無論以何種標準衡量，人工智能(AI)都已成為一門大生意。

根據(jù)Gartner的數(shù)據(jù)，到2022年，全球客戶將在人工智能軟件上花費625億美元。報告還指出，48%的CIO已經(jīng)部署了某種人工智能軟件，或計劃在未來12個月內(nèi)部署。

所有這些投資吸引了大量專注于人工智能產(chǎn)品的初創(chuàng)公司。CBInsights報告稱，僅在2022年第一季度，人工智能融資就達到了151億美元。而在此之前的一個季度，投資者向人工智能初創(chuàng)公司投入了171億美元。鑒于數(shù)據(jù)驅(qū)動人工智能，數(shù)據(jù)分析、機器學習和商業(yè)智能等相關領域都出現(xiàn)快速增長也就不足為奇了。

但究竟什么是人工智能?為什么其會成為科技行業(yè)中如此重要且利潤豐厚的一部分?

什么是人工智能?

在某些方面，人工智能與自然智能相反。如果說生物天生具有智能，那么人造機器可以說是擁有人工智能。所以從某種角度來說，任何“會思考的機器”都具有人工智能。

事實上，人工智能的早期先驅(qū)之一——JohnMcCarthy，將人工智能定義為“制造智能機器的科學和工程”。

然而，在實踐中，計算機科學家使用人工智能這個術語來指代機器的思維方式，人類已經(jīng)把這種思維方式提升到了一個非常高的水平。

計算機非常擅長計算——接受輸入、操縱，并產(chǎn)生結果輸出。但在過去，其還無法完成其他人類擅長的工作，比如理解和生成語言、通過視覺識別物體、創(chuàng)造藝術或從過去的經(jīng)驗中學習。

但這一切都在改變。

現(xiàn)今，許多計算機系統(tǒng)能夠使用普通語言與人類交流。還可以識別人臉和其他物體。其使用機器學習技術，尤其是深度學習，使自己能夠從過去中學習并預測未來。

那么，人工智能是怎么走到這一步的呢?

人工智能簡史

許多人將人工智能的歷史追溯到1950年，當時AlanTuring發(fā)表了《計算機器與智能》。Turing的文章開頭寫到，“我提議考慮這個問題，‘機器會思考嗎?’”還提出了一個被稱為圖靈測試的場景。Turing提出，如果一個人不能把機器和人區(qū)分開來，那么計算機就可以被認為是智能的。

1956年，JohnMcCarthy和MarvinMinsky主持了第一次人工智能會議，即達特茅斯人工智能夏季研究項目(DSRPAI)。該會議讓計算機科學家相信，人工智能是一個可以實現(xiàn)的目標，為未來幾十年的進一步研究奠定了基礎。人工智能技術的早期嘗試開發(fā)出了能下西洋跳棋和國際象棋的機器人。

1960年代見證了機器人和一些解決問題的程序的發(fā)展。一個值得注意的亮點是ELIZA的創(chuàng)建，這是一個模擬心理治療的程序，為人機交流提供了一個早期的例子。

在1970和1980年代，人工智能的發(fā)展仍在繼續(xù)，但速度有所放緩。尤其機器人領域取得了重大進展，比如可以看到和行走的機器人。Mercedes-Benz推出了第一款(極其有限的)自動駕駛汽車。然而，政府對人工智能研究的資助大幅減少，導致了一段被稱為“人工智能寒冬”的時期。

1990年代，人們對人工智能的興趣再次激增?！叭斯ふZ言互聯(lián)網(wǎng)計算機實體”(ALICE)聊天機器人證明，自然語言處理可以帶來比ELIZA更自然的人機交流。這十年也見證了分析技術的激增，這為后來的人工智能發(fā)展奠定了基礎，以及第一個循環(huán)神經(jīng)網(wǎng)絡架構的發(fā)展。這也是IBM推出其DeepBlue國際象棋人工智能的十年，其是首個戰(zhàn)勝當前世界冠軍的人工智能。

2000年代的第一個十年見證了機器人技術的快速創(chuàng)新。第一批Roombas開始吸塵地毯，NASA發(fā)射的機器人探索火星。而在國內(nèi)，Google公司正在研發(fā)無人駕駛汽車。

自2010年以來，人工智能技術出現(xiàn)了前所未有的增長。硬件和軟件都發(fā)展到了可以實現(xiàn)物體識別、自然語言處理和語音助手的程度。IBM的Watson贏得了Jeopardy。Siri、Alexa和Cortana應運而生，聊天機器人成為了現(xiàn)代零售的固定設備。DeepMind的AlphaGo打敗了人類圍棋冠軍。所有行業(yè)的企業(yè)都開始部署人工智能工具來幫助分析數(shù)據(jù)，并取得更大的成功。

現(xiàn)在，人工智能真正開始進化，超越一些狹窄和有限的類型，演變?yōu)楦呒壍膶崿F(xiàn)。

人工智能的類型

不同的計算機科學家小組提出了不同的方法來分類人工智能的類型。一種流行的分類使用三個類別:

1.狹義的人工智能在一件事上做得非常好。蘋果的Siri、IBM的Watson、Google的AlphaGo都是NarrowAI的例子。狹義的人工智能在當今世界相當普遍。

2.通用人工智能是人工智能的一種理論形式，其可以與人類一樣執(zhí)行大多數(shù)智能任務。流行電影中的例子可能包括《2001太空漫游》中的HAL或《鋼鐵俠》中的J.A.R.V.I.S。許多研究人員目前正致力于開發(fā)通用人工智能。

3.超級人工智能，仍然處于理論階段，其智力遠遠超過人類。這種人工智能還沒有接近成為現(xiàn)實。

另一個流行的分類使用了四個不同的類別:

1.反應式機器接收輸入并提供輸出，但它們沒有任何記憶或從過去的經(jīng)驗中學習。在許多電子游戲中對抗的機器人就是反應性機器的典型例子。

2.內(nèi)存有限的機器可以回溯過去。當今道路上的許多車輛都具有屬于此類的先進安全功能。例如，如果有汽車在車輛或人員即將超過時，發(fā)出備份警告，那么其使用的是一組有限的歷史數(shù)據(jù)來得出結論并提供輸出。

3.心智機器理論意識到人類和其他實體的存在，并有自己獨立的動機。大多數(shù)研究人員都認同，這種人工智能尚未開發(fā)出來，一些研究人員表示不應該嘗試這樣做。

4.有自我意識的機器知道自己的存在和身份。盡管一些研究人員聲稱，具有自我意識的人工智能如今已經(jīng)存在，但只有少數(shù)人認同這一觀點。開發(fā)具有自我意識的人工智能存在很大爭議。

雖然從理論角度來看這些分類很有趣，但大多數(shù)組織更感興趣的是可以用人工智能做什么。這將我們帶到了產(chǎn)生大量收入的人工智能方面——人工智能用例。

人工智能的用例

人工智能可能的AI用例和應用是無限的。當今一些最常見的AI用例包括：

推薦引擎——無論是購買一件新毛衣、找一部電影看、瀏覽社交媒體還是試圖尋找真愛，我們都可能會遇到一個基于人工智能的算法，其會給出建議。大多數(shù)推薦引擎使用機器學習模型將用戶的特征和歷史行為與周圍的人進行比較。即使用戶自己不知道這些偏好，這些模型也能很好地識別偏好。

自然語言處理——自然語言處理(NLP)是一個廣泛的人工智能類別，包括語音到文本、文本到語音、關鍵字識別、信息提取、翻譯和語言生成。其允許人類和計算機通過普通的人類語言(音頻或打字)進行交互，而不是通過編程語言。由于許多NLP工具都包含了機器學習功能，因此它們往往會隨著時間的推移而改進。

情感分析——人工智能不僅可以理解人類語言，還可以識別支撐人類對話的情感。例如，人工智能可以分析數(shù)千個技術支持對話或社交媒體互動，并識別出哪些客戶正在經(jīng)歷強烈的積極或消極情緒。這種類型的分析可以讓客戶支持團隊專注于那些可能有叛變風險的客戶和/或可能被鼓勵成為品牌倡導者的極度熱情的支持者。

語音助手——很多人每天都與Siri、Alexa、Cortana或Google互動。雖然我們經(jīng)常認為這些助手是理所當然的，但其融合了先進的人工智能技術，包括自然語言處理和機器學習。

欺詐預防——金融服務公司和零售商經(jīng)常使用高度先進的機器學習技術來識別欺詐交易。其在金融數(shù)據(jù)中尋找模式，當交易看起來異常或符合已知的欺詐模式時，就會發(fā)出警報，以阻止或減輕犯罪活動。

圖像識別——很多人都使用基于人工智能的面部識別來解鎖手機。這種人工智能還支持自動駕駛汽車，并允許自動處理許多與健康有關的掃描和測試。

預測性維護——許多行業(yè)，如制造、石油和天然氣、運輸和能源嚴重依賴機械。當機械停機時，成本可能會非常高。目前，企業(yè)正在結合使用目標識別和機器學習技術，來提前識別設備可能發(fā)生故障的時間，以便在故障最小化的時間安排維修。

預測分析和禁止分析——預測算法可以分析任何類型的業(yè)務數(shù)據(jù)，并將其用作預測未來可能發(fā)生事件的基礎。規(guī)范性分析還處于起步階段，其更進一步，不僅可以做出預測，還可以提供建議，告知組織應該為可能發(fā)生的未來事件做好準備。

自動駕駛汽車——當今生產(chǎn)的大多數(shù)汽車都具有一些自動駕駛功能，如停車輔助、車道居中和自適應巡航。雖然完全自動駕駛汽車仍然很昂貴，且相對稀少，但已經(jīng)在路上，并且驅(qū)動其的人工智能技術正在變得越來越好，越來越便宜。

機器人技術——工業(yè)機器人是人工智能最早的應用之一，其仍然是人工智能市場的重要組成部分。消費型機器人，如機器人吸塵器、調(diào)酒師和割草機，正變得越來越普遍。

當然，這些只是人工智能的一些廣為人知的用例?？萍颊匀绱硕嗟姆绞綕B透到我們的日常生活中，以至于我們常常沒有完全意識到它們。

人工智能的未來

那么，人工智能的未來在哪里?顯然，其正在重塑消費者和商業(yè)市場。

推動人工智能的技術繼續(xù)以穩(wěn)定的速度發(fā)展。量子計算等未來的進步可能最終會帶來重大的創(chuàng)新，但在近期內(nèi)，這項技術本身似乎很可能會沿著一條可預測的不斷改進的道路繼續(xù)前進。

目前尚不清楚的是人類將如何適應人工智能。這個問題對未來幾十年的人類生活產(chǎn)生了重大影響。

許多早期的AI實現(xiàn)都遇到了重大挑戰(zhàn)。在某些情況下，用于訓練模型的數(shù)據(jù)會讓偏差感染AI系統(tǒng)，導致其無法使用。

在其他許多情況下，企業(yè)在部署AI后并沒有看到希望的財務結果。技術可能已經(jīng)成熟，但圍繞其的業(yè)務流程卻還不成熟。

Gartner高級研究總監(jiān)Alys Woodward表示:“人工智能軟件市場正在加速發(fā)展，但其長期發(fā)展軌跡將取決于企業(yè)能否提高其人工智能成熟度。”

Woodware補充道:“成功的AI業(yè)務成果將取決于對用例的謹慎選擇。提供重大業(yè)務價值的用例，同時可以通過擴展來降低風險，這對于展示AI投資對業(yè)務利益相關者的影響至關重要。”

組織正在轉(zhuǎn)向使用AIOps等方法來幫助更好地管理AI部署。他們越來越多地尋找以人為中心的人工智能，利用人工智能來增強而不是取代人類工人。

在非?，F(xiàn)實的意義上，人工智能的未來可能更多地是關于人，而不是機器。