AI技术在实际应用领域发展到了何种模样？

引 言

随着互联网、区块链、云计算、大数据和物联网等技术的不断发展，人工智能(AI)这一涵盖众多领域的交叉融合的复杂技术正在不断地改变着我们的生活。 AI涉及到的领域极为广泛，如机器学习、自动驾驶、神经网络、虚拟现实、计算机视觉、自然语言处理等，那么在这些领域中，AI技术现在发展到了何种模样？有哪些实际的产品落地？给我们的生活带来了哪些改变？

业界声音

深度学习模型助力无人驾驶技术的成熟和落地中国科学院自动化研究所副研究员 黄武陵

在可以预测的将来，无人驾驶技术将给人们的交通出行带来极大的变革。但是现阶段无人驾驶技术还需要进一步完善和发展，有待于人工智能技术在无人驾驶各领域大量应用，不断赋能。

首先，由于无人驾驶车辆功能组成与设计复杂，需要集成和发展新的技术。在面向人车混合的交通环境时，技术上还面临较多的挑战。例如，如何在复杂、动态和多样化的交通环境下，提高环境感知精确程度，对动态目标进行识别与跟踪估计；先进控制算法如何实现驾乘安全性和舒适体验；在复杂交通环境中如何增强定位与导航能力；实时交通环境下，如何正确决策，如何实现安全的、与人类驾驶行为类似的自主驾驶，不对正常交通流造成影响。上述这些都要求将人工智能与机器学习的成果用于提升自主驾驶能力，用于提升处理复杂交通环境的能力并不断产生迭代与自适应。

例如，以深度学习为典型的人工智能技术快速迭代发展，越来越多地应用在了感知、导航、决策规划等方面，提升了性能。例如，深度学习算法在各数据集上的目标检测效果已经得到显著提升，有助于完成交通环境信息的多视图数据融合。例如，深度学习模型用于全交通场景理解，可提升定位能力;强化学习用于运动规划; 深度增强学习技术用于不断迭代和优化得到最优的自主行为决策策略。但是，还有很多方面有待于逐个突破，特别是面向特殊的特定交通场景，还需要更多智能实现“记忆”、“推理”、“决策”等能力，来解决或规避可能的交通问题。

无人驾驶技术需要全链条商业成熟才可能全面应用，例如自主行驶是否更安全，是否有更佳的驾驶体验，是否带来交通效率提升，是否降低能耗等。具体在技术上离实用还有一定距离，还存在使技术可行、允许和广泛使用的障碍需要克服。解决了上述的技术、平台、成本等方面的问题，从计算平台、操作系统、人机交互、接入交通系统到更多云端服务，每个环节都发展完善，无人驾驶最后才能形成聚合的生态，才可能大规模应用。最终，带给我们交通出行的变革，推动道路交通基础设施的升级，推动城市规划与设计的新理念发展，从而推动融合智能交通、物流、社会计算、智能控制的下一代智能城市建设。

基于神经网路的人工智能技术尚处于初级阶段Imagination Technologies视觉和AI产品副总裁 Russell James

虽然人工智能(AI)近年来有所进步，但一定要记住它还不是那么聪明。我们现在所拥有的消费性产品——智能助理、语音驱动扬声器，它们都不是我们所理解的传统意义上的人工智能。这些设备中的人工智能实际上并不能自我感知或者本身并不智能。一个真正的人工智能系统可以自学习，使用神经网络建立连接并理解语意，而无需依赖预定义的行为算法。简单地说，如今的人工智能只是表面上看起来比我们原来所见过的更智能而已。目前，打上“人工智能”烙印的产品所使用的众多算法和研究成果可以追溯至30年或40年前。神经网络已经存在很长时间了，然而，直到最近，嵌入式设备的性能水平才达到可以运行神经网络的程度。

如今在用的人工智能案例有很多，从语音驱动的个人助理，如亚马逊的Alexa和Google Assistant，到更重要的技术，如行为算法和具有预测能力的自主驱动无人驾驶车辆，皆为例证。然而，一定要记住的是，这些技术还完全处于其初级阶段，在它们真正变得聪明之前还有一段很长的发展之路要走。

在短期内，人工智能将只会产生一些表面影响，而不会对世界及其运转方式产生巨大影响。我们现在所拥有的消费性产品并不能自我感知或者本身并不智能，它们只是比我们惯常使用的产品更智能而已。然而，在五年内，人工智能将实现自动驾驶，这将为社会带来极大的益处。现实情况是，大部分事故都是由人为错误引起的——只有极少数是随机事件，所以我们将能够大幅度减少那些确实由主动因素造成的事故。

安防和监控是另一个人工智能可以产生巨大影响的领域。很显然，其中涉及很多隐私问题是我们需要注意的，但同时也有很多好处。我们不可能有足够的人员去监控摄像头和信息流，以发现那些在摄像头监拍下可能发生并被捕捉到的潜在危险事件或犯罪行为。通过在所有拥有一定智能处理能力的摄像头上添加一些功能，就能够检测到某些事件，然后将这些事件进行标记并回传至控制中心，这将非常有助于减少犯罪行为或者那些正在发生的现场犯罪。

智能聊天机器人将更快地融入日常生活逻壹博达上海董事总经理和中国数据总监 邓光忍

随着人工智能技术的不断延伸，其应用产品日益增多，其中聊天机器人便是新兴市场中引人注目的新兴产品。建立在NLP(自然语言处理)和ML(机器语言)基础之上，加上对大数据的获取与分析，基于内置算法，聊天机器人便能实现自主学习。机器的信息处理速度比人类要快1000倍，智能水平可见一斑，聊天机器人已然成为品牌发展的必然趋势。据Gartner 预测，到2020年，55%的大型企业将至少部署一种机器人或聊天机器人。

同时，聊天机器人的应用场景愈发广泛，主要集中在电商客服、金融保险、文娱、新闻业、旅游与出行、企业管理与人力资源等领域，为企业提供用户沟通、查询、信息收集与数据分析，以及品牌维护等多种功能。

相对于国外而言，在国内聊天机器人更偏向于实用主义，主要应用在电商客服领域。这也是为什么近年来国内的互联网用户服务型企业纷纷进入聊天机器人市场的原因。例如，百度推出了虚拟个人助理“度秘”，通过人机互动帮助消费者完成搜索、买票、订餐票等服务；淘宝推出了智能客服机器人阿里小蜜，已经能逐步分担淘宝对于整个客服行业的庞大需求等。

凭借聊天机器人的智能化信息集成与平台共享，企业可加强与消费者以及员工之间的沟通互动，形成一个良好的互动反馈机制，从而促进企业信息下达与回收的效率。而在重要的人力资源管理方面，由于智能聊天机器人具有优于人脑的信息整合与分析能力，这使其可帮助人力资源部收集相关候选人的数据，整理并筛选出合适的求职者，并提出合理的工作匹配建议。

基于市场需求的人工智能技术会更快地融入人们的日常生活，因此，我们也对聊天机器人的开发及应用充满信心。相信作为一款人工智能产品，聊天机器人会为人们带来更多的创新成果，向市场展现卓尔不群的用户体验。

Google语音助手Duplex已通过图灵测试

谷歌在2018年5月的I/O大会上展示了AI语音助手Duplex，在两则真实的电话录音中，Duplex 不仅用自然流畅的语音和电话另一头的人类完成了交流，而且让对方根本没有意识到打电话的居然是个“AI”，而在第二段录音中，Duplex还成功地处理了意料之外的发展状况，不仅理解了“无需预定”的概念，还主动询问了等位的时间。

Duplex可以自己给饭馆、发廊等商业店面打电话，帮用户预约时间。它惊艳了所有人！Alphabet董事长John Hennessy也亲口承认：“在预约领域，这个AI已经通过了图灵测试！这是一个非凡的突破。”

让AI和人类展开一段自然的对话有如下难点：自然语言难以理解，人类的自然行为很难建模，人类对延迟的耐受性很低所以需要高处理速度，以及生成听起来自然的语音，其中还要适当地夹杂一些语气词。借助语言理解、交互、时间控制、语音生成方面的最新技术发展，Google Duplex 的对话听起来相当真实自然。

为了应对上面提到的挑战，Duplex 的核心是一个 RNN 网络，它是由 Tensor Flow Extended(RFX)构建的。为了达到高精度，谷歌用匿名的电话对话数据训练了 Duplex 的 RNN 网络。这个网络会使用谷歌自动语音识别(ASR)的识别结果文本，同时也会使用音频中的特征、对话历史、对话参数(比如要预订的服务，当前时间)等等。谷歌为每一种不同的任务分别训练了不同的理解模型。

编辑视角