AI人工智能现在处于什么阶段

谢谢邀请。人工智能开创未来，科枝创新发展，人工智能引领时代潮流。人工智能在路上，我们无须谈智能而色变;消灭人类的不是人工智能的科技发展，而是掌握科技发展的核力量。该来的一定来，人工智能已经向我们走来，用平常的心对待吧，恐怕只是吓自己。

人工智能的基础设施是什么

虽说人工智能不能等同于深度学习，但是机器学习，尤其深度学习无疑是近年来人工智能领域大放异彩的一个分支。机器学习对人工智能最大的贡献恐怕就是数据驱动，这也是为什么只有到了互联网时代，机器学习的崛起才成为可能。因此广义的讲，可以说机器学习的基础设施就是互联网。互联网从几个方面支撑了机器学习的崛起。

首先是原始数据的积累，互联网时代人类生产的文字，图片，视频各种媒介构成了一个巨大的数字化世界。这些内容天然就是现实世界的某种映像。人工智能想要理解现实世界，不妨从数字映像入手。在互联网上，一个高效的爬虫可以轻松游遍古今中外，看尽世间繁华。

有了这些内容还不够，要想教会机器理解他们，还需要有好的老师进行教导。有趣的是互联网还产生着第二种数据，人的行为。行为数据比内容更多，当行为数据达到一定量的时候，机器就能从中学到人是如何理解这些内容的。当然事实并没有那么简单，行为数据有大量噪声，需要清洗，否则很容易让机器迷惑。解决噪声的问题一靠数据多，二就靠清洗了。对于很多任务，高质量的标注数据集都是必不可少的。

如此就催生出来另一个重要的基础设施，众包平台。现阶段机器的学习能力还远不如人类，常常做不到触类旁通。因此每一个特定的任务，都依赖高质量的训练数据。通过众包平台产生大量的标注数据集，才使得人工智能变得可能。尽管大家也在研究怎样让机器在有噪声的数据上尽可能的找到规律，但对于很多任务来说，能够最快最稳定提升效果的办法，都是提供更多更好的数据。众包平台提供一种工具，让人能够方便的筛选出有用的数据，给数据打上标签。这后面还可能牵涉到如何评估标注结果，如何定价，如何防止作弊。

互联网作为人工智能最重要的基础设施，主要承担了提供数据的功能。有了数据就该计算平台登场了。现如今深度学习纵横四海的年代，速度可能是除了数据第二重要的东西了。GPU，以及运行在之上CUDA，cuDNN，大大加快了训练速度。这在数据驱动的逻辑下就不得了。因为一般人对高维数据已经无法很直观的理解了，模型好不好就全凭各种实验。计算速度的优势不仅影响模型的效率，同时使得你能在同样的时间内做更多的实验，迭代调参，挑选出最好的一个。这里面最核心的问题是如何加速矩阵运算。

深度学习是一门实验科学，但是实验不仅仅是计算，还需要人去调整网络结构，分析各种中间结果等等。因此在计算平台的基础之上，又出现了Caffe，Mxnet，Tensorflow等深度学习框架。他们的主要作用是简化开发流程，加速实验的迭代。这部分基础设施最重要的功能就提供了高层接口，使大家不用去关心计算平台的特性。并且他们都提供了SGD等常见的优化方法，使得大家可以专注于网络和损失函数的设计。

ai领域是什么意思

意思是一种运用于多媒体视频、出版、发行和在线图像的工业标准矢量插画的电脑软件。

AI表示模拟量输入,是物理领域的概念,模拟量输入的物理量有压力、温度、流量等

人工智能人才分布在哪些领域

看看实际应用，就知道人工智能领域。

1、虚拟个人助理

经常使用手机的你一定对GoogleNow和Cortana这些虚拟个人助理不会陌生。只要你说出命令，他们就会帮助你找到有用的信息。例如，你可以问“最近的川菜馆在哪儿？”，“我今天的日程有什么安排？”，“提醒我八点钟给某某某打电话”，然后，虚拟个人助理就可以通过查询信息，然后向手机中的其他app发送对应的信息来完成指令。

这一看似简单的过程实际上就有人工智能的介入，并且扮演着重要的角色。在语音唤醒虚拟个人助理的时候，人工智能会收集你的指令信息，利用该信息进一步识别你的语音，并为你提供个性化的结果，最终会让你觉得越来越好用，达成越用越好用的结果。微软表示，自家的Cortana（中文名叫小娜）可以“不断了解用户”，最终将培养出预测用户需求的能力。

2、智能汽车

你可能还没看到有人上班一边开车，一边看报纸，但自动驾驶汽车确实越来越接近现实。Google旗下的自动驾驶汽车项目和特斯拉的“自动驾驶”功能是最新的两个例子。自动驾驶技术毫无疑问是基于人工智能之上的技术，并且目前发展速度极为迅猛。从英特尔今年年初收购以色列自动驾驶汽车公司Mobileye可见一斑。

今年早些时候华盛顿邮报还有过报道，称Google开发了一种算法，能让自动驾驶汽车像人类一样学习驾驶技术。由于人工智能可以学会玩简单的视频游戏，Google让自动驾驶汽车上路前也测试相同的智能游戏。整个项目的构思在于，汽车最终能够“认清”面前的道路，并根据它所看到的内容做出相应的决策，帮助它在行驶的过程中学习经验。虽然特斯拉的自动驾驶仪功能没有这么先进，但它已经上路使用，同时这也表明此类技术肯定会蓬勃发展。

3、在线客服

现在，许多网站都提供用户与客服在线聊天的窗口，但其实并不是每个网站都有一个真人提供实时服务。在很多情况下，和你对话的仅仅只是一个初级AI。大多聊天机器人无异于自动应答器，但是其中一些能够从网站里学习知识，在用户有需求时将其呈现在用户面前。

最有趣也最困难的是，这些聊天机器人必须擅于理解自然语言。显然，与人沟通的方式和与电脑沟通的方式截然不同。所以这项技术十分依赖自然语言处理（NLP）技术，一旦这些机器人能够理解不同的语言表达方式中所包含的实际目的，那么很大程度上就可以用于代替人工服务。

4、购买预测

如果京东、天猫和亚马逊这样的大型零售商能够提前预见到客户的需求，那么收入一定有大幅度的增加。亚马逊目前正在研究这样一个的预期运输项目：在你下单之前就将商品运到送货车上，这样当你下单的时候甚至可以在几分钟内收到商品。毫无疑问这项技术需要人工智能来参与，需要对每一位用户的地址、购买偏好、愿望清单等等数据进行深层次的分析之后才能够得出可靠性较高的结果。

虽然这项技术尚未实现，不过也表现了一种增加销量的思路，并且衍生了许多别的做法，包括送特定类型的优惠券、特殊的打折计划、有针对性的广告，在顾客住处附近的仓库存放他们可能购买的产品。这种人工智能应用颇具争议性，毕竟使用预测分析存在隐私违规的嫌疑，许多人对此颇感忧虑。

5、音乐和电影推荐服务

与其他人工智能系统相比，这种服务比较简单。但是，这项技术会大幅度提高生活品质的改善。如果你用过网易云音乐这款产品，一定会惊叹于私人FM和每日音乐推荐与你喜欢的歌曲的契合度。从前，想要听点好听的新歌很难，要么是从喜欢的歌手里找，要么是从朋友的歌单里去淘，但是往往未必有效。喜欢一个人的一首歌不代表喜欢这个人的所有歌，另外有的时候我们自己也不知道为什么会喜欢一首歌、讨厌一首歌。

而在有人工智能的介入之后，这一问题就有了解决办法。也许你自己不知道到底喜欢包含哪些元素的歌曲，但是人工智能通过分析你喜欢的音乐可以找到其中的共性，并且可以从庞大的歌曲库中筛选出来你所喜欢的部分，这比最资深的音乐人都要强大。电影推荐也是相同的原理，对你过去喜欢的影片了解越多，就越了解你的偏好，从而推荐出你真正喜欢的电影。

6、智能家居设备

许多智能家居设备都拥有学习用户行为模式的能力，并通过调整温度调节器或其他设备来帮助节省资金，不仅便利、还节能。例如，屋主外出工作，设备自动打开烤箱，无须等到回家再启动，这一点非常方便。人工智能知道主人什么时候回家，就能相应的提前调整温度，而出门在外时则自动关闭设备，这样可以省下不少钱。

另一项家居设备也有人工智能的身影——照明。通过设置默认值和偏好，设备可根据你的位置和你正在做的事调整房子（内部和外部）周围的灯光。例如，看电视就暗一些，烹饪时较明亮，吃饭则亮度适中。智能家居的AI，只要你敢想，没有什么做不到。

7、大型游戏

游戏AI可能是大多数人最早接触的的AI实例。从第一款大型游戏到现在，AI已经应用了很长时间。最早期的AI甚至不能称为AI，只会根据程序设定进行相应的行为，完全不考虑玩家的反应。不过最近几年里，游戏AI的复杂性和有效性却迅猛发展。现在大型游戏中的角色能够揣摩玩家的行为，做出一些难以预料的反应。

像《孤岛惊魂》(FarCry)和《使命召唤》（CallofDuty）这种第一人称射击游戏也能很好地利用AI。敌人可以分析玩家的环境，追踪可能生存的目标。敌人也会找掩护，追踪声音，侧翼攻击，以增加胜利的可能。虽然就AI技术本身而言，在游戏中的应用有点大材小用，但是由于行业市场巨大，每年都有大量精力和资金投入其中来完善这种技术。

8、欺诈检测

你有没有收到过电子邮件或信件——询问你是否用信用卡进行了某些产品支付？如果用户的帐户存在被欺诈的风险，银行会发送此类信件，希望在汇款前确认用户个人已同意支付。人工智能通常部署来监控这种欺诈行为。

一般来说，先将大量欺诈和非欺诈性交易样本数据输入电脑，然后命令电脑分析数据，发现交易中不同类别的情况。经过足够的训练，电脑系统就将能够利用所学和种种迹象辨认出欺诈性交易。

9、安全监控

随着人们对于安全问题越来越重视，监控摄像头也越来越普及，在方便了场景记录和重现之外，也出现了新的挑战：监控摄像头所拍摄的内容仍然需要人工监测。用人力来同时监控多个摄像头传输的画面，非常容易疲倦，同时也容易出现发现不及时或者判断失误的情况。因为，非常有必要在监控摄像头系统中引入人工智能技术，借助人工智能来进行24小时无间断的持续监控。例如，利用人工智能来判断画面中是否出现异常人员，如果发现可以及时通知安保人员。

当然，目前能够实现的技术还十分有限。比如，电脑看到闪光的颜色，可能表明有人入侵或在校园周围游荡，但是识别的精确度仍然有待力高。另外，由于当前技术的限制，识别特定行为依旧比较困难，比如商店中的小偷小摸行为。但在相信在不久的将来，这种技术的改善绝非难事。

10、新闻生成

人工智能程序可以写新闻？听起来似乎很不可思议，但是这就是现实！根据美国Wired杂志统计，美联社，福克斯和雅虎都已经在利用人工智能来编写文章，例如财务摘要、体育新闻回顾和日常报道。目前，人工智能还没有涉及调查类文章，但是如果内容不是太复杂、相对简单，人工智能完全可以搞定。从这个角度来说，电子商务、金融服务、房地产和其他数据驱动型行业都可以从人工智能中受益良多

人工智能深度学习是什么

曾被MIT技术评论列为2013年十大突破性技术（DeepLearning居首），它是以ML中的神经网略学习算法存在的。人工智能现阶段分为弱人工智能和强人工智能，神经网络摇身一变成了如今的DL。学界对DL一般有两种看法，实际上当下科技能实现的所谓“人工智能”都是弱AI，仅仅用起提取powerfulfeature；而另一种则希望将其发展成一个新的学习分支，即end-to-end）说不定就是实现未来强AI的突破口1。或者换句话说.深度学习与AI。在DL还没有火起来的时候。DL与ML两者其实有着某种微妙的关系，随着计算资源和bigdata的兴起，奥创那种才是强AI（甚至是boss级的），也就是我上面说的end-to-end的“深度学习的思想”。本质上来讲，人工智能相比深度学习是更宽泛的概念，深度学习这种技术（我更喜欢称其为一种思想。2。而深度学习，一种是将其视作featureextractor，是AI中的一种技术或思想.深度学习与ML

推荐阅读
美国担心人工智能领域(美国人工智能出问题)
创业人工智能领域，创业人工智能领域包括
mit 人工智能领域(mit首次提出人工智能)
小米人工智能领域加盟，小米人工智能家居加盟
人工智能领域工程 人工智能领域工程有哪些
医疗人工智能领域 医疗人工智能领域包括
医疗领域人工智能融资(医疗领域人工智能融资现状)
人工智能领域规范，人工智能领域规范文件