自动驾驶技术能应用到哪些领域当中

说起自动驾驶技术我想大多数人的第一反应应该是美国大片中应用了各种“黑科技”的智能飞机、汽车吧，比如蝙蝠侠的蝙蝠战车、钢铁侠的钢铁战衣，听到主人指令之后能够进行各种炫酷的操作。这种自动驾驶技术目前在汽车、飞机上都有一定程度的应用，虽然远不及美国大片中的那般神奇，但是也已经慢慢融入到我们生活之中了。

举个例子，前几天我们刚刚度过了网购狂欢节双11，这可能是快递公司一年之中最忙碌的时候，大量的快递包裹需要人工分拣、配送，如果这时候能有引用了自动驾驶技术的机器人帮忙，那么这种重复的机械工作就不需要人工来处理了。

现在目前国内知名的物流公司基本上都在研究这方面的技术，比如京东就成立了一个“X事业部”专门打造京东的无人科技，在仓储方面配备了分拣机器人、搬运机器人形成了一个无人仓的体系。在配送方面应用了装在自动驾驶技术的配送车、无人机，配送车在校园、社区这样相对封闭的环境中还是能大展拳脚的，不知道在以后会不会出现能够应付繁华街道的那种无人配送车。无人机就更高端了，不用绕路直接送货到家，但是续航、导航问题估计也是一个难关，看看以后会有什么进展吧。

除了物流配送这一块，京东X事业部还研发了一款智能跟随机器人。这种机器人一般是应用在超市、便利店里，相当于给顾客置办了一个贴身小管家，可以向他查询促销信息、商品位置，最重要的是它可以跟在身边帮我们拿东西，对于我这种懒癌患者来说可真是太方便了。但是毕竟我还没在超市里遇到过这种高科技产物，不知道它的避障效果怎么样？如果有调皮的小孩故意拦着它，它还能跟着我走么？想想好像还挺好玩的啊~（捂脸）

人工智能的主要应用领域有哪些

人工智能是一门贯穿性的综合学科，主要包含计算机、控制论、信息论、神经生理学、语言学，人工智能是从计算机应用系统角度出发，研究如何制造出人造的智能机器或智能系统，来模拟人类类智能活动的能，来延伸人类智能科学

人工智能的应用实例：指纹识别、人脸识别、视网膜识别、虹膜识别、专家系统、智能搜索和博弈等

目前人工智能应用领域比较多，具体如下：

机器人领域：人工智能机器人，如RET聊天机器人，它能理解人的语言，用人类语言进行对话，并能够用特定传感器采集分析出现的情况调整自己的动作来达到特定目的

语言识别领域：该领域其实与机器人领域有交叉，设计的应用是把语言和声音转换成可处理的信息，如语音开锁、语音邮件以及未来的计算机输入等方面

图像识别领域：利用计算机进行图像处理、分析和理解，以识别各种不同模式的目标和对象的技术；例如人脸识别，汽车牌号识别等。

专家系统：具有专门知识和经验的计算机智能程序系统，后台采用的数据库相当于人脑，具有丰富的知识储备，采用数据库中的知识数据和知识推理技术来模拟专家解决复杂问题

人工智能在金融领域有哪些应用场景和作用

传统金融如何利用数据？

所谓前事不忘后事之师，在了解AI对传统金融行业带来的影响之前，我们可以借鉴以往的经验，看看传统金融行业对现有数据的利用情况。

在过去的几十年甚至百十年中，无数的银行家，金融工程师，数据分析师，金融从业者为我们设计了很多非常便利方便的金融产品，比如信用卡业务，个人贷款业务，在这些产品迭代的过程中他们形成了非常严谨的迭代和风险控制的方案。

他们所利用数据的特点是针对这些金融产品业务区分能力强，但是覆盖人群相对较低。

就如上图所示的冰山，传统金融行业对数据的利用率只有10%左右，而Fintech公司需要做的就是挖掘那些隐藏在冰山之下的数据，把金融产品带给更广泛的人群。

互联网金融怎么做？

随着大数据解决方案的普及，我们可以搜集更多维度的数据来更精细的进行用户画像，包括利用一些行业数据，用户的互联网浏览数据，司法执行数据，第三方信用数据，出行数据，电商平台的交易数据，电话通讯数据和社交数据。这些数据的覆盖人群会远远超过现有的金融行业所使用的数据。

而AI就是对这些数据进行组合，从而挖掘出有效的特征。

如何利用好这些维度很高的数据，需要一个智能的解决方案。因为这些数据大多是非结构化的数据，可能来自邮件、视频、文本、语音、点击浏览行为、社交网络等多种渠道。数据的量级和清洗是一个重要的环节。

而大数据的一些解决方案为我们提供了较好的基础设施。

关于AI

在此之上人工智能可以带给我们大量的自动的规则学习，同时带给我们更加强大的表达能力，而不仅仅是一些线性模型。当我们加入更多数据的时候，关于人的描述已经上升到更高维度的空间中，这时，我们就需要表达能力更强的模型，比如GBDT的模型，有几千个有权重的子树，比如深度学习网络，多层的神经元通过加工，自动抽取最优组合。

一个传统的贷款业务可能需要2-3天来审批，而一个基于人工智能模型的自动审批方案可能只需要几秒钟就可以完成。同时有些传统风控模型的迭代周期可能要数个月甚至数年，但是人工智能的模型迭代可以非常便捷和自动。

AI所做的就是极大简化这个过程，提高效率，同时可以大大提高模型验证和迭代的速度。

AIinDianrong

在点融，我们应用于风控的人工智能解决方案主要有以下三个部分：

数据搜集和处理

风险控制和预测模型

信用评级和风险定价

便利可扩展的数据存储和处理方案是重要的基础架构。

各种非结构化数据到结构化数据的灵活转换是保证应用的重要一环。

欺诈的识别是风险控制的第一步，如果利用第三方数据高准确度地识别一些有欺诈嫌疑的用户是这一个环节需要解决的问题。

灵活地支持人工智能的风控引擎和规则引擎是保证人工智能应用的业务的重要工具。点融的规则引擎同时可以支持简单的条件规则、也可以支持决策树的规则，以及更加复杂的GBDT和深度神经网络模型。

通过知识图谱我们可以将人群的关系更直接地映射到图数据里，通过这些关系的远近、和异常拓扑结构的识别，我们可以发现更多更深层次的风险模式，通过识别这些模式可以有效地减少团伙欺诈。

在风险级别识别和风险定价的模块里。我们会结合三类打分板:专家打分板，传统的逻辑回归打分板以及人工智能打分板在不同场景下针对用户进行不同级别的人群划分。针对不同级别的人群和不同产品的需求我们会试算出针对于该风险人群的定价。

我们点融也在积极地将人工智能模型作为主要风控手段迭代改进自己的系统中。

同时我们也在应用深度学习解决一些业务冷启动的问题。利用transferlearning我们可以大大加快模型在新业务数据不足的情况下收敛的速度。

总结

最后引用薛贵荣博士的博客中一段话：

“基于实例的迁移学习的基本思想是，尽管辅助训练数据和源训练数据或多或少会有些不同，但是辅助训练数据中应该还是会存在一部分比较适合用来训练一个有效的分类模型，并且适应测试数据。于是，我们的目标就是从辅助训练数据中找出那些适合测试数据的实例，并将这些实例迁移到源训练数据的学习中去。”

人工智能有哪些应用场景

谢邀

老僧刚看完李开复的《人工智能》，书里关于AI如何重塑个人、商业与社会的未来图谱讲得蛮透彻，推荐给题主~

其实，人工智能主要有四大功能：语音识别、自然语言理解、数据挖掘、计算机视觉。像天猫精灵、无人驾驶汽车、淘宝给你推荐你感兴趣的商品……所有AI应用场景几乎都是基于这四大功能。

AI具体的应用场景很多，像自动驾驶、医疗、安防、教育、娱乐、家居、金融、电商零售等，老僧就不一一讲了，随便说几个。

1、自动驾驶

自动驾驶主要依靠车内的以计算机系统为主的智能驾驶仪，来实现包括道路行驶、地貌识别、导航定位、车道识别、交通控制、停车等多个功能，最终完成无人驾驶的目标。

2、AI医疗

AI医疗领域其实挺广的，虚拟助手、医疗影像、医用机器人、智能健康管理、智能影像识别、智能药物研发等都在AI医疗射程范围之内。例如阿里云AI诊断最新技术，新冠肺炎CT影像识别准确率高达96%，识别速度相比医生肉眼识别提高了近30倍。

3、AI安防

AI安防的具体应用包括区域人群监控、客流统计、身份认证的人脸识别、道路监控的车辆识别、案情分析系统等一系列场景，虽然听起来离我们挺遥远，但是一个城市大脑就全覆盖了～

4、AI教育

AI教育，包括自适应学习、虚拟学习助手、智能评测、个性化辅导、儿童陪伴等。家里有小朋友应该比较熟悉，主打利用人工智能因材施教的学吧课堂、科大讯飞、云知声等等都是AI教育的具体应用。

不管是何种应用场景，人工智能都将给用户继续带来全新的体验，而这种新体验的背后带来的是效率的提升，以及行业的巨大变革。