自從1956年計算機專家約翰·麥卡錫提出“人工智能”一詞后，短短幾十年時間，便取得了令人驚訝的進展，從紙上藍圖迅速進入應用落地階段。2019年，在人工智能中占主導地位的技術都有哪些？今天就來盤點一下。

自然語言處理

一個完整的自然語言處理系統包含語音識別、語義識別、語音合成三部分。近二十年來，自然語言處理技術進步明顯，開始從實驗室走向市場。人們預計，未來10年內，語音識別、語義識別和語音合成技術將進入工業(yè)、家電、通信、汽車電子、醫(yī)療、家庭服務、消費電子產品等各個領域。

我國在語音識別技術方面優(yōu)勢明顯，出現了以科大訊飛、百度等為代表的優(yōu)秀AI企業(yè)。近兩年，科大訊飛除了在To B賽道上廣泛布局外，還推出了一系列主打C端的人工智能產品，如訊飛翻譯機、訊飛錄音筆、訊飛智能辦公本、訊飛超腦學習機和訊飛智能鼠標、阿爾法系列智能機器人等，涵蓋了日常生活，辦公、學習的方方面面。

2019年618和雙11期間，憑借良好的性能，高達98%的語音識別準確率及便捷的操控性，訊飛翻譯機力壓群雄，分別登上了天貓、京東兩大電商累計銷量和銷售額冠軍席位，意味著這家企業(yè)在自然語言處理和應用方面方面，已找到了很好的落地點。

計算機視覺

根據實際解決的問題，計算機視覺技術可分為人臉識別、圖像檢測、圖像檢索、目標跟蹤、風格遷移等幾大板塊。其中，人臉識別、圖像分類等功能計算機視覺技術已經比人類視覺更精準、更迅速。在醫(yī)院，一般早期食管癌檢出率低于10%而騰訊覓影通過掃描上消化道內鏡圖片篩查食管癌，檢出率高達90%，用時不到4秒。商湯科技宣稱，利用其計算機視覺技術，視頻內容審核能夠節(jié)省99%的人工。

雖然在解決識別、檢測、聚類等問題上，計算機視覺已經可以超越人類，但其發(fā)展仍面臨挑戰(zhàn)。

首先，缺乏可用于人工智能模型訓練的大規(guī)模數據集。其次，缺乏從技術到產品到規(guī)模化應用的工程化經驗。計算機視覺技術的應用已不再是單一的軟件應用，涉及到新型基礎架構，涉及到新的數據分析流程，還涉及到智能硬件如攝像頭的安裝等等。每一個環(huán)節(jié)都可能會影響識別效果。將這一技術從實驗室擴展到工業(yè)化應用的過程本身就是很大的挑戰(zhàn)。

知識圖譜

知識圖譜最初是由Google公司在2012年提出來的一個新的概念。從學術的角度，我們可以對知識圖譜給一個這樣的定義：“知識圖譜本質上是語義網絡（Semantic Network）的知識庫”。但這有點抽象，所以換個角度，從實際應用的角度出發(fā)其實可以簡單地把知識圖譜理解成多關系圖（Multi-relational Graph）。如果說以往的智能分析專注在每一個個體，知識圖譜則專注于這些個體之間的“關系”。知識圖譜用“圖”的表達形式，最有效、最直觀地表達出實體間的關系，是最接近真實世界、符合人類思維模式的數據組織結構。

相較于傳統的智能分析，知識圖譜是基于圖的數據結構，即知識圖譜需要從海量信息中抽去多個維度的特征信息，并在這些特征信息素材的基礎上，通過智能推理實現從數據到可視化圖像深加工，從而能夠直觀易懂的展現給用戶，并與用戶交互。

目前，知識圖譜主要應用于面向互聯網的搜索、推薦、問答等業(yè)務場景，成為以商業(yè)搜索引擎公司為首的互聯網公司重兵布局的人工智能技術之一。同時，也開始在金融、醫(yī)療、電商及公共安全保障等領域得到廣泛的探索。

機器學習

機器學習指的是計算機系統無須遵照顯式的程序指令，而只依靠數據來提升自身性能的能力。其核心在于，機器學習是從數據中自動發(fā)現模式，模式一旦被發(fā)現便可用于預測。比如，給予機器學習系統一個關于交易時間、商家、地點、價格及交易是否正當等信用卡交易信息的數據庫，系統就會學習到可用來預測信用卡欺詐的模式。處理的交易數據越多，預測就會越準確。

機器學習的應用范圍非常廣泛，針對那些產生龐大數據的活動，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。

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。

虛擬助理

虛擬助理是一種能與人類進行交互的計算機代理或程序，其中以聊天機器人最為著名，如我們熟知的蘋果產品中的Siri、微軟Cortana以及Google Assistant、Amazon Alexa等。虛擬助理多用于客戶服務和支持，并可以作為智能家居的管理者。

2019年，有研究機構交將上述產品放在一起測試，就正確率而言，Google Assistant勝出，達93%，Siri為83％，Alexa為80％。

Google Assistant 在回答商業(yè)類別查詢時表現最為突出，92％ 正確回答了有關產品和服務信息及在何處購買某些商品的更多問題，相比之下Siri只有68％和Alexa的71％。

深度學習平臺

一種特殊類型的機器學習，包括擁有多個抽象層的人工神經網絡。目前主要應用于由很龐大的數據集支持的模式識別和分類應用領域。代表性廠商包括：Deep Instinct、Ersatz Labs、Fluid AI、MathWorks、Peltarion、 Saffron Technology和Sentient Technologies。國內如百度、科大訊飛和騰訊等，也均推出有著自家技術特色的深度學習平臺。

決策管理

引擎將規(guī)則和邏輯嵌入到人工智能系統，并用于初始的設置/訓練和日常的維護和調優(yōu)。這是一項成熟的技術，應用于一系列廣泛的企業(yè)應用領域，協助或執(zhí)行自動決策。代表性廠商包括:Advanced Systems Concepts、Informatica、Maana、Pegasystems和UiPat。

生物特征識別技術

能夠支持人類與機器之間更自然的交互，包括但不限于圖像和觸摸識別、語音和身體語言。目前主要應用于市場研究。代表性廠商包括:3VR、Affectiva、Agnitio、FaceFirst、Sensory、Synqera和Tahzoo。

機器人流程自動化

使用腳本及其他方法，實現人類操作自動化，從而支持高效的業(yè)務流程。目前應用于人類執(zhí)行任務或流程成本太高或效率太低的地方。代表性廠商包括:Advanced Systems Concepts、Automation Anywhere、Blue Prism、UiPath和WorkFusion。