計算機視覺、機器學習、自然語言處理、機器人和語音識別是人工智能的五大核心技術，它們均會成為獨立的子產(chǎn)業(yè)。

計算機視覺

計算機視覺是指計算機從圖像中識別出物體、場景和活動的能力。計算機視覺技術運用由圖像處理操作及其他技術所組成的序列，來將圖像分析任務分解為便于管理的小塊任務。比如，一些技術能夠從圖像中檢測到物體的邊緣及紋理，分類技術可被用作確定識別到的特征是否能夠代表系統(tǒng)已知的一類物體。

計算機視覺有著廣泛的應用，其中包括：醫(yī)療成像分析被用來提高疾病預測、診斷和治療；人臉識別被Facebook用來自動識別照片里的人物；在安防及監(jiān)控領域被用來指認嫌疑人；在購物方面，消費者現(xiàn)在可以用智能手機拍攝下產(chǎn)品以獲得更多購買選擇。

機器視覺作為相關學科，泛指在工業(yè)自動化領域的視覺應用。在這些應用里，計算機在高度受限的工廠環(huán)境里識別諸如生產(chǎn)零件一類的物體，因此相對于尋求在非受限環(huán)境里操作的計算機視覺來說目標更為簡單。計算機視覺是一個正在進行中的研究，而機器視覺則是“已經(jīng)解決的問題”，是系統(tǒng)工程方面的課題而非研究層面的課題。因為應用范圍的持續(xù)擴大，某些計算機視覺領域的初創(chuàng)公司自2011年起已經(jīng)吸引了數(shù)億美元的風投資本。

機器學習

機器學習指的是計算機系統(tǒng)無須遵照顯式的程序指令，而只依靠數(shù)據(jù)來提升自身性能的能力。其核心在于，機器學習是從數(shù)據(jù)中自動發(fā)現(xiàn)模式，模式一旦被發(fā)現(xiàn)便可用于預測。比如，給予機器學習系統(tǒng)一個關于交易時間、商家、地點、價格及交易是否正當?shù)刃庞每ń灰?a target="_blank">信息的數(shù)據(jù)庫，系統(tǒng)就會學習到可用來預測信用卡欺詐的模式。處理的交易數(shù)據(jù)越多，預測就會越準確。

機器學習的應用范圍非常廣泛，針對那些產(chǎn)生龐大數(shù)據(jù)的活動，它幾乎擁有改進一切性能的潛力。除了欺詐甄別之外，這些活動還包括銷售預測、庫存管理、石油和天然氣勘探，以及公共衛(wèi)生等。機器學習技術在其他的認知技術領域也扮演著重要角色，比如計算機視覺，它能在海量圖像中通過不斷訓練和改進視覺模型來提高其識別對象的能力。

現(xiàn)如今，機器學習已經(jīng)成為認知技術中最炙手可熱的研究領域之一，在2011~2014年這段時間內就已吸引了近10億美元的風險投資。谷歌也在2014年斥資4億美元收購Deepmind這家研究機器學習技術的公司。

自然語言處理

自然語言處理是指計算機擁有的人類般的文本處理的能力。比如，從文本中提取意義，甚至從那些可讀的、風格自然、語法正確的文本中自主解讀出含義。一個自然語言處理系統(tǒng)并不了解人類處理文本的方式，但是它卻可以用非常復雜與成熟的手段巧妙處理文本。例如，自動識別一份文檔中所有被提及的人與地點；識別文檔的核心議題；在一堆僅人類可讀的合同中，將各種條款與條件提取出來并制作成表。以上這些任務通過傳統(tǒng)的文本處理軟件根本不可能完成，后者僅針對簡單的文本匹配與模式就能進行操作。

自然語言處理像計算機視覺技術一樣，將各種有助于實現(xiàn)目標的多種技術進行了融合。建立語言模型來預測語言表達的概率分布，舉例來說，就是某一串給定字符或單詞表達某一特定語義的最大可能性。選定的特征可以和文中的某些元素結合來識別一段文字，通過識別這些元素可以把某類文字同其他文字區(qū)別開來，比如垃圾郵件同正常郵件。以機器學習為驅動的分類方法將成為篩選的標準，用來決定一封郵件是否屬于垃圾郵件。

因為語境對于理解“timeflies”（時光飛逝）和“fruitflies”（果蠅）的區(qū)別是如此重要，所以自然語言處理技術的實際應用領域相對較窄，這些領域包括分析顧客對某項特定產(chǎn)品和服務的反饋，自動發(fā)現(xiàn)民事訴訟或政府調查中的某些含義，自動書寫諸如企業(yè)營收和體育運動的公式化范文，等等。

機器人

將機器視覺、自動規(guī)劃等認知技術整合至極小卻高性能的傳感器、制動器以及設計巧妙的硬件中，這就催生了新一代的機器人，它有能力與人類一起工作，能在各種未知環(huán)境中靈活處理不同的任務。例如，無人機、可以在車間為人類分擔工作的“cobots”等。

語音識別

語音識別主要是關注自動且準確地轉錄人類的語音技術。該技術必須面對一些與自然語言處理類似的問題，在不同口音的處理、背景噪聲、區(qū)分同音異形/異義詞（“buy”和“by”聽起來是一樣的）方面存在一些困難，同時還需要具有跟上正常語速的工作速度。語音識別系統(tǒng)使用一些與自然語言處理系統(tǒng)相同的技術，再輔以其他技術，比如描述聲音和其出現(xiàn)在特定序列與語言中概率的聲學模型等。語音識別的主要應用包括醫(yī)療聽寫、語音書寫、電腦系統(tǒng)聲控、電話客服等。比如Domino抯Pizza，最近推出了一個允許用戶通過語音下單的移動APP。

上述5項技術的產(chǎn)業(yè)化，是人工智能產(chǎn)業(yè)化的要素。人工智能將是一個萬億級的市場，甚至是10萬億級的市場，將會為我們帶來一些全新且容量巨大的子產(chǎn)業(yè)，比如機器人、智能傳感器、可穿戴設備等，其中最令人期待的是機器人子產(chǎn)業(yè)。

機器人應用的分法有很多種，從應用層面可以粗略地分為以下幾個類別。第一個類別是工業(yè)級機器人，像富士康這種公司已經(jīng)運用得很好了，因為勞工成本越來越高，用工風險越來越高，而機器人則可以解決這些問題。第二個類別是監(jiān)護級機器人，它可以在家里和醫(yī)院里作為病人、老人或孩子的護理，幫助他們做一定復雜程度的事情。中國對監(jiān)護級機器人需求其實更迫切一些，因為中國人口紅利在下降，同時老齡化又不斷地上升，這兩個矛盾，機器人都可以幫助解決。因此，這個領域的需求在民用市場占比很大。第三個類別就是探險級機器人，用來采礦或者探險等，大大避免了人所要經(jīng)歷的危險。此外還有用來打仗的軍事機器人等。

網(wǎng)絡媒體Business Insider預測，機器人將在許多崗位上取替人類：電話營銷員、校對員、手工裁縫師、數(shù)學家、保險核保人、鐘表修理師、貨運代理商、報稅員、圖像處理人員、銀行開戶員、圖書館員、打字員等。因為它們的價格競爭力驚人。麥肯錫全球研究院的研究表明，當中國制造業(yè)工資每年增長10%~20%時，全球機器人的價格每年下調10%，一臺最便宜的低階機器人只需花費美國人年平均工資的一半。國際研究機構顧能預測：2020年機器人將導致全球新一波失業(yè)潮。

同時，人工智能技術的發(fā)展還將讓許多舊產(chǎn)業(yè)獲得改頭換面式的新生，其中最典型的是汽車產(chǎn)業(yè)。汽車產(chǎn)業(yè)已存在上百年了，其間的變革也是非常大的，但駕駛汽車的始終是人，可最近幾年，隨著谷歌等公司的大力投入，機器或者說某種自動化的系統(tǒng)已經(jīng)有望取代人來駕駛汽車，從而形成一個市場容量巨大的新產(chǎn)業(yè)，即無人駕駛汽車產(chǎn)業(yè)。這個產(chǎn)業(yè)的規(guī)模也將是萬億級甚至是10萬億級的。而且，這個產(chǎn)業(yè)還將與新能源產(chǎn)業(yè)疊加、融合在一起，形成“車聯(lián)網(wǎng)＋能聯(lián)網(wǎng)＋互聯(lián)網(wǎng)＋電動汽車”的復合產(chǎn)業(yè)——未來，我們會把插電式汽車和氫燃料汽車作為發(fā)電廠使用，從而使新能源汽車成為電網(wǎng)的一部分，成為新能源的供給者，與現(xiàn)在一些裝有太陽能發(fā)電系統(tǒng)的房屋是太陽能的供給者一樣。

毫無疑問，與互聯(lián)網(wǎng)一樣，智能技術會向幾乎所有舊產(chǎn)業(yè)滲透。華泰證券在一份人工智能產(chǎn)業(yè)的研究報告中提及了九大行業(yè)：生活服務O2O、醫(yī)療、零售業(yè)、金融業(yè)、數(shù)字營銷業(yè)、農(nóng)業(yè)、工業(yè)、商業(yè)和在線教育。實際上，將獲得新生的舊產(chǎn)業(yè)還有許多，如軍事、傳媒、家居、醫(yī)療健康業(yè)、生命科學、能源、公共部門……甚至包括受VR/AR（虛擬現(xiàn)實與增強現(xiàn)實）技術發(fā)展影響而產(chǎn)生的虛擬產(chǎn)業(yè)。