智能制造網APP
智能制造網手機站
智能制造網小程序
智能制造網官微
智能制造網服務號
智能控制
機器人
儀器儀表
物聯網
3D打印
工業軟件
回放
品牌
其他品牌
5大因素遠程助攻 人工智能或將顛覆科技行業
人工智能從上世紀八十年代開始興起，許多初創公司、政府、以及大型企業都開始部署人工智能系統，來處理過去由人類專家執行的任務。相比于傳統的編程語言，這些系統大多基于行為規則，然后形成“記憶”，人工智能系統可以處理更多計算密集型任務，比如機器學習，規劃和調度，以及自然語言處理等。在如今這個大數據世代，很多人相信人工智能已經徹底顛覆了科技行業。
不過，在人工智能發展的過程中，它的核心要素并沒有發生太大變化。舉個例子，NASA 在上世紀八十年代末到九十年代推出的航天飛機計劃，結果整個產業鏈都成功實現了商業化，包括無人駕駛探測器、太空望遠鏡、空間站、以及行星探測器等。甚至有些技術也應用在了 ERP 行業和電商、客戶關系管理和廣告市場營銷應用領域里。近幾年，人工智能技術還在其他很多行業內得到了廣泛應用，包括：
生命科學：人工智能可以學習臨床試驗數據，然后為患者匹配合適的治療藥物，或是尋找理想的醫生。
網絡安全系統：人工智能可以預測企業網絡的潛在危險(至少能告訴企業該在什么地方買保險)。
物聯網系統：基于 RFID 標簽，人工智能可以對資產位置變化做出反應，而且還能預測、分析某些特定場景，防止犯罪。
此外，許多人們日常交互，且耳熟能詳的系統也采用了人工智能技術，比如蘋果的 Siri 和亞馬遜的 Alexa 可以收聽我們的語音指令，亞馬遜網站可以智能推薦商品，Netflix 可以按照用戶喜好推送節目，自動泊車和無人駕駛系統，能夠下象棋和圍棋計算機等等。
人工智能的用例其實還有很多，事實上，在人工智能發展的近四十年時間里，一直有五大核心要素在支撐整個行業，連接各個技術節點。人工智能應用程序吸收海量數據，對周圍環境做出反應，通過學習提升適應度、實現更好的表現，同步服務系統和用戶。
一、強化吸收數據
基于數據強化的人工智能系統需要和海量數據進行交互，他們通常會高速獲取數十億量級的信息記錄。對于人工智能系統來說，實時吸收數據是它們具備的技能之一，此外還需要獲取不間斷的流媒體數據(絕大多數都是小數據模塊，比如物聯網傳感器評估)和批量數據(一些大數據模塊，比如系統數據庫內的歷史數據表)。
二、自適應性
利用機器學習技術，自適應的應用程序可以進行自我優化。隨著時間的推移，他們會分析工作處理的結果，然后學習如何做的更好。機器學習的工作流程需要數據科學家進行模型選擇，這涉及到一整套迭代流程，包括特征工程、算法選擇、以及參數調整。開發人員之后會把機器學習模型部署到應用程序內部，再導入新數據，該模型會進行數據分類，在按照分類分析處理行為。后，這些部署了機器學習的應用程序會“回顧”自己的處理結果，再利用這些結果數據重新進行訓練。
三、反應性
現代人工智能系統可以根據周圍環境情況，實時做出變化反應。傳統應用程序更多的是基于批處理模式——你安排應用程序執行任務，它們運行，然后存儲處理結果，后關閉程序。而人工智能應用程序則會不斷監測他們的輸入(通常來自于各種流媒體數據平臺)，然后根據實際情況執行操作，人工智能程序會自動調用程序、規則和行為，然后自己做出決策。簡單的說，人工智能系統會一直處于運轉之中，然后根據不同的輸入做出反應。
四、前瞻性
許多人工智能系統不僅僅具備反應性，他們可以規劃未來，執行佳的行動計劃。事實上，系統規劃、游戲規劃、甚至是語言分析系統，都需要一個前瞻性的解決方案。這些系統必須要具備根據不同場景(情況)隨時切換輸入數據的能力。舉個例子，人工智能會及時獲取天氣預報數據，并以此分析是否會延誤來自中國的海運或航運發貨，一旦發貨延遲，是否會對美國的制造進度計劃產生影響，是否需要重新優化生產計劃。
五、并發性
人工智能系統，其實就像傳統應用程序一樣，必須支持同時處理多個用戶或多個系統。通過在操作系統和數據庫領域里開發分布式系統，人工智能系統需要不斷確保執行傳統數據庫事務的四要素原則(ACID)：原子性、一致性、隔離性、以及持久性。
(原標題：五大支柱 解決人工智能創新問題)
浙公網安備 33010602000006號
智能制造網APP
智能制造網小程序
微信公眾號
