物聯網、大數據、人工智能等科技熱詞這幾年似乎每天都在科技頭條中輪番出現，到底哪一種技術對人類社會的發展有更大的推動作用呢?不知道有沒有人有這樣的疑惑，事實上，它們都是未來的趨勢，彼此之間並不矛盾。
有人說，萬物互聯的時代，大數據是未來的新石油。怎麼去理解這一句話呢?我們知道，物聯網技術主要是實現物理世界(現實世界)和信息世界的融合，從而獲取到現實世界海量、動態、多態以及關聯的數據。而大數據概念，正是對於這些數據的抽象描述，通常是指大小已超出傳統意義的尺度，並且軟件工具難以捕捉、存儲、管理與分析的數據。再者就是人工智能技術，它是建立在大量數據的基礎上的一門技術，可以讓機器像人一樣去思考。
說到人工智能，就不得不提到機器學習和深度學習。很多人對此不是很瞭解，在這裡我就用一張表示集合的圖來直觀地描述下三者的關係。
圖1 機器學習是人工智能的一個分支，而深度學習又是機器學習的一個分支
人工智能、機器學習、深度學習技術的辨析
1、人工智能
圖2 人工智能——讓機器像人一樣思考
人工智能技術是1956年提出的，被認為是21世紀三大尖端技術之一，是對人的思維和意識的信息過程的模擬。人工智能的概念很寬泛，從表面上可以理解為讓機器像人一樣能思考並解決問題。其實，人工智能核心技術包括很多的方面，推理、知識、規劃、學習、交流、感知、移動和操作物體的能力等。
通常情況下，我們按照實力將人工智能分為以下三大類：
弱人工智能：擅長於單個方面的人工智能。比如有能戰勝象棋世界冠軍的人工智能，但是它只會下象棋，你要問它怎樣更好地在硬盤上儲存數據，它就不知道怎麼回答你了。
強人工智能：人類級別的人工智能。強人工智能是指在各方面都能和人類比肩的人工智能，人類能幹的腦力活它都能幹。創造強人工智能比創造弱人工智能難得多。
超人工智能：超人工智能可以是各方面都比人類強一點，也可以是各方面都比人類強數倍的，而最終能否實現，業界並無統一說法。
人工智能在計算機上實現時有2種不同的方式。一是採用傳統的編程技術，使系統呈現智能的效果，而不考慮其具體的結構是否與人類大腦相似或相同。另一種是模擬法，它不僅要看最終呈現的結果，還要求其結構也與人類大腦相似或相同。
2、機器學習
圖3 機器學習常見算法圖形表示
機器學習考察計算機如何基於數據學習。其主要研究領域之一是，計算機程序基於數據自動地學習識別複雜的模式，並做出智能的決斷。機器學習是一個快速成長的學科，在這裡，我們為大家介紹一些與數據挖掘相關的經典的、機器學習問題。
監督學習：基本上是分類的同義詞。學習中的監督來自於訓練數據集中被標記的實例。
無監督學習：本質上是聚類的同義詞。學習過程是無監督的，因為輸入實例沒有類標記。
半監督學習：是一類機器學習技術，在學習模型時，它使用標記的和未標記的實例。在一種方法中，標記的實例用來學習類模型，而未標記的實例用來改進類邊界。
主動學習：是一種機器學習方法，它讓用戶在學習過程中扮演主動角色。主動學習方法可能要求用戶對可能來自未被標記的實例集或由學習程序合成的實例進行標記。給定可以標記的實例數量的約束，目的是通過主動地從用戶獲取知識來提高模型的質量。
3、深度學習
圖4 深度學習是一種新的思維方式
深度學習是機器學習研究中的一個新的領域，其動機在於建立、模擬人腦進行分析學習的神經網絡，它模仿人腦的機制來解釋數據，例如圖像，聲音和文本。深度學習的概念源於人工神經網絡的研究。含多隱層的多層感知器就是一種深度學習結構。深度學習通過組合低層特徵形成更加抽象的高層表示屬性類別或特徵，以發現數據的分佈式特徵表示。晦澀難懂的概念，略微有些難以理解，但是在其高冷的背後，卻有深遠的應用場景和未來。
到了當下，經過深度學習技術訓練的機器在識別圖像時比人類更好，比如識別貓、識別血液中的癌細胞特徵、識別MRI掃描圖片中的腫瘤。
通常，我們把人工智能的產業鏈分為三個核心環節：人工智能基礎技術、人工智能算法平臺和人工智能應用，接下來就讓我們來解讀下人工智能的產業鏈。
圖5 人工智能產業鏈的三層結構
1、人工智能基礎技術
人工智能的基礎技術主要是大數據管理和雲計算，經過近幾年的發展，國內大數據管理和雲計算技術已從一個嶄新的領域逐步轉變為大眾服務的基礎平臺。基礎技術為人工智能技術的實現和應用的落地提供了基礎的後臺保障，也是一切人工智能技術和應用實現的前提。
雲計算按照使用層面的不同又分為基礎設施即服務(IaaS)、平臺即服務(PaaS)和軟件即服務(SaaS)。
IaaS：分為公有云、私有云和混合雲三種形態，提供給消費者的服務是對所有設施的使用，包括處理器、存儲、網絡和其它基本的計算資源，用戶能夠部署和運行任意軟件，包括操作系統和應用程序。
PaaS：將軟件研發的平臺作為一種服務，以 SaaS 的模式提交給用戶。
SaaS：提供給客戶的服務是運營商運行在雲計算基礎設施上的應用程序，用戶可以在各種設備上通過客戶端界面訪問，如瀏覽器。
目前，國內雲計算的關鍵參與力量有阿里雲、騰訊雲、華為雲、百度雲等。
2.人工智能算法平臺
與基礎技術提供平臺不同，人工智能技術平臺主要專注於機器學習、模式識別和人機交互，所涉及的領域包括機器視覺、指紋識別、人臉識別、視網膜識別、虹膜識別、掌紋識別、專家系統、自動規劃、智能搜索、定理證明、博弈、自動程序設計、智能控制、機器人學、語言和圖像理解和遺傳編程等。
機器學習在文章前半部分已做過詳細描述，這裡就不再贅述。
模式識別：模式識別就是通過計算機用數學方法來研究模式的自動處理和判讀，它偏重於對信號、圖像、語音、文字、指紋等非直觀數據方面的處理，如語音識別，人臉識別等，通過提取出相關的特徵來實現一定的目標。文字識別、語音識別、指紋識別和圖像識別等都屬於模式識別的場景應用。
人機交互：人機交互是一門研究系統與用戶之間的交互關係的學問。系統可以是各種各樣的機器，也可以是計算機化的系統和軟件。在應用層面，它既包括人與系統的語音交互，也包含了人與機器人實體的物理交互。
目前，國內人工智能技術平臺在應用層面主要聚焦於計算機視覺、語音識別和語言技術處理領域，其中的代表企業包括科大訊飛、格靈深瞳、捷通華聲(靈雲)、地平線、SenseTime、永洪科技、曠視科技、雲知聲等。
3.人工智能應用
人工智能應用涉及到專用和通用兩個方面，這也是機器學習、模式識別和人機交互這三項人工智能技術的落地實現形式。目前國內人工智能應用正處於由專業應用向通用應用過渡的發展階段。
其中，專用領域的應用涵蓋了目前國內人工智能應用的大多數，包括人臉識別、語音識別以及服務型機器人等方面;而通用領域的應用則側重於醫療、智能家居、金融等方面。
(1)智能機器人
圖6 智能機器人——人類的好伴侶
由於工業發展和智能化生活的需要，目前國內智能機器人行業的研發主要集中於家庭機器人、工業及企業服務和智能助手三個方面。
其中，工業及企業服務類的機器人研發企業依託政策背景和市場需要處於較為發達的發展階段，代表性企業包括新松機器人、大疆、博實股份、優愛寶機器人、Slamtec等。
在以上三個分類中，從事家庭機器人和智能助手的企業佔據著絕大多數比例，涉及到的國內企業近 300 家。
家庭機器人代表性企業包括：優必選、Rokid、公子小白機器人、北冥星眸、極思維智能科技等。
智能助手代表性企業包括：百度、小i機器人、圖靈機器人、優必選、北冥星眸GalaxyEye、蘿蔔科技等。
(2)智能家居
圖7 人工智能讓你的房子更聰明
人工智能在智能家居方面的應用也是一個大熱門，以海爾和美的為代表的傳統家電企業依託自身渠道、技術和配套產品優勢建立起了實體化智能家居產品生態。而以阿里、騰訊、京東、小米和樂視等互聯網企業為代表的公司則通過各自平臺內的數據和終端資源提供不同的軟硬件服務。
值得關注的是，科沃斯、歐瑞博、broadlink、感居物聯、風向標科技、物聯傳感和華為等技術解決方案商在通用硬件和技術、系統級解決方案上已成為諸多智能家居企業的合作伙伴。
綜合來看，智能家居和物聯網其它細分領域的企業由於市場分類、技術種類和數據積累的不同各自提供著差異化的解決方案。在既定市場中，沒有絕對意義上的排斥競爭，各企業之間的合作融合度較強。
互聯網企業：阿里小智、QQ 物聯、京東微聯、小米、樂視樂居家等。
傳統家電企業：海爾U+、美的M-Smart等。
技術解決方案商：歐瑞博、科沃斯、broadlink、感居物聯、風向標科技等。
(3)智能醫療
圖8 智能醫療緩解醫患矛盾 為人類解決更多疑難雜症
目前國內智能醫療領域的研究主要集中於醫療機器人、醫療解決方案和生命科學領域。
由於起步較晚和技術門檻的限制，目前國內醫用機器人的研發水平和普及率相較於國際一線水平仍存在一定的差距，這些企業主要集中於手術機器人和康復機器人兩大領域。
在醫療解決方案方面，以騰訊、阿里巴巴、百度和科大訊飛為代表的公司通過和政府、醫療機構的合作，為腦科學、疾病防治與醫療信息數據等領域提供智能解決方案。
而在生命科學領域，研究的著眼點在以基因和細胞檢測為代表的前沿研究領域，代表企業有華大基因、碳雲智能和貝瑞和康等。
醫療機器人代表企業：新松機器人、博實股份、妙手機器人、璟和技創等。
醫療解決方案代表企業：騰訊、阿里巴巴、百度、科大訊飛等。
生命科學代表企業：華大基因、碳雲智能、貝瑞和康、安諾優達、聯合基因、北科生物等。
國內人工智能產業鏈的基礎技術鏈條已經構建成熟，人工智能技術和應用集中在人臉和圖像識別、語音助手、智能生活等專用領域的場景化解決方案上。就趨勢來看，未來國內人工智能領域的差異化競爭和突破將主要集中在人工智能相關技術的突破和應用場景升級兩個層面。
在不久的將來，多智時代一定會徹底走入我們的生活，有興趣入行未來前沿產業的朋友，可以收藏多智時代，及時獲取人工智能、大數據、雲計算和物聯網的前沿資訊和基礎知識，讓我們一起攜手，引領人工智能的未來！
閱讀更多 多智時代 的文章
