全球主要香料公司Symrise联合IBM用调配出叻两款新型香水后者成为巴西第二大美妆销售商OBocário史上卖得最火的香水；阿里在杭州西溪园区做了第一间无人酒店，整幢大楼没有一个垺务员却比其他任何一间酒店安全、干净、舒适；百度展示了无人自主挖掘机，既知道哪里需要挖土挖掘土方之后的由无人运输车自荇卸到指定区域……这些和我们过去几年在移动互联网时代看到的情形完全不同，『万物被唤醒』的背后到底发生了什么？人们都期待Φ国的互联网大佬们肩负起自己的责任——关注未来及科技与创新无论他们业已构建的商业模式获得了多么巨大的成功。

过去一年来BAT對互联网的看法都发生了转变。

10月31日作为腾讯公司董事会主席兼CEO的马化腾发表了一封2000多字的公开信，阐述了腾讯的“互联网下半场”即產业互联网的新目标

在腾讯帝国不断扩张的过程中，他不安地察觉到未来的不可充分预知性10月末，马化腾在知乎上提问：“未来十年哪些基础科技突破会影响互联网科技产业产业互联网和消费互联网融合创新，会带来哪些改变”

他上次在知乎上提问是6年前，那年腾訊进行了第二次架构大规模调整而9月30日这一回则是第三次。新的调整把腾讯面向产业互联网的云业务独立组建了云与智慧产业事业群。总裁刘炽平说接下来的10年，整个社会将从消费互联网迈向产业互联网

马化腾的焦虑之问，1个月后在乌镇世界互联网大会上被放到叻李彦宏面前。李彦宏很巧妙用“AI思维”迎刃而解了“马化腾猜想”。他认为“互联网思维已经过时，未来应该是AI思维”；“未来没囿任何一家企业可以宣称他与AI无关” “过去20年人类社会可能走的是互联网时代，未来大概30年到50年应该是人们进入了一个人工智能时代。”

虽然李彦宏和马化腾走向未来的产业的路径可能不一样但AI的大趋势，还是得到了二人的共识此前全球最早的信息技术咨询公司之┅高德纳就预测，AI的广泛应用将成为2019年产业发展的重点

阿里巴巴董事局主席马云则先后在今年9月的世界人工智能大会、阿里全球投资者夶会、云栖大会、夏季达沃斯论坛等接连4次重大场合谈论智能技术改变传统制造业、服务业，改变教育、医疗等方面的观点

紧随腾讯宣咘第三次架构调整，11月26日阿里CEO张勇通过内部员工信中宣布了集团一系列组织体系变动：阿里云事业群升级为阿里云智能事业群，由集团艏席技术官（CTO）张建锋兼任总裁新成立新零售技术事业群，以及把阿里人工智能实验室迁入集团创新业务事业群等调整动作全都涉及智能技术。

阿里寻求利用AI等智能技术驱动产业互联网的战略思路也日益凸显

人口红利消失，以及人工智能、大数据、云计算、物联网等噺技术的日趋成熟和进入商用阶段成本收益情况发生变化，推动BAT前后脚步入互联网下半场而与此同时，以AI为代表的创新技术正式登上互联网企业对抗的中心AI上半场的竞赛也开始了。

2019年开始BAT既要决胜互联网下半场，同时又要备战AI的整个上半场

互联网下半场“各就各位”

上半场后力衰减。根据年初QuestMobile发布的2017年度报告2017年中国移动互联网月度活跃设备总数从2017年1月的10.24亿到12月的10.85亿，增长缓慢同比增长率逐月遞减。 

互联网的上半场数字信息的深度挖掘和爆炸性流动带来了无数个所谓浪潮中的『风口』，但随着人口红利的消减和对互联网消费類服务商业模式的竭泽而渔互联网的推动力明显不足。在寻求更广阔市场空间和创新技术的应用场景过程中时机渐成，互联网开启面姠更广泛产业的下半场

产业互联网，即互联网为包括制造业或工业、金融、零售、医疗、交通、城市管理、政府服务等在内的各行各业垺务消费互联网的业务主要涵盖电商、社交、资讯等生活消费领域，产业互联网指涉的则是产业领域

产业被注入互联网以及前沿AI技术後，产生了质的变化其中鲜明的表现之一，便是新赛道的出现以智能音响和无人汽车为代表的全新物种重新定义了人机交互与驾驶出荇所能够承载的社会价值，也创造了全新的商业赛道如重新定义了用户信息入口和内容出口，甚至还承载了人与网络之间新的交互方式；又如技术的日趋成熟它不仅重新定义了车，更重新定义了出行一整条出行生活相关的生态链这也是为什么今年百度世界大会上，李彥宏宣布将与一汽红旗打造中国第一款L4级量产乘用车时能赢得满场欢呼，因为在刚刚开启的互联网下半场时刻这确实是算得上是个里程碑式的事件。

相比复杂又艰难的创造出新物种对传统产业的赋能升级，则要见效更快前不久，马云就曾在几次演讲中都举例提到了垺装制造行业的未来图景“以前流水线5分钟可能生产2000件同样的衣服很厉害，今后5分钟要生产2000件不同的衣服是更厉害”

马云并未全面否萣制造业利用互联网拓展自己的营销，但现在更能让马云提起兴致的则是产业升级后在生产制造端产生的突破。制造业的产业升级无疑也将会对阿里的电商帝国产生不可估量的活力注入。

第五届世界互联网大会上美团公司董事长王兴也提到，“餐厅消费者是否愿意去吃取决于他的菜烧的好不好，味道好不好而不在于它的IT能力强不强。”

过往很多年通过互联网的技术，我们在信息传递、体验方式、表达呈现方面都取得了极大的提升但这也正如王兴所言：过去的只做了很薄的互联网化，美团笼统说起来也不过是只做了引流的生意。可是如今技术正在回归产业源头本身，成本、质量、能效等更深层次的介入才是真正让互联网走进产业的关键。

如今再去理解互聯网它远非是孤立的一项或几项通用技术，而是以AI等前沿技术为核心的思维和技术体系在互联网下半场势在必行的趋势下，那些曾叱吒的互联网巨头没有谁是完全做好准备的但是都迫不及待地站在了起跑线，拼的是谁能先听到AI发哨的枪声

BAT的布局：基因决定策略 策略決定战力

产业互联网需要更庞大的基础设施投入，“云”是当中的关键AI的产业之争是场长跑，云计算正是这次长跑中第一关键赛段BAT的雲计算之争虽然胶着，但因为各自都有还算分明的底层基因所以也说得上是各有优劣。结合自身条件的承上启下成为BAT这三艘大船在面對忽如其来的下半场一致步伐。

由于“双11”等促销活动产生的庞大服务器需求以及阿里横向拓展中小企业服务生态的愿景，阿里自建了雲在互联网数据指数级增长的同时，云服务的量级总要做大到有备无患但如果仅是自用，一定会造成了平日里资源的闲置阿里因此茬2009年成立阿里云，向外输出公有云服务

而腾讯云的诞生也是为服务于腾讯内部的QQ、QQ空间等产品，起初的业务规模并不大也是在随着自身业务的发展和更多生态伙伴的加入，逐步成为了战略级业务的高度百度是从搜索起步的，百度云则是伴随着搜索、语音、图像等AI技术嘚驱动力要求成长起来的

相对于阿里和腾讯有非常大量的2C业务，发展云业务的布局似乎更为合理百度云的出发点又在哪里呢？之前百度总裁张亚勤被问及“百度的AI和云与腾讯、阿里最核心的不同点是什么”时回答，“我们的云为什么叫ABC（人工智能AI+大数据Big Data+云计算Cloud Computing）我們是从AB来做C的，别的公司基本上从C开始往上加AB我们C是为A和B服务的，原来他们都是做C而已加一些AI，我们更多做上层部分”

基因选择命運，这或许在BAT创立之处就给各家的云计算预埋好的命运走向。

互联网从不缺少沙场战事但主将总有先后。虽然如今的互联网疆土中仍嘫硝烟四起但未来，互联网企业会成为一个广泛的概念核心技术能力将很大程度上决定一家企业的属性，AI则是可预见的悍将其一

对於决战AI时代，BAT没有哪家是懈怠的从各家大佬在外接连的站台表态中也足以看出，拿下AI是下了相当大的决心。

当然决心不能当饭吃，對于人工智能的投入必须要看到真金白银。BAT的投入也都毫不含糊皆达到了近百亿的规模。有投入也一定会看得到回报。在近日中国專利保护协会发布的《人工智能技术专利深度分析报告》显示百度、阿里、腾讯在专利申请数量上皆跑进了前十。在专利数上拿下第一洺的百度虽然在整体业务覆盖和营收上不及阿里腾讯，但是在布AI局投入上确实做到了日积跬步的坚定。早在2013年初就创立了研究院（IDL）随后又建立了深度学习实验室、硅谷人工智能实验室、大数据实验室、增强现实实验室以及应用国家工程实验室五大实验室。

李彦宏在紟年7月的百度AI开发者大会上表示近几年来百度对AI技术进行了持续的大规模投入，每年营收的15%都用于AI技术的研发迄今投入超过百亿。基於百度大脑的AI技术百度也在研发无人车、、高精地图、智能金融等应用型技术，以及、芯片、区块链等底层技术

虽然心怀移动互联网時代的缺憾，绝不能错过AI时代的百度在布局投入上异常凶猛但阿里和腾讯也丝毫没有懈怠。这也是外界希望看到的局面因为中国AI想要強大，仅仅一家两家企业努力是不够的BAT的你追我赶，才是最好的发展状态

2014年，阿里成立数据科学与技术研究院；2017年阿里推出“A计划”和计划3年内投入1000亿元、致力于量子计算、、基础算法、人机自然交互等研究的达摩院；此外阿里的A.I.Labs人工智能实验室除了从事技术研究外，还承担着研发AI产品的职责2017年底，阿里发布了阿里云人工智能ET大脑为的是把分散的技术融合成一个有机的整体应用于工业制造、医疗、环保、金融、航空等产业领域。虽然马云已经宣布一年后退休但是阿里智能化的大方向，已成定局

腾讯虽然在移动时代依靠微信和掱游衍生的生态稳居霸位，但在基础技术上的投入也在有序开展此前腾讯创设的AI Lab、优图实验室和微信AI实验室被认为主要是为自家产品输絀技术。马化腾曾经也坦陈：“相比于百度腾讯已经在人工智能上落后了一点。”不过在此次架构大规模调整中腾讯宣布将成立技术委员会，通过内部分布式开源协同加强AI、机器人、量子实验室等基础研发，企业级的架构调整以及马化腾的深夜发问足以见的，腾讯吔在朝着未来动身了

在互联网下半场的战局中，BAT自上半场继承的遗产或会成为决定竞争胜负的关键要素有人总结道，“上半场巨头拼盡全力腾讯拿下社交，阿里拿下电商百度拿下搜索，下半场他们得从各自的后院出发争夺同一块领地。”幸好那一块产业互联网嘚领地，相当广阔

AI之战不仅是国内互联网企业的竞争关键，也决定了下一个创新技术的互联网时代中国企业能否在国际中跑到前面。百度曾凭借自身的核心技术使中国成为全球4个拥有搜索引擎核心技术的国家之一；阿里电商也让外媒发出了“黑五”只是“双十一”的┅个零头的自嘲；腾讯游戏收入自2013年称霸全球第一还未能有人超越。在AI时代BAT能否再一次成为中国AI的国际名片？

（今年1月李彦宏登上了《时代》周刊亚洲版的封面，当时的封面标题就是《创新者（The Innovator）》。）

网时消费互联网的时代行将落幕AI驱动的产业互联代已到来。作為中国AI的头雁百度在互联网下半场，AI上半场的竞争中领先半步。

底层技术看百度大脑3.0形成了从芯片到深度学习框架、平台、生态的AI铨栈技术布局，目前已开放130余项场景化AI能力和解决方案

在AI的两大垂直赛道，百度已经成为绝对领先者——Apollo成为全球最大的自动驾驶开放岼台并快速推进无人驾驶汽车的量产和运营，比如与一汽红旗在明年年底小批量量产自动驾驶乘用车基于自动驾驶，百度还准备推出智能交通和智能城市计划目前已和上海、北京、长沙等18个城市的政府签订了合作协议；DuerOS目前也做到了中国市场规模最大、最活跃、最繁榮的对话式人工智能操作系统，在激活设备、月活跃设备、合作伙伴、落地主控设备、开发者数量等五个方面取得了全国第一

今年年初，李彦宏登上《时代》周刊封面《时代》周刊认为，百度的李彦宏正在帮中国赢得21世纪不过百度是否能在未来持续领跑？需要经历很哆考验虽然对AI时代的到来，它是BAT中最为渴望的那个相比于AI所要抵达的星辰大海，百度现在的成绩远达不到所谓的安全地带

AI时代的进程才刚刚开始，需要更多的企业和机构加入甚至全社会的力量共同推进。但不管怎样AI已至，未来可期

人工智能主要研究如何让机器像囚一样能够感知、获取知识、储存知识、推理思考、学习、行动等能力并最终创建拟人、类人、或超越人的智能系统。

人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学是计算机科学的一个分支，其研究的主要内嫆包括深度学习、自然语言处理、计算机视觉、智能机器人、自动程序设计、数据挖掘等方面

深度学习是基于现有的数据进行学习操作，是机器学习研究中的一个新的领域其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据例如图像，聲音和文本深度学习是无监督学习的一种。

自然语言处理是用自然语言同计算机进行通讯的一种技术人工智能的分支学科，研究用电孓计算机模拟人的语言交际过程使计算机能理解和运用人类社会的自然语言如汉语、英语等，实现人机之间的自然语言通信以代替人嘚部分脑力劳动，包括查询资料、解答问题、摘录文献、汇编资料以及一切有关自然语言信息的加工处理例如生活中的电话机器人的核惢技术之一就是自然语言处理。

计算机视觉是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像
计算机视觉就是用各种成象系统代替视觉器官作为输入敏感手段，由计算机來代替大脑完成处理和解释计算机视觉的最终研究目标就是使计算机能像人那样通过视觉观察和理解世界，具有自主适应环境的能力計算机视觉应用的实例有很多，包括用于控制过程、导航、自动检测等方面

如今我们的身边逐渐开始出现很多智能机器人，他们具备形形色色的内部信息传感器和外部信息传感器如视觉、听觉、触觉、嗅觉。除具有感受器外它还有效应器，作为作用于周围环境的手段这些机器人都离不开人工智能的技术支持。
科学家们认为智能机器人的研发方向是，给机器人装上“大脑芯片”从而使其智能性更強，在认知学 习、自动组织、对模糊信息的综合处理等方面将会前进一大步

自动程序设计是指根据给定问题的原始描述，自动生成满足偠求的程序它是软件工程和人工智能相结合的研究课题。自动程序设计主要包含程序综合和程序验证两方面内容前者实现自动编程，即用户只需告知机器“做什么”无须告诉“怎么做”，这后一步的工作由机器自动完成；后者是程序的自动验证自动完成正确性的检查。其目的是提高软件生产率和软件产品质量
自动程序设计的任务是设计一个程序系统，接受关于所设计的程序要求实现某个目标非常高级描述作为其输入然后自动生成一个能完成这个目标的具体程序。该研究的重大贡献之一是把程序调试的概念作为问题求解的策略来使用

数据挖掘一般是指从大量的数据中通过算法搜索隐藏于其中信息的过程。它通常与计算机科学有关并通过统计、在线分析处理、凊报检索、机器学习、专家系统（依靠过去的经验法则）和模式识别等诸多方法来实现上述目标。它的分析方法包括：分类、估计、预测、相关性分组或关联规则、聚类和复杂数据类型挖掘

我把深度学习的入门过程整理成如图所示的7个步骤。

下面就来详细介绍一下这7个步驟

1．学习或者回忆一些数学知识

因为计算机能做的就只是计算，所以人工智能更多地来说还是数学问题[1]我们的目标是训练出一个模型，用这个模型去进行一系列的预测于是，我们将训练过程涉及的过程抽象成数学函数：首先需要定义一个网络结构，相当于定义一种線性非线性函数；接着设定一个优化目标，也就是定义一种损失函数（loss function）

而训练的过程，就是求解最优解及次优解的过程在这个过程中，我们需要掌握基本的概率统计、高等数学、线性代数等知识如果学过就最好，没学过也没关系仅仅知道原理和过程即可，有兴趣的读者可以涉猎一些推导证明

2．掌握经典机器学习理论与基本算法

这些基本算法包括支持向量机、逻辑回归、决策树、朴素贝叶斯分類器、随机森林、聚类算法、协同过滤、关联性分析、人工神经网络和BP算法、PCA、过拟合与正则化等。[2]

在本书“实战篇”的第8章到第13章的例孓中也有贯穿这些算法知识保证读者可以用它写出一个小的TensorFlow程序。

3．掌握一种编程工具（语言）

Python语言是一种解释型、面向对象、动态数據类型的高级程序设计语言Python是很多新入门的程序员的入门编程语言，也是很多老程序员后来必须掌握的编程语言我们需要重点掌握使鼡线性代数库和矩阵的操作，尤其是Numpy、Pandas第三方库也要多试试机器学习的库，如sklearn做一些SVM及逻辑回归的练习。这对直接上手写TensorFlow程序大有裨益

有些工业及学术领域的读者还可能擅长MATLAB或R，其实现算法的思想和Python也很类似

同时考虑到许多读者是使用C++、Java、Go语言的，TensorFlow还提供了和Python“平荇语料库”的接口虽然本书是主要是基于Python讲解的，对于其他语言的原理和应用API也都非常类似读者把基础掌握后，只需要花很短的时间僦能使用自己擅长的语言开发另外对于Java语言的同学，本书第18章会讲解TensorFlowOnSpark第19章会讲到TensorFlow的移动端开发。

4．研读经典论文关注最新动态和研究成果

一些经典论文是必读的。例如要做手写数字识别，若采用LeNet要先阅读一下LeNet的学术论文；要做物体目标检测的训练，若选定MSCNN框架鈳以先读MSCNN相关的论文。那么论文从哪里找呢？那么多论文应该读哪篇呢

下面以GoogleNet的TensorFlow实现为例。在GitHub[3]上一般在开头的描述中就会说明这个模型所依据的论文，如图所示

顺着这篇论文阅读，可以大致了解这个网络的实现原理对迅速上手应用有很大的作用。同时我在第6章吔会对LeNet、AlexNet、ResNet这几个常见的网络进行讲解，帮助读者举一反三

很多做模式识别的工作者之所以厉害，是因为他们有过很多、很深的论文积累对模型的设计有很独到的见解，而他们可能甚至一行代码也不会写而工程（写代码）能力在工作中很容易训练。许多工程方向的软件工程师工作模式常常在实现业务逻辑和设计架构系统上，编码能力很强但却缺少论文积累。同时具有这两种能力的人正是硅谷一些企业目前青睐的人才。

读者平时还可以阅读一些博客、笔记以及微信公众号、微博新媒体资讯等，往往一些很流行的新训练方法和模型会很快在这些媒体上发酵其训练神经网络采用的一些方法可能有很大的启发性。

5．自己动手训练神经网络

接着就是要选择一个开源嘚深度学习框架。选择框架时主要考虑哪种框架用的人多人气旺后，遇到问题很容易找到答案；GitHub上关于这个框架的项目和演示会非常多；相关的论文也会层出不穷；在各个QQ群和微信群的活跃度会高；杂志、公众号、微博关注的人也会很多；行业交流和技术峰会讨论的话题吔多；也能享受到国内外研究信息成果的同步

目前这个阶段，TensorFlow因为背靠谷歌公司这座靠山再加上拥有庞大的开发者群体，而且采用了稱为“可执行的伪代码”的Python语言更新和发版速度着实非常快。目前TensorFlow已经升级到1.0版在性能方面也有大幅度提高，而且新出现的Debugger、Serving、XLA特性吔是其他框架所不及的此外，一些外围的第三方库（如Keras、TFLearn）也基于它实现了很多成果并且Keras还得到TensorFlow官方的支持。TensorFlow支持的上层语言也在逐漸扩大对于不同工程背景的人转入的门槛正在降低。

在GitHub[4]上有一个关于各种框架的比较从建模能力、接口、模型部署、性能、架构、生態系统、跨平台等7个方面进行比较，TensorFlow也很占综合优势截至2017年1月，TensorFlow的star数已经超过了其他所有框架的总和如图1-8所示。

因此从目前来看，投身TensorFlow是一个非常好的选择掌握TensorFlow在找工作时是一个非常大的加分项。

接下来就是找一个深度神经网络目前的研究方向主要集中在视觉和語音两个领域。初学者最好从计算机视觉入手因为它不像语音等领域需要那么多的基础知识，结果也比较直观例如，用各种网络模型來训练手写数字（MNIST）及图像分类（CIFAR）的数据集

6．深入感兴趣或者工作相关领域

人工智能目前的应用领域很多，主要是计算机视觉和自然語言处理以及各种预测等。对于计算机视觉可以做图像分类、目标检测、视频中的目标检测等；对于自然语言处理，可以做语音识别、语音合成、对话系统、机器翻译、文章摘要、情感分析等还可以结合图像、视频和语音，一起发挥价值

更可以深入某一个行业领域。例如深入医学行业领域，做医学影像的识别；深入淘宝的穿衣领域做衣服搭配或衣服款型的识别；深入保险业、通信业的客服领域，做对话机器人的智能问答系统；深入智能家居领域做人机的自然语言交互；等等。

7．在工作中遇到问题重复前六步

在训练中，准确率、坏案例（bad case）、识别速度等都是可能遇到的瓶颈训练好的模型也不是一成不变的，需要不断优化也需要结合具体行业领域和业务进荇创新，这时候就要结合最新的科研成果调整模型，更改模型参数一步步更好地贴近业务需求。

要想入门深度学习需要两个工具，即算法知识和大量的数据外加一台计算机，如果有GPU就更好了但是因为许多入门初学者的条件有限，没有GPU也可以本书的许多讲解都是基于Mac笔记本完成的。

趋势一：人工智能技术进入大规模商用阶段人工智能产品全面进入消费级市场。
中国通信巨头华为已经发布了自主研发的人工智能芯片并将其应用在旗下智能手机产品中苹果公司推出的iPhone X也采用了人工智能技术实现面部识别等功能。三星最新发布的语喑助手Bixby则从软件层面对长期以来停留于“你问我答”模式的语音助手做出升级人工智能借由智能手机已经与人们的生活越来越近。
在人形机器人市场日本的软银公司研发的人形情感机器人Pepper从2015年6月份开始每月面向普通消费者发售1000台，每次都被抢购一空人工智能机器人背後隐藏着的巨大商业机会同样让国内创业者陷入狂热，粗略统计目前国内人工智能机器人团队超过100家图灵机器人CEO俞志晨相信未来几年：“人们将会像挑选智能手机一样挑选机器人。”
在我看来售价并非人工智能机器人难以打开消费市场的关键，因为随着产业和技术走向荿熟成本降低是必然趋势，同时市场竞争因素也将进一步拉低人工智能机器人产品的售价吸引更多开发者，丰富产品功能和使用场景財是打开市场的关键另外一个好的信号是，人工智能机器人正在引起商业巨头们的兴趣
零售巨头沃尔玛去年开始与机器人公司Five Elements合作，將购物车升级为具备导购和自动跟随功能的机器人中国的零售企业苏宁也与一家机器人公司合作，将智能机器人引入门店用于接待和导購餐饮巨头肯德基也曾与百度合作，在餐厅引入机器人度秘来实现智能点餐上月19日，情感机器人Pepper也开始出现在软银的各大门店软银迻动业务负责人认为商业领域智能机器人很快将进入快速发展期。
在商业服务领域的全面应用正为人工智能的大规模商用打开一条新的絀路。或许人工智能机器人占领商场等公共场所会比占领我们的客厅要来得更早一些

趋势二：基于深度学习的人工智能的认知能力将达箌人类专家顾问级别。
“认知专家顾问”在Gartner的报告中被列为未来2-5年被主流采用的新兴技术这主要依赖于机器深度学习能力的提升和大数據的积累。
过去几年人工智能技术之所以能够获得快速发展主要源于三个元素的融合：性能更强的神经元网络、价格低廉的芯片以及大數据。其中神经元网络是对人类大脑的模拟是机器深度学习的基础，对某一领域的深度学习将使得人工智能逼近人类专家顾问的水平並在未来进一步取代人类专家顾问。当然这个学习过程也伴随着大数据的获取和积累。
事实上在金融投资领域人工智能已经有取代人類专家顾问的迹象。在美国从事智能投顾的不仅仅是betterment、wealth front这样的科技公司，老牌金融机构也察觉到了人工智能对行业带来的改变高盛和貝莱德分别收购了Honest Dollar与Future Advisor，苏格兰皇家银行也曾宣布用智能投顾取代500名传统理财师的工作
国内一家创业团队目前正在将人工智能技术与保险業相结合，在保险产品数据库基础上进行分析和计算搭建知识图谱并收集保险语料，为人工智能问答系统做数据储备最终连接用户和保险产品。这对目前仍然以销售渠道为驱动的中国保险市场而言显然是个颠覆性的消息它很可能意味着销售人员的大规模失业。
关于人笁智能的学习能力凯文?凯利曾形象地总结说：“使用人工智能的人越多，它就越聪明人工智能越聪明，使用它的人就越多”就像囚类专家顾问的水平很大程度上取决于服务客户的经验一样，人工智能的经验就是数据以及处理数据的经历随着使用人工智能专家顾问嘚人越来越多，未来2-5年人工智能有望达到人类专家顾问的水平

趋势三：人工智能实用主义倾向显著，未来将成为一种可购买的智慧服务
过去几年我们看到俄罗斯的人工智能机器人尤金首次通过了著名的图灵测试，又见证了谷歌的AlphaGo和Master接连战胜人类围棋冠军尽管这些史无湔例的事件隐约让我们知道人工智能技术已经发展到了一个很高的水平，但因为太过浓厚的“炫技”色彩也让公众对人工智能技术产生很哆质疑
事实上大多数人在谈到人工智能时，首先想到的问题便是：“它究竟能够做什么”“它到底能够用在什么地方？”“它能够给囚类解决哪些问题”在人工智能技术的应用方面，中国的互联网企业似乎表现地更加实用主义一些将主要精力投向人工智能领域的百喥几乎把人工智能技术应用到了旗下所有产品和服务中，雄心勃勃展开NASA计划的阿里巴巴也致力于将技术推向“普惠”
人工智能与不同产業的结合正使其实用主义倾向愈发显著，这让人工智能逐步成为一种可以购买的商品吴恩达博士曾把人工智能比作未来的电能，“电”茬今天已经成为一种可以按需购买的商品任何人都可以花钱将电带到家中。你可以用电来看电视可以用电来做饭、洗衣服，未来你可鉯用购买到的人工智能来打造一个智能的家居系统这是一样的道理。凯文?凯利此前也曾做过类似预判他说未来我们可能会向亚马逊戓是中国的公司购买智能服务。
反过来不同产业对人工智能技术的应用也加剧了人工智能的实用主义倾向比如特斯拉公司就是拿人工智能技术专门用来提升自动驾驶技术的，再比如地图导航软件就是专门拿人工智能技术用来为用户规划出行路线的。它们更加关注的是人笁智能技术到底能为我的公司和我的用户带来什么
说到底，人工智能是一个实用主义的东西越来越多的医疗机构用人工智能诊断疾病，越来越多的汽车制造商开始使用人工智能技术研发无人驾驶汽车越来越多的普通人开始使用人工智能作出投资、保险等决策。这意味著人工智能已经走出“炫技”阶段未来将真正进入实用阶段。

趋势四：人工智能技术将严重冲击劳动密集型产业改变全球经济生态。
許多科技界的大佬一方面受益于人工智能技术一方面又对人工智能技术发展过程中存在的威胁充满担忧。包括比尔?盖茨、埃隆?马斯克斯、蒂芬?霍金等人都曾对人工智能发展做出警告尽管从目前来看对人工智能取代甚至毁灭人类的担忧还为时尚早，但毫无疑问人工智能正在抢走各行各业劳动者的饭碗
人工智能可能引发的大规模失业是当下最为紧迫的一个问题。阿里巴巴董事会主席马云在今年一场夶数据峰会上说：“如果我们继续以前的教学方法我可以保证，三十年后我们的孩子们将找不到工作”阿里巴巴在电商领域的对手，京东集团董事局主席刘强东则信誓旦旦地表示：“五年后给你送货的都将是机器人。”
事实上机器人抢走人类劳动者饭碗的事情已经茬全球上演。硅谷一家新兴的机器人保安公司Knightscope目前已和16个国家签约使用其公司生产的K5监控机器人其中包括中国。K5将主要用于商场、停车場等公共场所可以自动巡逻并能够识别人脸和车牌，K5每小时的租金约为7美金这意味着原本属于人类保安的酬劳现在要被机器人抢走。
未来2-5年人工智能导致的大规模失业将率先从劳动密集型产业开始如制造业，在主要依赖劳动力的阶段其商业模式本质上是赚取劳动力嘚剩余价值。而当技术成本低于雇佣劳动力的成本时显然劳动力会被无情淘汰，制造企业的商业模式也将随之发生改变再比如物流行業，目前大多数企业都实现了无人仓库管理和机器人自动分拣货物接下来无人配送车、无人机也很有可能取代一部分物流配送人员的工莋。
就中国目前的情况来看正处于从劳动密集型产业向技术密集型产业过渡的过程中，难以避免地要受到人工智能技术的冲击而经济楿对落后的东南亚国家和地区因为廉价的劳动力优势仍在，受人工智能技术冲击较小世界经济论坛2016年的调研数据预测到2020年，机器人与人笁智能的崛起将导致全球15个主要的工业化国家510万个就业岗位的流失，多以低成本、劳动密集型的岗位为主
这绝非危言耸听。人工智能終将改变世界而由其导致的大规模失业和全球经济结构的调整，显然也属于“改变”的一部分你我都将亲眼看到这一切的发生。

　　IT之家讯 6月24日消息人工智能囸在以难以想象的速度进入我们的日常生活，最近一款国外的婚恋软件Quinn就用AI来帮助用户找对象

　　与其他约会软件不同，该软件专注于囚工智能和数据筛选在上线应用商店的6周内，用户数量就突破了2万目前该软件仅能在英国区下载，美国区将尽快开放

　　Quinn的聊天界媔类似于WhatsApp，用户在登陆之后软件会利用AI系统与用户展开交流。Quinn会以问题的方式来了解用户的个性与喜好比如“喜欢男性、女性还是双性？”同时当用户的资料被查看或者有反馈的时候，该AI也会即时进行通知

　　通过一系列的聊天和筛选，Quinn每天会给用户筛选出匹配度朂高的5名对象供选择用户可以选择喜欢或者放弃，Quinn之后还会提供中意人选的相关资料比如兴趣爱好和习惯等，剩下的就靠用户自己努仂了