科学技术是第一生产力。

导读：上一篇文章曾经讲到因为机器学习的进步，人工智能技术近几年快速发展，尤其在弱人工智能领域，瓶颈不断被突破，出现了很多可以解决实际问题的方案。而通用人工智能的实现需要从根本上解决机器“学习”的问题，“乌鸦智能”的寻找还需要很长的路，所以我们依旧重点关注弱人工智能。而随着算力，算法的进步，以及爆炸性增长的数据量，某些领域弱人工智能已经能胜任一些人类的工作了，有的甚至比人干得更好。本篇将描述人工智能所带来的变革，尝试归纳目前AI技术在各个领域的应用情况，思考我们应该怎么应对各种变化。

一, 技术变革引领工业革命

科技的发展带来生产力的提高，行业更新换代，旧有的产业被打破，新的机会到来。以史为镜可以知兴废，我们又来看看历史。

1769年，瓦特改良了蒸汽机，发明了一种万用蒸汽机，引起了从手工劳动向动力机器生产转变的重大飞跃。在此之前，蒸汽机主要用于采矿，很难从一个厂矿拆下来用于其他地方，各个行业的动力输出主要靠人力。而基础物理的发展让人们能够更好的理解机械原理，万用蒸汽机的出现将机械动力带到了各个行业，蒸汽机驱动的新机械不断出现，采矿、冶炼、纺织、机器制造等各个行业开始变革，出现了 “现有产业+蒸汽机=新产业” 的新模式。

新模式对旧有的产业进行冲击，手工作坊频繁的倒闭，传统手工业者面临失业。18世纪末期，英国爆发了大量的纺织工人罢工和捣毁机器的运动，愤怒的人群冲向各个厂房捣毁机器，他们认为是机器剥夺了他们的工作机会与社会福利。然而科技的革新必然会带来工作效率的提升，生产力的提高，老旧的技术与工作机会被淘汰，同时也会创造出新生的行业与就业机会，以及更多的财富。

从1769年到1789年仅仅20年时间，英国的纺织业产量增长了5倍，为市场提供了大量消费商品，加速了资金的积累，并对运输业提出了迫切要求。随后蒸汽机渗透到了运输业，导致了蒸汽火车，蒸汽轮船的发明，各种商品和技术从英国走向世界各地，机械的广泛使用引领了人类迄今为止最伟大的事件——工业革命。技术革新导致的行业短期阵痛会逐渐被遗忘，时间会消化掉一切不利因素，曾经叫嚣着要摧毁机器的那帮人也被时代的巨轮碾过，获利的还是不断拥抱变化的先驱者。从工业革命的过程我们可以看到，技术驱动行业革新的过程可以归纳为：

两百多年前，随着力学、热力学等基础技术不断完善，我们相信即使瓦特不改良万能蒸汽机，也会有哈特或者皮特完成这步突破。基础技术的进步带来了蒸汽机的技术革新，然后开始逐步渗透到各个行业，而今天人工智能在算法、算力和大数据的驱动下新的变革也再一次到来。

二，人工智能带来的技术革新

人工智能带来的技术革新，我划分为几个主要的领域：机器学习，知识图谱，自然语言理解，人机交互，计算机视觉，生物特征识别，虚拟现实\增强现实。机器学习在上一篇文章中已经重点介绍了，我们从知识图谱开始讲起。

• 知识图谱

计算机一直以来面临一个困境，能够存储数据，却无法理解数据背后的含义。这也是我之前文章《人工智能是个啥——人工智能简史》中提到的70年代人工智能瓶颈，然后80年代开始大力发展专家系统的原因。知识图谱可以看做专家系统的升级版本，本质上是结构化的语义知识库，是一种由节点和边组成的图数据结构。为了让机器能够理解文本背后的含义，我们对可描述的事物进行建模，填充它的属性，拓展它和其他事物的联系，即构建机器的先验知识。举个例子给机器一串字符，

罗纳尔多·路易斯·纳萨里奥·德·利马

看上去是一个名字，没有知识图谱的情况下搜索引擎会按照文本去查找匹配文本结果，而有了知识图谱，我们能够得到这张图。原来这是罗纳尔多的名字，所有的相关信息都被关联在了一起。

机器拥有了这样的先验知识，当它再次看到罗纳尔多·路易斯·纳萨里奥·德·利马，它就会“想“这是一个名字叫罗纳尔多·路易斯·纳萨里奥·德·利马的巴西足球运动员。”这和我们人类在看到熟悉的事物，会做一些联想和推理是很类似的。

知识图谱在搜索引擎、可视化展示和精准营销方面有很大的优势，能够让我们扩展人工智能的认知，得到真正智能的解决方案。

• 自然语言理解

自然语言理解主要研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法，涉及的领域较多，主要包括机器翻译，语义理解和问答系统等。

• 机器翻译：是指利用计算机技术实现从一种自然语言到另外一种自然语言的翻译过程，大家常用的如百度翻译、google翻译等。目前的google翻译已经拥有100多种语言之间的互译功能，十分强大，而且随着上下文的语境表征和知识逻辑推理能力的发展，自然语言知识图谱不断扩充，机器翻译将会在多轮对话翻译及篇章翻译等领域取得更大进展。
• 语义理解：是指利用计算机技术实现对文本篇章的理解，并且回答与篇章相关问题的过程，主要应用在智能客服，产品自动回答的场景。目前很多行业都开始使用智能客服，可以直接对用户输入的文字做分词处理，语义理解，然后回答相应的问题，极大地减少了人工客服重复性的工作。
• 问答系统：问答系统技术是指让计算机像人类一样用自然语言与人交流的技术，分为开放领域的对话系统和特定领域的问答系统，主要应用在个人助理领域，声控系统等。目前各大公司都出品了个人助理，如苹果的Siri，微软的Cortana，亚马逊的Alex，纽昂司的Nina，而谷歌的个人助理前段时间才刷爆了朋友圈，通过完美的自然语言合成，语义理解和问答系统完成了理发店的预定，根本没有人意识到是在同AI对话。

托尼老师：有什么能帮到您？
谷歌助手：Hi，我要帮客户预约理发，时间5月3号。
托尼老师：好的，稍等我查一下。
谷歌助手：emmm…
托尼老师：你想要预约几点的？
谷歌助手：中午12点。
托尼老师：12点约满了，最快是1点哦。
谷歌助手：那上午10-12点可以吗？
托尼老师：可以的，客户叫什么名字呢？
谷歌助手：名叫丽莎。
托尼老师：好的没问题，那5月3号上午10点见。
谷歌助手：太棒了，谢谢！

• 人机交互

人机交互式是计算机领域的重要外围技术，主要研究人和计算机之间的信息交换方式。传统的人机交互主要依靠交互设备进行，比如键盘、鼠标、压力笔等输入设备；以及打印机、绘图仪、显示器、音箱等输出设备。而在人工智能领域我们追寻的交互是更加自然、拟人化的交互，将人工智能体当做一个自然人。

• 语音交互：人与人之间最主要的交互方式，主要研究同机器进行语音交流，包括四部分:语音采集、语音识别、语义理解和语音合成。通常和自然语言理解的相关技术共同使用形成解决方案，目前我们公司的产品主要为语音交互方向的，后面我可以专门拿几个章节来讲语音交互。
• 情感交互：情感是一种高层次的信息传递，它在表达功能和信息时传递情感，勾起人们的记忆或内心的情愫。传统的人机交互缺乏情感理解和表达能力，而情感交互就是要赋予计算机类似于人一样的观察、理解和生成各种情感的能力，最终使计算机像人一样能进行自然、亲切和生动的交互。比如谷歌助手的例子中，那个emmm的停顿，让人有了人工智能要成精的感觉。

托尼老师：好的，稍等我查一下。
谷歌助手：emmm…
托尼老师：你想要预约几点的？

• 体感交互：在人类开始咿呀学语之前最为原始的交互方式，主要研究通过肢体动作与周边数字设备装置和环境进行自然的交互。与其他交互手段相比，体感交互技术大大降低了对用户的约束，使得交互过程更加自然。目前主要在游戏娱乐、医疗辅助与康复、全自动三维建模、辅助购物等领域有了较为广泛的应用。
• 脑机交互：科幻片中的场景，通过大脑控制人行机器人，比如阿凡达，主要研究不依赖于外围神经和肌肉等神经通道，直接实现大脑与外界信息传递的交互。稍微一设想就能发现这项技术的强大，但是目前来说还处于非常初级的阶段，大脑信号采集、脑信号和机器指令的转换、信号反馈都是技术瓶颈。

当前的主要应用是在医疗和娱乐领域，医疗领域希望通过脑机交互改善残疾人的生活体验，比如仿生机器手臂，人工耳蜗等等。

• 计算机视觉

使用计算机模仿人类的视觉系统，让计算机拥有类似人类提取、处理、理解和分析图像以及视频的能力。根据解决的问题，主要分为：计算机成像、图像理解、三维视觉等。

• 计算机成像：计算成像主要是探索人眼结构、相机成像原理以及其延伸应用，主要用来获得人们预期的图像处理结果。比如：图像去雾、图像去燥、暗光增强、失焦修复，当然还有各种滤镜，图像融合等等，应用十分广泛。前段时间很火的应用Prisma，通过神经网络和计算机成像技术，可以生成类似梵高风格的作品。

• 图像理解：计算机存储的图像本质上是大量的像素点和偏移信息，而图像理解则是希望通过用计算机系统理解图像中涵盖的信息。通常根据理解信息的抽象程度可分为三个层次：浅层理解，包括图像边缘、图像特征点、纹理元素等；中层理解，包括物体边界、区域与平面等；高层理解，根据需要抽取的高层语义信息，可大致分为识别、检测、分割、姿态估计、图像文字说明等。目前高层图像理解算法已逐渐广泛应用于人工智能系统，比如：
  
• 人脸识别：刷脸解锁，刷脸支付，通过儿时照片生成长大后的人脸，智能安防进行人物检索。
• 目标检测：无人驾驶检测出目标并识别出它是什么(人、动物、手机、汽车等等)，智能安防领域中检测摄像头中的感兴趣目标。
• 图像分割：抠图，完全按照物体的轮廓扣出来，进行后续处理，比如物体识别，潮流品的广告推荐，P图等等。

• OCR：光学字符识别是指对文本资料的图像文件进行分析识别处理，获取文字及版面信息的过程。这个应用就十分广泛了，比如在手机上添加银行卡时，然后就会自动识别出卡号；停车场自动识别车牌号码。
• 行为分析：基于姿态估计，在视频中先通过把每一帧里人的动作给识别出来，然后再放到另一个模型中连贯的去处理这些动作特征，最后得到预测的行为结果，在无人驾驶，智能安防上都有应用。
• 三维视觉：研究如何通过视觉获取三维信息(三维重建)以及如何理解所获取的三维信息，可以广泛应用于机器人、无人驾驶、智慧工厂、虚拟/增强现实等方向。

比如最近很火的SLAM，Simultaneous Localization and mapping，同步定位与地图构建。无人驾驶的核心技术之一，就是通过多个摄像头拍下车辆周围的场景，进行图像分割，物体识别和行为分析，然后进行地图的构建，并定位自身位置，以此构造后续的行进线路模型。

• 生物特征识别

从人工智能领域来说，生物特征识别主要是指通过个体生理特征或行为特征进行智能化身份认证，具有更好的安全性、方便性和私密性，在金融、公共安全、教育、交通等领域应用广泛。技术应用上主要包括指纹识别、人脸识别、虹膜识别、指静脉识别、声纹识别、步态识别，我们重点介绍以下比较新兴的几类：

• 指静脉识别：是通过近红外光对手指进行照射，流动血液中的血红素吸收了近红外光后，获得了清晰的手指静脉图像，再使用特定的算法从图像中提取出特征值。相比于人脸识别、指纹识别，指静脉识别具有活体识别、体内特征不可复制、唯一稳定、无法破解等特点，不用担心指纹被盗取，照片被盗用这种事情，安全性更高。

主要用在社保和安防领域，比如社保领域，由于有一定比例的60岁以上老人存在指纹浅、手指脱皮、有茧等问题，且生存认证时主要以老人身份证照片进行人脸比对。但老人容貌变化与年轻时(身份证照片)普遍相差较大，导致指纹识别、人脸识别在社保养老生存认证上无法更准确、更便捷地证明老人的身份。

• 声纹识别：是指根据语音的声纹特征识别说话人的技术，有两类即说话人辨认和说话人确认。不同的任务和应用会使用不同的声纹识别技术，如缩小刑侦范围时可能需要辨认技术，而银行交易时则需要确认技术。
• 步态识别：这个是最近的研究热点，即通过走路的方式识别人的身份，具有非接触远距离、多角度、光照不敏感和不容易伪装的优点，在智能视频监控领域，比图像识别更具优势。

• 虚拟现实VR\增强现实AR

在一定范围内生成与真实环境在视觉、听觉、触感等方面高度近似的数字化环境，用户借助必要的装备与数字化环境中的对象进行交互，相互影响，获得近似真实环境的感受和体验。2015年的时候国内VR和AR的热度曾经非常高，但由于响应延时，眩晕感，无法长时间使用等问题还未明显解决目前逐渐趋于冷静，应用最广的还是在娱乐，展厅等场景中增强交互体验。

以上可以发现，人工智能从认知，感知，推理，决策等各个方面都有技术革新，并在各个技术领域都有可以落地的应用，这些逐渐成熟的应用进一步推进了人工智能向各个传统行业的渗透，并将带来行业的变革。

三、人工智能带来的行业变革

以一张图开始，从基础领域到技术革新，最终渗透到行业。我会对这些行业进行一些简单的介绍和分析，有的行业会介绍一些大型公司的实际解决方案，更多细节感兴趣的可以直接在网上进一步搜索更多的资料和介绍。

• 智能制造

德国提出了工业4.0，国内也提出了中国制造2025计划，在整个计划中智能制造作为核心的五大工程之一比重非常大，而智能制造对人工智能的需求主要表现在三个方面：

• 智能装备，包括自动识别设备、人机交互系统、工业机器人以及数控机床等具体设备，涉及到分析推理、自然语言处理、虚拟现实智能建模及自主无人系统等关键技术。
• 智能工厂，包括智能设计、智能生产、智能管理以及集成优化等具体内容，涉及到分析推理、大数据智能、机器学习等关键技术。
• 智能服务，包括大规模个性化定制、远程运维以及预测性维护等具体服务模式，涉及到分析推理、自然语言处理、大数据智能、机器学习等关键技术。

介绍下国内海尔的COSMOPlat平台智能制造解决方案，该方案运用了各种智能化技术，构建了用户交互、研发、采购、制造、物流、服务等7个应用模块，实现高精度的产品创新服务和高效率的智慧生产服务。海尔互联工厂以COSMOPlat平台为核心，采用智能化、数字化、柔性化的设计理念，通过与COSMOPlat平台的无缝连接，不仅实现了冰箱、洗衣机等网器产品从个性化定制、远程下单到智能制造的全过程，同时也实现了智能产品和智能制造全流程的无缝连接。

海尔用COSMOPlat云平台搜集微博、微信、搜索引擎及其他途径的用户需求，发现用户对所有品牌空调的各类需求问题，通过数据分析挖掘分析出空调声音为主要问题。空调声音主要包括噪音和异音，噪音可通过分贝辨别，而异音有千万种，COSMOPlat平台再依托大数据和人工智能技术自主学习辨别异音和自动管控，提升辨别的精准度，聚焦噪音问题后，可追溯生产过程，通过生产过程大数据，分析出导致异音的原因(包括空调风扇安装不良、电机安装不良或者骨架模块毛刺等原因)，进而总结出改善异音的关键措施，提前预防，改善用户体验。

• 智能家居

参照工业和信息化部印发的《智慧家庭综合标准化体系建设指南》，智能家居是智慧家庭八大应用场景之一。受产业环境、价格、消费者认可度等因素影响，我国智能家居行业经历了漫长的探索期。到2010年，随着物联网技术的发展以及智慧城市概念的出现，智能家居概念逐步有了清晰的定义并随之涌现出各类产品，软件系统也经历了若干轮升级。

目前的应用比如，借助智能语音技术，用户应用自然语言实现对家居系统各设备的操控，如开关窗帘(窗户)、操控家用电器和照明系统、打扫卫生等操作；借助机器学习技术，智能电视可以从用户看电视的历史数据中分析其兴趣和爱好，并将相关的节目推荐给用户。通过应用声纹识别、脸部识别、指纹识别等技术进行开锁等；通过大数据技术可以使智能家电实现对自身状态及环境的自我感知，具有故障诊断能力。通过收集产品运行数据，发现产品异常，主动提供服务，降低故障率。还可以通过大数据分析、远程监控和诊断，快速发现问题、解决问题及提高效率。

目前亚马逊，百度，阿里，京东，小米等各大公司都将智能音箱作为了智能家居的交互入口和网关，所以出现了近两年智能音箱的热潮。

• 智能金融

人工智能技术在金融业中可以用于服务客户，支持授信、各类金融交易和金融分析中的决策，并用于风险防控和监督，将大幅改变金融现有格局，金融服务将会更加地个性化与智能化，更能贴近用户的需求，效率更高，服务成本更低。对于金融机构的业务部门来说，可以帮助获客，精准服务客户，提高效率；对于金融机构的风控部门来说，可以提高风险控制，增加安全性；对于用户来说，可以实现资产优化配置，体验到金融机构更加完美地服务。

目前的应用主要包括:
1. 智能获客，依托大数据，对金融用户进行画像，通过需求响应模型，极大地提升获客效率；
2. 身份识别，以人工智能为内核，通过人脸识别、声纹识别、指静脉识别等生物识别手段，再加上各类票据、身份证、银行卡等证件票据的OCR识别等技术手段，对用户身份进行验证，大幅降低核验成本，有助于提高安全性；
3. 大数据风控，通过大数据、算力、算法的结合，搭建反欺诈、信用风险等模型，多维度控制金融机构的信用风险和操作风险，同时避免资产损失；
4. 智能投顾，基于大数据和算法能力，对用户与资产信息进行标签化，精准匹配用户与资产；
5. 智能客服，基于自然语言处理能力和语音识别能力，拓展客服领域的深度和广度，大幅降低服务成本，提升服务体验；
6. 金融云，依托云计算能力的金融科技,为金融机构提供更安全高效的全套金融解决方案。

• 智能交通

智能交通的愿景是希望借助人工智能各种手段，将各核心交通元素联通，实现信息互通与共享以及各交通元素的彼此协调、优化配置和高效使用，形成人、车和交通的一个高效协同环境，构建安全、高效、便捷和低碳的出行生活。

应用上主要两个大的方向：

一方面是统一的智能交通管理平台通过采集道路中的车辆流量、行车速度等信息，处理后形成实时路况，据此调整道路红绿灯时长，调整可变车道或潮汐车道的通行方向等，通过信息发布系统将路况推送到导航软件和广播中, 让人们合理规划行驶路线，甚至统一调度无人车的行驶速度，方向等等，从根本上解决拥堵问题。

另一方面是从个体上解决，无人驾驶技术的应用，可以有效的降低车祸，避免酒驾等行为，将人们从动辄2小时的通勤时间中解放出来，做更多有意义的事情。

目前无人驾驶的进展还是比较乐观：
2018年开年，无Google旗下的无人车公司Waymo预计在今年推出无人车的共享出行平台，这标志着无人车的商业化进入了关键时期。
2018年2月，春晚上百度无人车整齐的车队从港珠澳大桥穿梭过去，然后7月底，百度与金龙客车合作的线固定路无人驾驶小巴车开始小规模量产及试运营；
2018年8月，苹果公司在加利福尼亚街头进行公共道路行驶测试的无人驾驶车辆已增至62辆，随车安全员也已增至87名。两周前这一数据分别是无人驾驶车辆55辆，随车安全员83名。

据不完全统计，除了国外的谷歌、苹果、微软等企业都涉足该领域，国内的其他互联网巨头滴滴，阿里，腾讯也都早已启动开发无人驾驶的开发；另一方面，比亚迪、一汽、上汽、东风等传统车厂也都早已布局，并进行了路测。

针对无人驾驶的热点，后续可以专门准备一个章节讲讲无人驾驶相关的技术和应用情况。

• 智能安防

智能安防与传统安防的最大区别在于智能化，传统安防对人的依赖性比较强，非常耗费人力，而智能安防能够通过机器实现智能判断，并且可以长期稳定履行安保职责，从而尽可能实现实时地安全防范和处理。

行业应用上主要集中在两大类：

一类是采用图像分割等方法对视频画面中的目标进行提取检测，通过不同的规则来区分不同的事件，从而实现不同的判断并产生相应的报警联动等，例如: 区域入侵分析、打架检测、人员聚集分析、交通事件检测等；

另一类是利用模式识别技术，对画面中特定的物体进行建模，并通过大量样本进行训练，从而达到对视频画面中的特定物体进行识别，如车辆检测、人脸检测、人头检测(人流统计)等应用。

比如在2018年CES上商汤科技展出的人脸布控系统，能够在人流密集的公共场所的监控视频中，快速锁定可疑目标。

• 智能医疗

近几年，智能医疗在辅助诊疗、疾病预测、医疗影像辅助诊断、药物开发等方面发挥重要作用。在辅助诊疗方面，通过人工智能技术可以有效提高医护人员工作效率，提升一线全科医生的诊断治疗水平。

如利用智能语音技术可以实现电子病历的智能语音录入；利用智能影像识别技术，可以实现医学图像自动读片；利用智能技术和大数据平台，构建辅助诊疗系统。

纽昂司的智慧医疗系统就在国外广泛应用，全美86%的医院在使用，每年使用语音录入超过3亿条的病历记录，专业的临床语言库进行索引归档和训练，再归类成百万条的诊断建议，提升全科医生的诊断水平，可惜因为国家医疗数据的敏感性没法在国内销售使用。

在疾病预测方面人工智能的引入意义重大，很多疾病都是由于发现不及时，而导致死亡等等。而我们在体检的时候，一些细小的指标或者医学影像医生很难发现。此时，人工智能便可以替代人力做这样一件繁琐、重复，但十分有意义的工作，减少误诊率，漏诊率。

人工智能还可以进行疫情监测，及时有效地预测并防止疫情的进一步扩散和发展。

以流感为例，很多国家都有规定，当医生发现新型流感病例时需告知疾病控制与预防中心。但由于人们可能患病不及时就医，同时信息传达回疾控中心也需要时间，因此，通告新流感病例时往往会有一定的延迟，人工智能通过疫情监测能够有效缩短响应时间。

• 智能物流

从技术上来讲智能物流主要期望使用智能搜索、推理规划、计算机视觉以及智能机器人等技术，实现货物运输过程的自动化运作和高效率优化管理，提高物流效率。随着电商行业的不断壮大，尤其在国内庞大的人口基数以及国土面积下，国内对于物流行业有着非常强的依赖，但是物流行业又是一个人力密集型行业，随着人力成本的不断提高要想更加具有竞争力，人工智能的引入迫在眉睫。

因此不光是电商巨头阿里，京东等在部署智能物流，传统的物流行业同样的大力投入人工智能的开发，以期望通过人工智能的引入降低人力成本，提高效率。

例如，在仓储环节，利用大数据智能通过分析大量历史库存数据，建立相关预测模型，实现物流库存商品的动态调整。大数据智能也可以支撑商品配送规划，进而实现物流供给与需求匹配、物流资源优化与配置等。

例如，在货物搬运环节，加载计算机视觉、动态路径规划等技术的智能搬运机器人(如搬运机器人、货架穿梭车、分拣机器人等)得到广泛应用，大大减少了订单出库时间，使物流仓库的存储密度、搬运的速度、拣选的精度均有大幅度提升。

• 智能教育

智能教育目前没有一个精确的定义，但奥巴马在开学第一课的演讲中说过“教育决定着国家的未来”，而教育资源的稀缺已经是一个共识。通过人工智能技术，一方面可以给教育机构，教师提效，同时弥补大班教育的不足，对学生进行个体分析，因材施教；另一方面也可以让优质的教育资源更好的转换为经验模板，得到更好的传播，提升整体的教育水平。

目前的主流应用比如教育机器人，作业自动批改，解题助手，智能考试系统。

比如科大讯飞基于语音识别，自然语言理解，语音交互而制作的的英语听说智能测试系统，实现了英语听说考试全过程的自动化与智能化。目前已经在全国 23个省市地区的中、高考中进行了广泛应用，包括北京中、高考、上海高考、广东高考、江苏中考、深圳中考等，年测试人数达 230万人次,累计测试人数达 1900万人次。

• 智能零售

2016年的时候马云提出了新零售的概念，整个核心就是智能制造+智能物流+智能零售，智能制造和智能物流上面已经介绍。而智能零售则是通过人工智能技术手段，对商品的销售过程进行升级改造，线上服务、线下体验进行深度融合的零售模式。近两年在各大一线城市陆续推出的无人超市，通过计算机视觉，生物特征识别，机器学习等技术进一步，降低人力成本的同时扩充客户的零售体验。

这里列举下旷世科技的智能零售解决方案，通过计算机视觉对线下场景的人、货、场等要素进行全面采集，然后存储分析形成服务闭环。比如提升会员体验，优化供应链选品，优化商品摆放和个性化营销问题。

另一方面的应用，比如各大视频网站也陆续推出的针对零售领域的精准营销和广告投放，通过闪植和随视购技术，打通了电商系统和视频系统，实现“视频内物品所见即所买”。

• 生活服务

主要核心是以手机为核心扩展用户体验，以手机为入口收集用户的行为习惯，然后训练模型，进行个性化推荐，形成贴身的个人助理。当你游玩时看到一束花，然后打开手机的摄像头，手机就会告诉你这个花的一些信息。当你在朋友圈看到别人发的风景照，再也不用在下面评论这是哪，直接点击图片搜索，就会告诉你这个游玩地点，和一些景点基本信息。

未来的趋势会是以手机为入口切入日常生活和工作场景，以音箱为入口切入居家场景。

• 其他

除了以上的几大行业，人工智能同样在企业服务，农业，环保，养老，法庭，政务等等各个领域出现了成熟的解决方案。

比如在智慧法庭领域，依托于智能大数据分析、语音识别、图像视频分析等多项人工智能技术的支撑，从而实现案情要素的分析、庭审语音识别自动转写、庭审行为视频分析、庭审视频流媒体转发与调度等功能。智慧环保上，聚焦在环于建立资源能源消耗、环境污染物排放的智能预测数据模型，环境智能监控大数据分析平台，信息共享的智能环境监测网络等。

四、总结

从以上可以看到“现有行业+人工智能”的新模式已经在产生，由此带来一系列的变化

• 人工智能技术通过组合理论上能够运用到各个行业中，从感知，认知，到决策判断和最终行动，已经能够形成闭环的解决方案。
• 通过人工智能，可以使得机器可以完全胜任一些重复性而且繁杂的工作，释放了人力的同时，也更加持久和稳定，效率更高。
• 依赖于大数据的力量，人工智能可以发现数据背后人为无法观察到的现象，从而总结成规律，做出准确率更高的决策，帮助行业进步。
• 人工智能替换掉低端重复岗位性的同时，也会创造更多新生的岗位进行人工智能系统的设计，维护，营销，保障整个系统的闭环生态。

人工智能会以有形或者无形的方式不断渗透到我们的生活中，将人们从各种繁杂的工作中释放出来，专注于更加创造性的工作。同时人工智能因为更加有洞察力，善于发现人类所无法察觉的关联性，也会以全新的方式推进社会的进步与革新。

时代已经在改变，要想不变，唯有改变。

最后的最后附上一张归纳总结的脑图