人類一直對于與自己相仿的機器人、以及人工智能（AI）的概念饒有興致。好萊塢電影和科幻小說也一直啟發著科學家們向著此方向不斷努力。雖然AI的泡沫曾經破滅了多次，但是近年來，一些重大的發展與突破又一次將該領域帶回到了公眾面前。在 2017年，Gartner將通用AI放在了“技術成熟度曲線”的早期采用階段。同時，它將深度學習和機器學習技術置于該曲線的頂峰。

我們需要理解的是：AI是幾個相互關聯的技術的總稱術語。它包括：自然語言處理（Natural Language Processing，NLP)、機器學習、認知計算、神經網絡、計算機視覺、機器人科學及其相關技術。在本文中，我們將解釋所有這些技術的五大發展趨勢，并了解它們所帶來的益處。

1. 機器學習模式的大眾化

機器學習的目的是使得計算機能夠從數據中學習、在不依賴程序命令的情況下進行改進。這種學習最終可以幫助計算機建立模型，例如被用于預測天氣的模型。在這里，我們來介紹一些利用機器學習的常用應用程序：

財務應用
隨著金融業的迅速發展，各種初創型Fintech（金融科技）企業大量涌現。該行業的從業者曾經過度依賴于傳統的低效方法，去咨詢和分銷他們的標準化金融產品。如今，各種AI先進技術以自動化咨詢等方式，讓該領域得到了轉型。同時，機器學習模型也取代了在量化市場趨勢時常用的傳統預測分析方法。與傳統的投資模型相比，這些模型能夠以更高的準確性與速度，來預測市場的各種波動。

另外，機器學習如今也能夠幫助金融公司去防止各種金融欺詐。這些模型特別擅長于發現任何基于歷史數據的異常，并能輕松地識別甚至預測出某項欺詐活動。一旦客戶賬戶中出現任何不尋常的活動，他們的銀行都能通過使用這些模型來提醒他們。除了防止欺詐之外，機器學習還可以在風險管理領域發揮出更大的作用。這些模型可以通過提高信用評級的準確性，來改善對貸款機構的各種風險管理。

醫療應用

機器學習和大數據都是掌握海量潛在醫療數據的關鍵因素。通過在機器學習模型之上建立的新應用，我們可以識別各種疾病，并提高疾病診斷的準確性。同時，機器學習還能夠有助于基因排序、臨床試驗、藥物發現和研發，以及流行病的暴發預測。

另外，基于AI的系統也能幫助醫院改善其操作的流程和數據的管理。鑒于醫療保健專業人員在閱讀劑量指示、或診斷數據方面難免會經常犯錯，智能AI系統通過具有圖像識別和光學字符辨識的功能對所有的數據進行二次檢查，以減少此類錯誤的發生頻率。

工業應用

機器學習算法如今能夠支持大量的應用，并涵蓋了整個制造業的生命周期。它包括：產品設計、生產計劃、生產優化、配送、現場服務和再生。目前，一些行業正在將基于AI和以物聯網（IoT）的解決方案，實施到他們原有的、孤立且零散的SCADA（Supervisory Control and Data Acquisition，監控和數據采集）方案之上，以發揮并增強協同作用。

AIOps平臺

我們大多數人都有過這樣的體會：IT人員每天都需要滿負荷地去處理數以千計的系統事件，而且手頭的分析系統根本無法利用到那些對于IT操作真正有用的數據。他們亟待開發出更具智能運營能力的系統。而AIOps中的高級AI算法便能夠對事件數據的分析和關聯過程予以自動化。此外，AIOps還可以使用各種算法，來實時地執行去重、黑名單管理和關聯事件反饋等操作，以減少此類事件的發生頻率。

2. 用自然語言處理來簡化人機互動

自然語言處理（NLP）是人工智能快速發展的一個分支，它側重于對人類的語言進行分析和理解。基于NLP的應用程序通過了解語言、語境、方言和發音上的細微差別，來更好地與人類進行互動。

此外，NLP能夠幫助計算機不斷開發閱讀與理解能力，甚至能夠超越人類。2018年1月，在斯坦福大學的閱讀理解測試中，阿里云的得分就比人類還要高。在這次測試中，阿里云的NLP和基于AI的深層神經網絡成功地回答了十萬多道問題。

下面讓我們來看一些采用NLP和基于AI技術的發展趨勢吧：

客服聊天機器人

在傳統的應用中，人們必須在高度緊張的工作環境內，處理客戶的各種例行查詢。而NLP則可以支持許多現實世界的客服應用。那些基于NLP的聊天機器人可以通過提供更高的效率、縮短的等待時間、標準化的文檔、以及更好地解決客戶的查詢，來改善對于客戶的服務質量。

虛擬助理

亞馬遜Echo、Alexa、Cortana（微軟小娜）、谷歌助理、和Siri都是一些NLP進入消費者領域的著名案例。通過理解人類的聲音請求，AI技術正在改變我們與機器的交互方式。當然，虛擬助理也具有干擾傳統廣告業務的能力，并能夠改變我們做出各種購買選擇的方式。

招聘門戶

各種基于NLP的招聘門戶平臺正越來越普遍。這些門戶平臺能夠通過為人事經理對數以千計的簡歷進行排序，從而協助企業處理大量的招聘工作。NLP可以通過掃描大量的工作申請、并將它們與招聘標準相匹配，從而快速地找到合適的候選者。與過去門戶平臺不同的是，這些門戶網站將不再需要依賴于各種關鍵字的配對。

3. 通過情緒分析來增強客戶體驗

相信我們都有過這樣的經歷：客戶在得到客服代表的電話應答之前，往往只能絕望地在IVR（譯者注：Interactive Voice Response，即互動式語音應答）隊列中等待。企業也會因為如此低效的支持流程，而失去了大量的客戶。如今，AI提供了情緒分析的新途徑。通過允許計算機理解某段對話、評論、反饋的上下文、以及意圖，AI就能夠籍此區分出不同的意見、建議、投訴、查詢、以及贊譽。

采用情感分析的應用可以幫助企業更好地理解客戶的需求。這種應用可以被用于分析大量的社交媒體來源，以提高品牌對于社會的傾聽能力。

隨著情緒分析的不斷發展，虛擬個人助理和具有情感獲知能力的可穿戴設備，將能夠理解我們的情緒狀態與偏好。這些系統將幫助市場部門向客戶提供情境化、和個性化的體驗。根據Tractica（譯者注：一家市場研究與咨詢機構）的數據顯示：到2025年，此類軟件工具的全球收入將達到38億美元。

此外，情緒分析在醫療保健和精神健康領域也發揮著巨大的作用。具有情緒獲知能力的可穿戴設備，除了能夠顯示與身體健康有關的指標之外，還能監控心理上的健康。因此，心理健康提供者也可以采用像Karim和Woebot之類的聊天機器人，來制定治療方案，以幫助人們管理他們的心理健康。

目前，一些汽車公司也引入了情緒分析。他們通過將先進的情緒檢測系統部署到車輛之上，讓那些車載電腦能檢測到駕駛員的情緒與注意力水平，從而協助駕駛。此外，未來的自動化車輛將能夠檢測駕駛員的憤怒、嗜睡、焦慮等情緒，通過控制車輛，從而避免事故的發生。

4.智能城市的發展

目前，全球大多數城市的基礎設施都無法滿足人口激增的需求。水、電、易出行和更清潔的空氣，都是城市管理者日常所要面對的復雜挑戰。而人們獲得醫療保健和公共服務則是另一個重大的問題。與此同時，政府組織也需要在這些有限的資源范圍內維護相應的法律和秩序。

智能城市通過使用AI、大數據和物聯網來解決城市內人口所面臨的大多數挑戰。使用這些技術的組合，城市可以更好地分析他們遍布在各處的攝像頭所反饋的信息。例如：通過對各種圖像和實時視頻的分析，可以協助識別事故和交通擁堵狀況。管理者們也可以利用這些信息，來集中化管理不同道路上的交通。此外，他們還可以依靠智能系統，來自動控制交通信號等設備，以便讓貴賓、應急響應小組和執法人員具有通行的優先權。

除了一般性的監控，面部識別和情緒感知能力也可以協助城市里零售店的日常運營。基于AI的營銷系統可以增強基于地理圍欄（geo-fencing）和坐標模式的商店營銷。此方法目前主要依賴的是客戶對于智能手機的使用。

AI在建筑設計與施工活動中也發揮著重要的作用。基于AI的系統不僅可以管理建筑資產，還能夠改進垂直框架系統的選擇，從而有助于進行性能診斷、并通過對GIS（譯者注：Geographic Information System，地理信息系統）數據的分析，以協助規劃與施工。今后，AI將有助于設計和定制具有納米技術的建筑材料。這將意味著，除了鋼筋混凝土，工程師們將有更多新的建筑材料，以適應不同的建設環境。

5. 統一各種AI工具與開發平臺

在分散的生態系統和市場上，許多頗具競爭力的廠商提供著不同能力的AI工具和平臺。這些AI開發產品的大多數仍處于起步階段。多年來，盡管許多領域的業務用例已經成熟，但是要在所有行業中全面采用AI仍為時尚早。這也是傳統云和分布式計算服務商相較于AI初創企業的占優之處。那些云服務提供商擁有現成的基礎結構、規模和大量的資源，可以為各種規模的企業開發出大數據和AI的應用平臺。

結論

綜上所述，我們很容易得出結論：如今，基于AI的發展已經成為了主流。各種企業不僅熱衷于改進其現有的流程，而且還能看到AI給他們帶來的潛在增長點。這也就是為什么CIO們應當重視AI的戰略意義和其創新發展的空間。總之，那些能夠快速擁抱AI、大數據、物聯網和區塊鏈等新技術的企業必將在競爭中搶占到優勢。