1、強化學習領域

強化學習是一種通過實驗和錯誤來學習的方法，它受人類學習新技能的過程啟發(fā)。在典型的強化學習案例中，我們讓試驗者通過觀察當前所處的狀態(tài)，進而采取行動使得反饋結果最大化。每執(zhí)行一次動作，試驗者都會收到來自環(huán)境的反饋信息，因此它能判斷這次動作帶來的效果是積極的還是消極的。

2、生成模型領域

人工智能通過對眾多樣本的采集，生成的模型具有很強的相似性。這就是說，若訓練數(shù)據(jù)是臉部的圖像，那么訓練后得到的模型也是類似于臉的合成圖片。

人工智能頂級專家 Ian Goodfellow為我們提出兩種新思路：一個是生成器，它負責將輸入的數(shù)據(jù)合成為新的內(nèi)容；另一個是判別器，負責判斷生成器生成內(nèi)容的真假。這樣一來，生成器必須反復學習合成的內(nèi)容，直到判別器無法區(qū)分生成器內(nèi)容的真?zhèn)巍?/p>

3、記憶網(wǎng)絡領域

為了讓人工智能系統(tǒng)像人類一樣適應各式各樣的環(huán)境，它們必須持續(xù)不斷地掌握新技能，并且學會應用這些技能。傳統(tǒng)的神經(jīng)網(wǎng)絡很難做到這些要求。比如，當一個神經(jīng)網(wǎng)絡對A任務完成訓練后，若是再訓練它解決B任務，則網(wǎng)絡模型就不再適用于A了。

目前，有一些網(wǎng)絡結構能夠讓模型具備不同程度的記憶能力。長短期記憶網(wǎng)絡可以處理和預測時間序列；漸進式神經(jīng)網(wǎng)絡，它學習各個獨立模型之間的橫向聯(lián)系并提取共同的特征，以此來完成新的任務。

4、數(shù)據(jù)學習領域

一直以來，深度學習模型都是我們需要用大量的訓練數(shù)據(jù)才能達到最佳的效果。離開大規(guī)模的訓練數(shù)據(jù)，深度學習模型就不會達到最理想的效果。比如，當我們用人工智能系統(tǒng)解決數(shù)據(jù)缺乏的任務時，這時就會出現(xiàn)各種各樣的問題。有種被稱為遷移學習的方法，就是把訓練好的模型遷移到新的任務中，這樣問題就迎刃而解了。

5、仿真環(huán)境領域

若要將人工智能系統(tǒng)應用到實際生活中，那么人工智能必須具有適用性的特點。因此，開發(fā)數(shù)字環(huán)境來模擬真實的物理世界和行為，將為我們提供測試人工智能的機會。在這些模擬環(huán)境中的訓練可以幫助我們很好的了解人工智能系統(tǒng)的學習原理，如何改進系統(tǒng)，也為我們提供了可以應用于真實環(huán)境的模型。

6、醫(yī)療技術領域

目前，在垂直領域的圖像算法和自然語言處理技術已可基本滿足醫(yī)療行業(yè)的需求，市場上出現(xiàn)了眾多技術服務商，例如提供智能醫(yī)學影像技術的德尚韻興，研發(fā)人工智能細胞識別醫(yī)學診斷系統(tǒng)的智微信科，提供智能輔助診斷服務平臺的若水醫(yī)療，統(tǒng)計及處理醫(yī)療數(shù)據(jù)的易通天下等。盡管智能醫(yī)療在輔助診療、疾病預測、醫(yī)療影像輔助診斷、藥物開發(fā)等方面發(fā)揮重要作用，但由于各醫(yī)院之間醫(yī)學影像數(shù)據(jù)、電子病歷等不流通，導致企業(yè)與醫(yī)院之間合作不透明等問題，使得技術發(fā)展與數(shù)據(jù)供給之間存在矛盾。

7、教育領域

科大訊飛、乂學教育等企業(yè)早已開始探索人工智能在教育領域的應用。通過圖像識別，可以進行機器批改試卷、識題答題等；通過語音識別可以糾正、改進發(fā)音；而人機交互可以進行在線答疑解惑等。AI 和教育的結合一定程度上可以改善教育行業(yè)師資分布不均衡、費用高昂等問題，從工具層面給師生提供更有效率的學習方式，但還不能對教育內(nèi)容產(chǎn)生較多實質性的影響。

8、物流管理領域

物流行業(yè)通過利用智能搜索、 推理規(guī)劃、計算機視覺以及智能機器人等技術在運輸、倉儲、配送裝卸等流程上已經(jīng)進行了自動化改造，能夠基本實現(xiàn)無人操作。比如利用大數(shù)據(jù)對商品進行智能配送規(guī)劃，優(yōu)化配置物流供給、需求匹配、物流資源等。目前物流行業(yè)大部分人力分布在“最后一公里”的配送環(huán)節(jié)，京東、蘇寧、菜鳥爭先研發(fā)無人車、無人機，力求搶占市場機會。

相關信息

• 深度資訊|新報告：人工智能應用邁向推廣期，醫(yī)療、教育備受期待

36氪2020年1月20日訊，當前，人工智能在中國處于試點階段，正向推廣階段穩(wěn)步邁進。艾媒咨詢最新發(fā)布的《2019年中國人工智能年度專題研究報告》指出，中國人工智能核心產(chǎn)業(yè)規(guī)模保持高增長趨勢，預計到2030年將突破10000億元。數(shù)據(jù)顯示，2014年至2018年，中國人工智能領域的融資實現(xiàn)了爆發(fā)式增長，2018年有超過1000家一級市場投資機構參與布局人工智能領域。然而，在2019年，該領域的投融資熱情大幅降低，交易量和交易金額均急劇下降，資本開始回歸理性，并向頭部企業(yè)聚集。目前，在人工智能的應用場景上，金融、教育、醫(yī)療、機器人、安防等都是比較火熱的細分領域。

• 研發(fā)視覺和人工智能應用，「敏越科技」為焊接機器人裝上“眼睛和大腦”

36氪2019年11月27日訊，機器人正在各行各業(yè)替代人力，焊接領域也不例外。焊接作為工業(yè)界的“裁縫”，重要程度不言而喻。但是焊接現(xiàn)場往往環(huán)境惡劣，煙塵、弧光、金屬飛濺嚴重傷害工人身體健康，同時工人也需要長時間的培訓和積累經(jīng)驗，才能達到生產(chǎn)工藝要求。因此越來越少的年輕人從事焊接工作，企業(yè)主普遍面臨用工難、成本高的問題。在此背景下，工業(yè)機器人在焊接行業(yè)中的使用率越來越高。目前，國內(nèi)工業(yè)機器人用量已超過 50 萬臺，其中，焊接機器人占比超過35%，未來中國焊接機器人的總量保守估計在 200 萬臺以上。

• “華為云杯”2021人工智能應用創(chuàng)新大賽 在蘇州華為云城市峰會上正式啟動

36氪訊，2021年4月22日，“蘇州·進而有為華為云城市峰會2021”首站在蘇州圓滿落幕。與此同時，由蘇州工業(yè)園區(qū)管委會指導，華為（蘇州）人工智能創(chuàng)新中心、蘇州工業(yè)園區(qū)科技發(fā)展有限公司共同主辦、中國科學院上海藥物研究所協(xié)辦的“華為云杯”2021人工智能應用創(chuàng)新大賽在人工智能高峰論壇上正式啟動。