互联网还没+好 机器智能+的时代快要到了

      接下来1万家初创企业的商业计划很容易预测：做X然后再加上AI。

―Kevin Kelly

      本来阿兰・图灵认为到1950年计算机就会思考。1997年，超级计算机深蓝击败了国际象棋世界冠军卡斯帕罗夫。2011年，IBM的Watson成了Jeopardy知识比赛的最好选手。2015年，1辆汽车自行横跨了美国。

      这些成绩的获得均有赖于机器智能，后者是人工智能、机器学习、深度学习等相干领域的统称。几何增长的计算能力、更大的数据、更强的算法，这1波完善风暴推动了这些领域在最近几年获得了快速增长。不计其数的机器智能初创企业出现（参见机器智能公司总览），其中很多随时准备着要在未来的5到10年时间内改变世界。

      在迄今我见过的团队和公司里面，最有趣的是结合了机器智能专业知识和像计算机视觉、自然语言或语音辨认之类技术的那些。如果计算性能够思考，然后再赋予其看、读或写的能力，就会有使人冷艳的可能性出现。突然之间，计算机就可以完成各种此前只能由人来处理的事情了。有两类任务值得斟酌：1是“沟通任务”，2是“视觉任务”。

      沟通任务

      即计算机尝试学习解释和制作书写和口语内容。Summly每天利用自然语言处理（NLP）大概要对20万篇新闻进行摘要，同时还要为用户提供个性化的内容流。Siri和Google Now将NLP与语音辨认技术结合，用户可以口头发问并收到口头回答。Viv等正在开发的技术更进1步：他们要做的是赋予计算机会话式的记忆，并且允许追问和澄清。换句话说，这样的对话才是适合的。

      这类科幻小说1直以来假想的交互模式正在变成商业化的现实。这类创新是基础性的，由于它让我们能够跟没有自然视觉UI的机器，如汽车、可穿着装备、机器人或乃至你的房子交互。

      更近1些（1到5年）的机会是对所有目前由人类履行的沟通任务类型进行自动化的可能性。怎样才能辨认出哪1项任务自动化的条件已成熟了呢？所创造的价值又在哪里呢？要想回答这些问题必须审视那些遵守模式的交互，然后再从中寻觅目前很费时的任务。经过分析，以下满足上述条件：

      医疗诊断：跟医生的互动大体上包括1系列症状描写，然后推断最有可能的疾病。对掌握语言技能的智能计算机来讲，这是1种理想的案例。很有可能IBM的Watson很快就会成为全球最好的医生。它已接触到了最新的医疗知识，精确且始终如1，理论上可以24小时为每个人服务。

      会议安排：传统上这属于秘书和行政助理的角色。我的个人助手叫Amy Ingram。“她”是x.ai的成果结晶，几近没有人意想到跟他们对话的不是人。从Claralabs等也能够取得类似的服务。

      语言学习：想学中文？如果有位讲着1口流利普通话的对话火伴就行了，如果他永久都不会介意纠正你的毛病，永久都不会感到厌烦则更佳。要不来1位精通万国语言的全天候实时翻译怎样？

      新闻报导：Narrative  Science等正在训练计算机写新闻故事。固然，要写出像大西洋周刊那样的观点文章还欠火候，但是机器人写赛事结果、财经报导已是信手拈来。

      人员招聘：招聘人员在很大程度上算是应征者与雇主之间基于1组定义好的特性（位置、行业、技能、经验）进行联系的中介。期待利用机器智能和NLP来自动辨认和推荐候选者的公司早日出现。固然，其第1场面试也1定是有计算机主持的。

      网上旅行社：flightcentre.com上面帮助你找布拉格的酒店的那位“实时助理”究竟是人还是机器人？如果是在2017年，我已有肯定的答案。

      法律任务：诉讼的取证进程需要许多资格浅的律师梳理堆积如山的文档来寻觅蛛丝马迹。像Equivio这样的组织则结合了机器智能与NLP对这1职能进行自动化，结果是，喝了8杯咖啡的那位帮办忙到清晨2点还没弄完的事情早已被计算机弄定，结果不但更加精确，而且它既不用喝咖啡也不用睡觉。

      呼唤中心：呼唤中心的家伙都是经过培训的，其回答都有脚本支持，针对不同情况作出不同的响应。但是未必所有人都能记得，或有的记得也不遵守。这些情况你应当多多少少都经历过。如果让智能计算机利用NLP及语音辨认技术来替换的话就行了。做得好的话其市场范围是巨大的。    

      视觉任务

      2015年2月，计算机视觉获得了1项突破：机器眼力比人更高了。说得更确切1点，是指计算机查阅1系列图片并对其进行分类的精确度已比人要高了。把这类水平的计算机视觉（看的能力）与机器智能（思考能力）结合起来的话，就会有使人着迷的可能性出现。

      有很多工作都需要人看图象然后对内容进行评估。比如机场安保就是明显的例子，安保要扫描箱子然后看里面是不是有枪枝等背禁品，又比如放射科医师，经过5年以上的训练才能准确通过X光片诊断出疾病。

      我相信，用不了多久让计算机履行这类任务就将变成现实，结果不但更快更精确而且本钱更低。下述的可能性将会颠覆1个个的行业：

      汽车：自动驾驶汽车是结合计算机视觉与机器学习的最早进案例。

      农业：与其花钱请人开车兜1圈查看做物情况，为何不让能够根据卫星图象监控作物的计算机代办呢？

      军事：座舱显示器及无人机侦测对象并用机器智能自动辨认对方是不是构成要挟（我敢打赌CIA的风投机构在该领域已进行了1堆未宣布的投资……）

      基础设施：Google的Street View是全球大部份地区的街道图象。市政部门肯定喜欢这个主张：用算法自动从中找出需要保护的道路和建筑，而不是让巡查员开车到处找。   

      医疗：检查皮肤癌为何1定要去见医生？发张雀斑的图片过去让计算机分析1下不就出来了？一样地，像核磁共振、X光等诊断也应当可以这样。   

      建筑保护：安检需要检查石油管道、炼油厂等有无漏油的地方。是否是可让带摄像头的无人机飞行巡检然后让计算机实时分析连续镜头？

      巡检工作有不计其数个垂直领域可以自动化，其中有很多还是相当晦涩难掌握的。KeyMe寻求通过照片来自动化1个60亿美元的锁匠市场。Tractable正在帮助管道工确认管道是不是焊接好了。

      所以传统行业请留意了，互联网还没+好，机器智能+的时期也快要到了。

      文章出自DevStore资讯，欢迎浏览更多互联网新闻（www.devstore.cn ）