对于人工智能的未来发展，你有什么看法

随着大数据相关技术的发展，人工智能领域也迎来了前所未有的发展机遇，由于市场对于人工智能产品的呼声比较高，大量的科技公司都把人工智能作为一个重要的发展方向，因此人工智能的相关人才也得到了市场的追捧。目前，已经有不少高校陆续开始在本科阶段开设人工智能专业了，相信未来人工智能人才短缺的问题会得到一定的缓解。

虽然市场对于人工智能产品的呼声比较高，但是人工智能自身的发展却需要一个科学的过程。人工智能的研究已经有了60多年的历史，但是由于人工智能是一个典型的交叉学科，所以整体的进展还是比较缓慢的，目前人工智能依然处在行业发展的初期，人工智能领域依然有大量的课题需要攻克，另外还面临着落地应用的问题。

未来人工智能的发展应该有以下几个特征：

第一：行业应用会逐渐促进人工智能发展。随着产业互联网的发展，大数据、物联网、人工智能等相关技术会陆续落地到广大的传统行业，这个过程会不断的促进人工智能的发展。基于场景的智能化应用将是未来一个重要的领域，包括生产、仓储、物流等领域。

第二：智能体会逐步替代一些传统岗位。人工智能的发展会逐步替代掉一些传统岗位，首先被替代的岗位往往具有劳动强度大、附加值低、重复率高、规则清晰、危险系数高等特点，通常情况下，这些岗位目前也存在用工难的问题。智能体的不断发展必然会促进产业结构升级和人才结构升级，智能体也必将会提升社会生产力。

第三：智能体未来将广泛存在于社会的各个领域。随着大数据、物联网、云计算等技术的不断发展，人工智能产品的应用环境也会逐渐成熟，在这种情况下，人工智能固有的应用场景将被逐渐打破，智能体将承担更多的社会分工。

我从事互联网行业多年，目前也在带计算机专业的研究生，主要的研究方向集中在大数据和人工智能领域，我会陆续写一些关于互联网技术方面的文章，感兴趣的朋友可以关注我，相信一定会有所收获。

如果有互联网方面的问题，也可以咨询我，谢谢！

人工智能人才分布在哪些领域

看看实际应用，就知道人工智能领域。

1、虚拟个人助理

经常使用手机的你一定对GoogleNow和Cortana这些虚拟个人助理不会陌生。只要你说出命令，他们就会帮助你找到有用的信息。例如，你可以问“最近的川菜馆在哪儿？”，“我今天的日程有什么安排？”，“提醒我八点钟给某某某打电话”，然后，虚拟个人助理就可以通过查询信息，然后向手机中的其他app发送对应的信息来完成指令。

这一看似简单的过程实际上就有人工智能的介入，并且扮演着重要的角色。在语音唤醒虚拟个人助理的时候，人工智能会收集你的指令信息，利用该信息进一步识别你的语音，并为你提供个性化的结果，最终会让你觉得越来越好用，达成越用越好用的结果。微软表示，自家的Cortana（中文名叫小娜）可以“不断了解用户”，最终将培养出预测用户需求的能力。

2、智能汽车

你可能还没看到有人上班一边开车，一边看报纸，但自动驾驶汽车确实越来越接近现实。Google旗下的自动驾驶汽车项目和特斯拉的“自动驾驶”功能是最新的两个例子。自动驾驶技术毫无疑问是基于人工智能之上的技术，并且目前发展速度极为迅猛。从英特尔今年年初收购以色列自动驾驶汽车公司Mobileye可见一斑。

今年早些时候华盛顿邮报还有过报道，称Google开发了一种算法，能让自动驾驶汽车像人类一样学习驾驶技术。由于人工智能可以学会玩简单的视频游戏，Google让自动驾驶汽车上路前也测试相同的智能游戏。整个项目的构思在于，汽车最终能够“认清”面前的道路，并根据它所看到的内容做出相应的决策，帮助它在行驶的过程中学习经验。虽然特斯拉的自动驾驶仪功能没有这么先进，但它已经上路使用，同时这也表明此类技术肯定会蓬勃发展。

3、在线客服

现在，许多网站都提供用户与客服在线聊天的窗口，但其实并不是每个网站都有一个真人提供实时服务。在很多情况下，和你对话的仅仅只是一个初级AI。大多聊天机器人无异于自动应答器，但是其中一些能够从网站里学习知识，在用户有需求时将其呈现在用户面前。

最有趣也最困难的是，这些聊天机器人必须擅于理解自然语言。显然，与人沟通的方式和与电脑沟通的方式截然不同。所以这项技术十分依赖自然语言处理（NLP）技术，一旦这些机器人能够理解不同的语言表达方式中所包含的实际目的，那么很大程度上就可以用于代替人工服务。

4、购买预测

如果京东、天猫和亚马逊这样的大型零售商能够提前预见到客户的需求，那么收入一定有大幅度的增加。亚马逊目前正在研究这样一个的预期运输项目：在你下单之前就将商品运到送货车上，这样当你下单的时候甚至可以在几分钟内收到商品。毫无疑问这项技术需要人工智能来参与，需要对每一位用户的地址、购买偏好、愿望清单等等数据进行深层次的分析之后才能够得出可靠性较高的结果。

虽然这项技术尚未实现，不过也表现了一种增加销量的思路，并且衍生了许多别的做法，包括送特定类型的优惠券、特殊的打折计划、有针对性的广告，在顾客住处附近的仓库存放他们可能购买的产品。这种人工智能应用颇具争议性，毕竟使用预测分析存在隐私违规的嫌疑，许多人对此颇感忧虑。

5、音乐和电影推荐服务

与其他人工智能系统相比，这种服务比较简单。但是，这项技术会大幅度提高生活品质的改善。如果你用过网易云音乐这款产品，一定会惊叹于私人FM和每日音乐推荐与你喜欢的歌曲的契合度。从前，想要听点好听的新歌很难，要么是从喜欢的歌手里找，要么是从朋友的歌单里去淘，但是往往未必有效。喜欢一个人的一首歌不代表喜欢这个人的所有歌，另外有的时候我们自己也不知道为什么会喜欢一首歌、讨厌一首歌。

而在有人工智能的介入之后，这一问题就有了解决办法。也许你自己不知道到底喜欢包含哪些元素的歌曲，但是人工智能通过分析你喜欢的音乐可以找到其中的共性，并且可以从庞大的歌曲库中筛选出来你所喜欢的部分，这比最资深的音乐人都要强大。电影推荐也是相同的原理，对你过去喜欢的影片了解越多，就越了解你的偏好，从而推荐出你真正喜欢的电影。

6、智能家居设备

许多智能家居设备都拥有学习用户行为模式的能力，并通过调整温度调节器或其他设备来帮助节省资金，不仅便利、还节能。例如，屋主外出工作，设备自动打开烤箱，无须等到回家再启动，这一点非常方便。人工智能知道主人什么时候回家，就能相应的提前调整温度，而出门在外时则自动关闭设备，这样可以省下不少钱。

另一项家居设备也有人工智能的身影——照明。通过设置默认值和偏好，设备可根据你的位置和你正在做的事调整房子（内部和外部）周围的灯光。例如，看电视就暗一些，烹饪时较明亮，吃饭则亮度适中。智能家居的AI，只要你敢想，没有什么做不到。

7、大型游戏

游戏AI可能是大多数人最早接触的的AI实例。从第一款大型游戏到现在，AI已经应用了很长时间。最早期的AI甚至不能称为AI，只会根据程序设定进行相应的行为，完全不考虑玩家的反应。不过最近几年里，游戏AI的复杂性和有效性却迅猛发展。现在大型游戏中的角色能够揣摩玩家的行为，做出一些难以预料的反应。

像《孤岛惊魂》(FarCry)和《使命召唤》（CallofDuty）这种第一人称射击游戏也能很好地利用AI。敌人可以分析玩家的环境，追踪可能生存的目标。敌人也会找掩护，追踪声音，侧翼攻击，以增加胜利的可能。虽然就AI技术本身而言，在游戏中的应用有点大材小用，但是由于行业市场巨大，每年都有大量精力和资金投入其中来完善这种技术。

8、欺诈检测

你有没有收到过电子邮件或信件——询问你是否用信用卡进行了某些产品支付？如果用户的帐户存在被欺诈的风险，银行会发送此类信件，希望在汇款前确认用户个人已同意支付。人工智能通常部署来监控这种欺诈行为。

一般来说，先将大量欺诈和非欺诈性交易样本数据输入电脑，然后命令电脑分析数据，发现交易中不同类别的情况。经过足够的训练，电脑系统就将能够利用所学和种种迹象辨认出欺诈性交易。

9、安全监控

随着人们对于安全问题越来越重视，监控摄像头也越来越普及，在方便了场景记录和重现之外，也出现了新的挑战：监控摄像头所拍摄的内容仍然需要人工监测。用人力来同时监控多个摄像头传输的画面，非常容易疲倦，同时也容易出现发现不及时或者判断失误的情况。因为，非常有必要在监控摄像头系统中引入人工智能技术，借助人工智能来进行24小时无间断的持续监控。例如，利用人工智能来判断画面中是否出现异常人员，如果发现可以及时通知安保人员。

当然，目前能够实现的技术还十分有限。比如，电脑看到闪光的颜色，可能表明有人入侵或在校园周围游荡，但是识别的精确度仍然有待力高。另外，由于当前技术的限制，识别特定行为依旧比较困难，比如商店中的小偷小摸行为。但在相信在不久的将来，这种技术的改善绝非难事。

10、新闻生成

人工智能程序可以写新闻？听起来似乎很不可思议，但是这就是现实！根据美国Wired杂志统计，美联社，福克斯和雅虎都已经在利用人工智能来编写文章，例如财务摘要、体育新闻回顾和日常报道。目前，人工智能还没有涉及调查类文章，但是如果内容不是太复杂、相对简单，人工智能完全可以搞定。从这个角度来说，电子商务、金融服务、房地产和其他数据驱动型行业都可以从人工智能中受益良多

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。”

人工智能主要是哪几个应用部分

人工智能学科研究的主要内容包括：

知识表示、自动推理和搜索方法、机器学习和知识获取、知识处理系统、自然语言理解、计算机视觉、智能机器人、自动程序设计等方面。

人工智能具有广阔的前景，日前AI+已经成为公司，发展至今，下面是人工智能应用最多的几大场景。家居智能家居主要是基于物联网技术，通过智能硬件、软件系统、云计算平台构成一套完整的家居生态圈。

用户可以进行远程控制设备，设备间可以互联互通，并进行自我学习等，来整体优化家居环境的安全性、节能性、便捷性等。

值得一提的是，近两年随着智能语音技术的发展，智能音箱成为一个爆发点。

人工智能技术有哪些

现在人工智能的类型太多了，随着人工智能的普及，应用范围的拓展，还将进入更多的领域。

现在人工智能所涉及的学科有：认知科学，数学，神经生理学，信息论，控制论，不定性论，计算机科学，心理学，哲学，语言，自然科学和社会科学等等几乎所有的学科。

应用领域有：翻译，智能控制，专家系统，机器人学，语言，图像理解，遗传编程，自动程序设计，大信息的处理，储存，管理，执行一些生命体无法执行的任务，或者复杂的和规模庞大的任务等等。

具体应用方面有：网络，工业，农业，航空航天，军事，自然，家庭，个人等等，各行各业都有人工智能的身影。