人工智能如何创新？就靠这五大支柱了

人工智能从上世纪八十年代开始兴起，许多初创公司、政府、以及大型企业都开始部署人工智能系统，来处理过去由人类专家执行的任务。相比于传统的编程语言，这些系统大多基于行为规则，然后形成“记忆”，人工智能系统可以处理更多计算密集型任务，比如机器学习，规划和调度，以及自然语言处理等。在如今这个大数据世代，很多人相信人工智能已经彻底颠覆了科技行业，雷锋网(公众号：雷锋网)此前也做过不少相关的研究及报道。

不过，在人工智能发展的过程中，它的核心要素并没有发生太大变化。举个例子，NASA 在上世纪八十年代末到九十年代推出的航天飞机（Space Shuttle）计划，结果整个产业链都成功实现了商业化，包括无人驾驶探测器、太空望远镜、空间站、以及行星探测器等。甚至有些技术也应用在了 ERP 行业和电商、客户关系管理和广告市场营销应用领域里。最近几年，人工智能技术还在其他很多行业内得到了广泛应用，包括：

生命科学：人工智能可以学习临床试验数据，然后为患者匹配最合适的治疗药物，或是寻找最理想的医生。

网络安全系统：人工智能可以预测企业网络的潜在危险（至少能告诉企业该在什么地方买保险）。

物联网系统：基于 RFID 标签，人工智能可以对资产位置变化做出反应，而且还能预测、分析某些特定场景，防止犯罪。

以上几个领域，雷锋网也有不少相关的文章详细描述了人工智能在这些领域所起的作用。此外，许多人们日常交互，且耳熟能详的系统也采用了人工智能技术，比如苹果的 Siri 和亚马逊的 Alexa 可以收听我们的语音指令，亚马逊网站可以智能推荐商品，Netflix 可以按照用户喜好推送节目，自动泊车和无人驾驶系统，能够下国际象棋和围棋计算机，等等。

人工智能的用例其实还有很多，事实上，在人工智能发展的近四十年时间里，一直有五大核心要素在支撑整个行业，连接各个技术节点。人工智能应用程序吸收海量数据，对周围环境做出反应，通过学习提升适应度、实现更好的表现，同步服务系统和用户。

一、强化吸收数据

基于数据强化的人工智能系统需要和海量数据进行交互，他们通常会高速获取数十亿量级的信息记录。对于人工智能系统来说，实时吸收数据是它们必备的技能之一，此外还需要获取不间断的流媒体数据（绝大多数都是小数据模块，比如物联网传感器评估）和批量数据（一些大数据模块，比如系统数据库内的历史数据表）。

二、自适应性

利用机器学习技术，自适应的应用程序可以进行自我优化。随着时间的推移，他们会分析工作处理的结果，然后学习如何做的更好。机器学习的工作流程需要数据科学家进行模型选择，这涉及到一整套迭代流程，包括特征工程、算法选择、以及参数调整。开发人员之后会把机器学习模型部署到应用程序内部，再导入新数据，该模型会进行数据分类，在按照分类分析处理行为。最后，这些部署了机器学习的应用程序会“回顾”自己的处理结果，再利用这些结果数据重新进行训练。

三、反应性

现代人工智能系统可以根据周围环境情况，实时做出变化反应。传统应用程序更多的是基于批处理模式——你安排应用程序执行任务，它们运行，然后存储处理结果，最后关闭程序。而人工智能应用程序则会不断监测他们的输入（通常来自于各种流媒体数据平台），然后根据实际情况执行操作，人工智能程序会自动调用程序、规则和行为，然后自己做出决策。简单的说，人工智能系统会一直处于运转之中，然后根据不同的输入做出反应。

四、前瞻性

许多人工智能系统不仅仅具备反应性，他们可以规划未来，执行最佳的行动计划。事实上，系统规划、游戏规划、甚至是语言分析系统，都需要一个前瞻性的解决方案。这些系统必须要具备根据不同场景（情况）随时切换输入数据的能力。举个例子，人工智能会及时获取天气预报数据，并以此分析是否会延误来自中国的海运或航运发货，一旦发货延迟，是否会对美国的制造进度计划产生影响，是否需要重新优化生产计划。

五、并发性

人工智能系统，其实就像传统应用程序一样，必须支持同时处理多个用户或多个系统。通过在操作系统和数据库领域里开发分布式系统，人工智能系统需要不断确保执行传统数据库事务的四要素原则（ACID）：原子性（Atomicity）、一致性（Consistency）、隔离性（Isolation）、以及持久性（Durability）。

总结

随着软硬件技术的提升，一方面业务数据量在不断增长，另一方面，系统性能的提升帮助处理响应时间大幅缩短，对于现代人工智能系统而言，正确的构建系统可以帮助企业快速拓展技术基础设施。当然，不管是个人还是企业，上述五大特征在过去四十年人工智能发展的过程中都扮演了支柱角色，也是所有人工智能系统必须要考虑的重点。雷锋网将会持续关注人工智能在各行各业所起的重要作用，详情可关注相应的公号或子栏目。

VIA VB

【招聘】雷锋网坚持在人工智能、无人驾驶、VR/AR、Fintech、未来医疗等领域第一时间提供海外科技动态与资讯。我们需要若干关注国际新闻、具有一定的科技新闻选题能力，翻译及写作能力优良的外翻编辑加入。 

简历投递至 wudexin@leiphone.com，工作地 北京。

相关文章：

一个APP昭示的野心：这是招商银行对Fintech革命的回应 | AI金融评论

继 OpenAI 之后，DeepMind 开源深度学习训练平台 DeepMind Lab

本文作者：天诺

本文转自雷锋网禁止二次转载，原文链接

如何规模化企业人工智能（Noogata） AutoML 面临的挑战 对于任何拥有内部数据科学家团队并希望开发 AI/ML 模型的组织来说，AutoML 平台都是一个诱人的提议。这些平台提供了一个丰富的沙箱来加速专有 AI/ML 模型的开发。然而，另类的方法现在使 AI/ML 更易于部署，并且可供几乎没有技术专长的业务用户直接访问。
麦肯锡：人工智能将深刻影响这五大领域 麦肯锡发布的《2022年技术趋势展望报告》深入研究了人工智能及其许多应用，这些应用远远超出了科技行业。以下是人工智能将产生重要影响的几个主要领域。
为什么说人工智能是创新的主要驱动力 大多数首席信息官会发现这很难处理。在科技巨头之外，许多商业IT公司仍在学习人工智能的知识。因为人工智能具有广泛的应用，首席信息官面临的主要问题之一是确保他们的投资流向能够产生最高回报率的用例。
人工智能成为企业发展的驱动力 分析机构Tractica公司预计，全球企业在人工智能方面的支出将从2016年的6.44亿美元增长到2025年的近390亿美元，并将成为高效销售平台和虚拟数字接待员、儿童玩具、自动驾驶汽车、产品或服务等各方面发展的驱动力
人工智能将如何革新金融服务 调研机构IDC公司的研究表明，金融服务公司正在引领采用人工智能的方式，预计2019年银行业将在人工智能解决方案上投入56亿美元，仅次于零售业。金融服务业的成果可能相当可观：据麦肯锡全球研究所预测，人工智能和机器学习可为银行业带来超过2500亿美元的价值。
人工智能创新的四大趋势 全球领先的信息技术研究和顾问公司Gartner 2021年人工智能技术成熟度曲线（Hype Cycle for Artificial Intelligence, 2021）中的四个趋势正在推动近期人工智能创新。这四个趋势是：负责任的人工智能、小而宽数据策略、人工智能平台的操作化，以及数据、模型和计算资源的有效利用。
2022年人工智能领域发展七大趋势 人工智能已成为人类有史以来最具革命性的技术之一。“人工智能是我们作为人类正在研究的最重要的技术之一。它对人类文明的影响将比火或电更深刻”。2020年1月，谷歌公司首席执行官桑达尔·皮查伊在瑞士达沃斯世界经济论坛上接受采访时如是说。