到的潛在危險事件或犯罪行為。通過在所有擁有一定智能處理能力的攝像頭上添加一些功能，就能夠檢測到某些事件，然后將這些事件進行標記并回傳至控制中心，這將非常有助于減少犯罪行為或者那些正在發生的現場犯罪。

智能聊天機器人將更快地融入日常生活邏壹博達上海董事總經理和中國數據總監 鄧光忍

隨著人工智能技術的不斷延伸，其應用產品日益增多，其中聊天機器人便是新興市場中引人注目的新興產品。建立在NLP(自然語言處理)和ML(機器語言)基礎之上，加上對大數據的獲取與分析，基于內置算法，聊天機器人便能實現自主學習。機器的信息處理速度比人類要快1000倍，智能水平可見一斑，聊天機器人已然成為品牌發展的必然趨勢。據Gartner 預測，到2020年，55%的大型企業將至少部署一種機器人或聊天機器人。

同時，聊天機器人的應用場景愈發廣泛，主要集中在電商客服、金融保險、文娛、新聞業、旅游與出行、企業管理與人力資源等領域，為企業提供用戶溝通、查詢、信息收集與數據分析，以及品牌維護等多種功能。

相對于國外而言，在國內聊天機器人更偏向于實用主義，主要應用在電商客服領域。這也是為什么近年來國內的互聯網用戶服務型企業紛紛進入聊天機器人市場的原因。例如，百度推出了虛擬個人助理“度秘”，通過人機互動幫助消費者完成搜索、買票、訂餐票等服務；淘寶推出了智能客服機器人阿里小蜜，已經能逐步分擔淘寶對于整個客服行業的龐大需求等。

憑借聊天機器人的智能化信息集成與平臺共享，企業可加強與消費者以及員工之間的溝通互動，形成一個良好的互動反饋機制，從而促進企業信息下達與回收的效率。而在重要的人力資源管理方面，由于智能聊天機器人具有優于人腦的信息整合與分析能力，這使其可幫助人力資源部收集相關候選人的數據，整理并篩選出合適的求職者，并提出合理的工作匹配建議。

基于市場需求的人工智能技術會更快地融入人們的日常生活，因此，我們也對聊天機器人的開發及應用充滿信心。相信作為一款人工智能產品，聊天機器人會為人們帶來更多的創新成果，向市場展現卓爾不群的用戶體驗。

Google語音助手Duplex已通過圖靈測試

谷歌在2018年5月的I/O大會上展示了AI語音助手Duplex，在兩則真實的電話錄音中，Duplex 不僅用自然流暢的語音和電話另一頭的人類完成了交流，而且讓對方根本沒有意識到打電話的居然是個“AI”，而在第二段錄音中，Duplex還成功地處理了意料之外的發展狀況，不僅理解了“無需預定”的概念，還主動詢問了等位的時間。

Duplex可以自己給飯館、發廊等商業店面打電話，幫用戶預約時間。它驚艷了所有人！Alphabet董事長John Hennessy也親口承認：“在預約領域，這個AI已經通過了圖靈測試！這是一個非凡的突破。”

讓AI和人類展開一段自然的對話有如下難點：自然語言難以理解，人類的自然行為很難建模，人類對延遲的耐受性很低所以需要高處理速度，以及生成聽起來自然的語音，其中還要適當地夾雜一些語氣詞。借助語言理解、交互、時間控制、語音生成方面的最新技術發展，Google Duplex 的對話聽起來相當真實自然。

為了應對上面提到的挑戰，Duplex 的核心是一個 RNN 網絡，它是由 Tensor Flow Extended(RFX)構建的。為了達到高精度，谷歌用匿名的電話對話數據訓練了 Duplex 的 RNN 網絡。這個網絡會使用谷歌自動語音識別(ASR)的識別結果文本，同時也會使用音頻中的特征、對話歷史、對話參數(比如要預訂的服務，當前時間)等等。谷歌為每一種不同的任務分別訓練了不同的理解模型。

編輯視角