【中國安防展覽網 媒體導讀】人工智能是對人的意識、思維過程進行模擬的一門新學科。 似乎在一夜之間人工智能從虛無縹緲的幻想成為了現實。計算機科學家們在機器學習和深度學習領域已取得重大突破，可以賦予機器認知及預測能力。 如今在現實世界中，這些系統的應用已不鮮見 。
回顧變革前的簡史
人工智能意為機器對人腦思維認知功能的模擬。這一概念長期以來只存在于人類幻想和科幻小說中，直至20世紀五六十年代，有關人工智能的理論初步形成后，才開始引發普遍樂觀情緒和波熱潮。但由于技術未能實現突破性進展，人工智能無法達成預期效果，因此陷入了一段沉寂期。
往后數十年間雖然不乏成功案例(如IBM的超級計算機“深藍”擊敗象棋加里·卡斯帕羅夫)，但因為人工智能在現實世界的成功案例太過孤立，所以不足以支撐大規模商業化。
讓我們快進至21世紀。 數據收集及整理、算法以及高性能計算等技術的突飛猛進促成了革命性進步。例如，在以往被認為是機器“無法取勝”的圍棋比賽中，AlphaGo成功擊敗人類世界，從而賦予了這場獲勝歷史性的意義。
而變革不僅發生在理論前沿。被視為未來超級智能系統的先鋒——各類應用機器學習技術的分析工具已現身市場。金融、醫療、制造等行業應用發展迅速，人工智能領域的風投也從2012年的5.89億美元猛增至2016年的50多億美元。麥肯錫預計，至2025年人工智能應用市場總值將達到1270億美元。
了解人工智能及其能力
以往人們借助計算機的運算能力可以更地完成任務(例如，比人類更快地處理更復雜的計算)。傳統的軟件程序由人類編寫，包含具體的指令要求。
人工智能的工作模式完全不同。它們依據通用的學習策略，可以讀取海量的“大數據”，并從中發現規律、聯系和洞見。因此人工智能能夠根據新數據自動調整，而無需重設程序。利用機器學習，人工智能系統獲得了歸納推理和決策能力；而深度學習更將這一能力推向了更高的層次。這些計算機系統能夠完全自主地學習、發現并應用規則。
雖然深度學習領域近來的突破可使人工智能系統在一些關鍵能力上媲美甚至趕超人類，但距離實現“通用人工智能”，即機器能夠完全模擬人類認知活動，仍需數十年的努力。不過機器學習系統已經有了某些商業化落地，且應用廣泛，可以擔當客服、管理物流、監控工廠機械、優化能源使用以及分析醫學資料。麥肯錫研究院近的研究顯示機器學習技術可廣泛應用于各行各業。
人工智能技術通常由四個部分組成，即認知、預測、決策和集成解決方案。認知是指通過收集及解釋信息來感知并描述世界，包括自然語言處理、計算機視覺和音頻處理等技術。 預測是指通過推理來預測行為和結果。舉例而言，此類技術可用來制作針對特定顧客的定向廣告。
決策則主要關心如何做才能實現目標。這一領域的用例十分廣泛，如路線規劃、新藥研發、動態定價等。后，當人工智能與其他互補性技術(如機器人)結合時，可生成多種集成解決方案，如自動駕駛、機器人手術，以及能夠對刺激做出響應的家用機器人等。
目前人工智能各項技術的商業化水平參差不齊。認知和預測領域的許多技術已經逐步商業化，然而決策和集成解決方案技術多處在研發階段。
挑戰與機遇并存
過去的科技進步主要是指提升執行*任務的能力。而當今的人工智能則是賦予機器反應和適應能力以優化產出。通過與物聯網、機器人等技術的結合，人工智能能夠構造出一個整合的信息物理世界。
當今人工智能發展勢頭正猛，未來有望在多個行業和場景下得到廣泛運用，尤其是我們將會看到大量的人類工作被機器取代。麥肯錫研究院近期的一份報告對800多種職業所涵蓋的2000多項工作內容進行分析后發現，約50%的工作內容可以通過改進現有技術實現自動化。
當然，技術可行性只是影響自動化速度及程度的一個因素，還有其他因素需要考慮，包括研發和應用成本、勞動力市場供需、經濟效益，以及社會和政府監管部門的接受度。
綜合上述因素，麥肯錫研究院的這份自動化研究報告指出，在現今所有工作內容之中，過半會在2055年左右自動化，但這過程存在諸多變量。如果自動化推進速度快，達到該程度可能會提前20年；如果推進緩慢，則可能延后20年。
展望未來，人工智能可成為應對一些社會核心挑戰的強大工具。在醫療領域，人工智能將極大提升我們分析人類基因組和為患者開發個性化治療方案的能力，甚至大大加快治愈癌癥、阿茲海默癥和其他疾病的進程。
在環保領域，人工智能能夠分析氣候特征并大規模降低能耗，幫助人類更好地監控和應對氣候變化問題。人工智能甚至可以在地球以外地區發揮作用，他日或助力人類探索火星及外太空。
移動版
智慧城市網APP
智慧城市網小程序
微信公眾號
