AI擅長與不擅長的領域

我們將AI定義為以機器的形式對人類智能進行模擬。具體來說，AI涉及的主要技術包括語音識別、圖像識別、數據挖掘、神經網絡等，如圖1-4所示。

20世紀80年代誕生的機器學習是指機器對數據進行解析，并以解析結果為依據對未來進行預測，發現數據的內在規律和規則的技術。

最近，備受人們關注的深度學習是指AI不借助人類指導，自行學習樣本數據內在規律和表示層次的技術。深度學習的最終目標是讓機器可以像人一樣具有分析學習的能力。

深度學習使圖像識別的精確度大幅提升，因此，AI的發展有了突破性進展，其中受益最大的領域便是自動駕駛領域，如圖1-5所示。在這一領域掌握核心技術的公司是美國公司英偉達[4]（NVIDIA）和以色列公司無比視[5]（Mobileye），以及日本公司Preferred Networks [6]。

微軟也在深耕AI圖像識別領域。微軟研發的面部識別系統可以識別出對外表做了偽裝的恐怖分子。當圖像識別技術達到了可以應用的水平時，SECOM[7]和ALSOK[8]的安保系統就會變得一無是處。

此外，谷歌已經開始開展利用AI識別圖像并為識別的圖像自動添加圖片、文字說明的服務。

“輸入信息后，AI會在思考后輸出結果”，這一機制適用于各個行業（見圖1-6）。對汽車行業來說，向AI輸入的信息是行駛中車輛周圍的圖像以及駕駛員的駕駛技巧，AI輸出結果為自動駕駛。對醫療行業來說，向AI輸入的信息是人體掃描圖像和病歷信息，AI輸出結果為癌癥診斷信息。對制造行業來說，向AI輸入的信息是生產計劃和零件信息，AI輸出結果為無人工廠。

AI還可以應用于金融領域。現階段備受關注的是AI提出投資建議的技術，向智能投顧（ROBO-Advisor）輸入股票信息和經濟統計數據，智能投顧便會對數據進行解析，輸出可以讓投資者獲得高收益的投資建議。

AI擅長的領域為以下3個方面。

①AI擅長識別，包括辨別信息、理解聲音及圖像、檢測異常等。

②AI擅長預測，包括預測數值、預測需求與意圖等。

③AI擅長執行，包括生成表達、設計、最優行動、操作自動化等。

同時，AI也有不擅長的領域，比如無法識別人類的不愉快情緒；當輸入的實例過少時，AI無法應對突發情況；不會提出問題；無法設計框架；沒有靈感；無法做出常識性判斷；缺乏領導能力等。

在大家了解以上內容之后，我們應該明白，人類與AI可以相互補充，以便更好地推動社會發展。從短期來看，AI將優先應用于醫療和金融行業；從中長期來看，AI將會給自動駕駛、智能工廠、自動配送、自動翻譯、智能柵極[9]等領域帶來巨大影響，如圖1-7所示。