凱文凱利說“人工智能是下一個顛覆人類社會的東西”。據BBC預測 到2020年 全球人工智能市場規模將達1190億人民幣 人工智能將成為未來的產業新風口似乎已成不爭的事實。

距離1956年人工智能之父馬文明斯基提出“人工智能”的概念已整整過去了60年 其間商業化的浪潮一直遲遲未至。之前 盡管有微軟、谷歌、Facebook等大公司不斷投資人工智能技術 但大多把研究成果用于自身業務的優化與效率提升 未能激起多大的浪花。直至人機大戰重新奪回大眾的關注點 人們才意識到 人工智能商業化不知何時已悄然開始布局。

實際上 從圖像識別、語音識別的細分角度看 今天的人工智能商業化已經讓大眾受益頗豐。人工智能商業化的前提到底是什么？更快的計算機、更多的數據、更高級的算法……為了達到人工智能技術落地的可能 無數科學家試圖給出可行的方案。與此同時 市場也在用商業的力量和邏輯 加速人工智能產品迭代 掀起一番巨浪。

AI大潮下進擊的巨頭們

人機大戰折射出的現象是人工智能早已成為巨頭們發展的方向 “深度學習”成為競爭的焦點。事實上只有更多的開發者加入人工智能領域的研究、不斷推動技術進步 才能實現商業化的最終目標。因此可以說 谷歌大張旗鼓贏得與李世石的比賽 打響了巨頭們之間又一輪競賽的起跑槍。同樣斥巨資布局人工智能的還有Facebook、微軟、蘋果等多家商業巨頭。

蘋果公司早早推出了以Siri為代表的人工智能應用 通過收購和自主研發完成對人工智能的提前布局 在語音、圖像、機器學習都有產品覆蓋。相對于蘋果 谷歌和 Facebook在人工智能領域的努力更容易為外界所捕獲。

對于谷歌來說 AlphaGo只是其人工智能計劃的開端。除了AlphaGo 谷歌還推出了基于人工智能的新搜索算法的RankBrain 聯手福特研發了無人駕駛汽車、D－Wave量子計算機測試 并將人工智能融入聊天。后起之秀Facebook則于2015年6月在歐洲成立人工智能研究中心 試圖建造能夠理解海量數據的人工智能機器。

不同于谷歌和Facebook的吸睛 微軟在人工智能領域顯得十分低調 但其實早在1991年微軟便成立研究院 專攻人機交互、自然語言處理、機器學習、語音識別和語音合成、計算機視覺5個方向。而這些 不論是在學界或是業界 恰恰成為了人工智能最重要的分支。

細分市場再起風云

如若把人工智能具象化為“人體的延伸” 構造“眼耳鼻舌身意”則是邁向人工智能的系統性工程。在人類的各種感官中 視覺負責接受80%左右的信息。同理 計算機視覺也成為人工智能研究的重要方向。

這門致力于教會機器“看”的科學 實質上是讓攝影機和電腦代替人眼對目標進行識別、跟蹤和測量等機器視覺而后進行圖形處理 試圖從圖像或多維數據中獲取信息。計算機誕生50多年以來 計算機視覺經歷了從感知到認知的發展 主要有特征提娶圖像標注、圖像理解和圖像的深度理解4個階段。

計算機學會用人的方式看懂世界 將人從繁瑣的勞動中解放出來。無論是巨頭還是初創公司都企圖搶灘計算機視覺的商業化市場 尤其是2012年深度學習崛起后 不少該領域的創業公司大放異彩。

全球人工智能公司多專攻深度學習方向 而我國超過70%的公司主攻圖像或語音識別兩大類別。最早一批獲得投資人和市場認可的科技創業公司中就不乏圖像識別的佼佼者。

和計算機視覺一樣 自然語言處理也是人工智能的重要組成部分。計算機語言是人與計算機之間傳遞信息的媒介 計算機系統最大特征是指令通過一種語言傳達給機器。

Siri和小冰均是自然語言處理技術落地的產品 但用戶對其印象僅僅停留在娛樂層面 兩者在回答問題中還存在很多的問題。確切說 目前語音識別雖已達到很高水準 但是語義分析仍舊有很長的路要走。因此 在整體語音識別率差異較小的競爭環境中 語義分析的算法優劣和切入的使用場景就成為了NLP（Natural Language Processing） 產品最為重要的條件。

技術落地 哪些硬件奪人眼球？

無人駕駛、無人機和機器人領域就是結合了計算機視覺、語音識別及深度算法等技術呈現出來的人工智能商業化場景。

無人機近年來在無人機市場風頭正勁 同屬“無人系列”的智能汽車 無論是在經濟體量還是商業多樣性上更為熱鬧。從自動駕駛到無人駕駛 甚至是智能汽車領域的共享經濟思維 有關“自動駕駛”和“無人駕駛”的消息持續霸屏 熱度不減。

眼見無人機和無人駕駛的商業化之路不斷拓寬 機器人的商業場景路徑也愈發令人暢想。盡管學界對機器人的探索有共融機器人、機器人靈巧手、軟體機器人等多個研究方向 不過在機器人的商業化領域 產品的同質化嚴重 不少企業仍處于“摸著石頭過河”的階段。

人工智能的黃金時代已經到來 在這一波AI+的淘金熱中 關于人工智能的商業化場景 大企業和創業公司均躍躍欲試。想要夢想照進現實 或許還要等待上游技術的成熟和終端產品的優化。AI能夠＋出何種未來 值得期待。責任編輯：YYX