如今領占主導地位的19種AI技術！

深度學習的突破將人工智慧帶進全新階段。 2006 年-2015 年是人工智慧崛起的黃金十年。 2006 年 Hinton 提出“深度學習” 神經網路，使得人工智慧的效能獲得了突破性進展， 2006 年成為人工智慧發展史上一個重要的分界點。

人工智慧黃金十年

 近年來，隨著深度學習演算法的逐步成熟，AI技術分支越發增多，現在讓我們細數AI技術，看看領占主導地位的19種AI技術都有哪些！

1、 自然語言生成（Natural Language Generation）

自然語言生成是AI的子學科，可將資料轉換成文字，使計算機能夠像人一樣的擁有表達和寫作的能力，它能夠幫助客戶快速的生成商業報告和市場概要。

2、 語音識別(Speech Recognition)

語音識別是一門交叉學科，可將語言轉換成文字。目前所涉及的領域包括：訊號處理、模式識別、機率論、資訊理論、發聲機理和聽覺機理等。

目前，語音識別領域內的系統數量越發繁多，透過語音應答互動系統和移動應用程式對人類語言進行轉錄的系統已多達數十萬。

3、 虛擬代理（Virtual Agents）

虛擬代理是一種能夠與人類進行互動的計算機程式，最常見的例子就是聊天機器人。虛擬代理目前多用於客戶服務以及智慧家居等領域。

4、 機器學習平臺（Machine Learning Platforms）

機器學習（ML）是電腦科學的一個分支學科，同樣也是人工智慧的分支。它能夠為計算機新增學習的功能，提升計算機的學習能力。

透過提供演算法、API（應用程式程式設計介面）、開發和培訓工具、大資料以及各種應用程式，機器學習實力逐漸增強，很多企業為之青睞。目前機器學習能夠幫助使用者完成商業預測和分類等任務。

Adext AI是世界上第一個也是唯一一個觀眾管理工具，它將人工智慧和機器學習應用於數字廣告，以便將廣告精準的投放給最符合產品定位的受眾。

5、 人工智慧硬體最佳化（AI-optimized Hardware）

如果你問AI時代，硬體會不會迎來春天？技術告訴你：會的。這裡就涉及到一個新技術——人工智慧硬體最佳化，用於執行面向人工智慧的計算任務，經過專門設計和架構的GPU(圖形處理單元)和CPU(中央處理單元)。

即將推出的AI最佳化矽晶片將直接嵌入到你的便攜裝置以及生活各處。

6、 決策管理(Decision Management)

智慧機器能夠為人工智慧系統引入規則和邏輯，研發人員可以將它們運用到初始設定或培訓、機器的維護以及調整等流程中。

決策管理已經深入到企業的各種應用程式當中，來協助和執行智慧決策，實現收益最大化。

7、 深度學習平臺（Deep Learning Platforms）

深度學習平臺是機器學習的一種特殊形式，它包含多層人工神經網路，能夠模擬人類大腦進行資料處理和決策。目前深度學習平臺主要被應用於基於大資料集的模式識別和分類。

8、 生物識別技術(Biometrics)

所謂生物識別技術就是，透過計算機與光學、聲學、生物感測器和生物統計學原理等高科技手段密切結合，利用人體固有的生理特性，（如指紋、臉象、虹膜等）和行為特徵（如筆跡、聲音、步態等）來進行個人身份的鑑定。

生物識別技術可以實現人與機器之間更加自然的互動，包括影像、語音以及各種肢體互動等，是市場研究領域內的重要幫手。

9、 機器處理自動化（Robotic Processes Automation）

機器處理自動化使用指令碼及其他方法實現人類操作自動化，支援企業更高效的商業流程，比較適用於人力成本高昂但效率低下的任務和流程。

   典型的例子就是Adext AI，它是一個將人工智慧融入數字廣告的平臺，可以幫助企業完成大量的機器性重複性高的工作，提升企業工作效率。

未來，機器處理自動化將成為一個企業的重要解決方案，它將幫助企業充分利用人才，讓員工進入更具戰略性和創造性的職位，能夠更大限度的發揮優秀員工的價值。

10、文字分析和自然語言處理（Text Analytics and Natural Language Processing）

該項技術利用文字分析，透過統計和機器學習的方法，瞭解句子結構、意義和意圖。文字分析和自然語言處理技術目前多被應用於安全系統欺詐檢測。同時，它還被大量的智慧助手和應用程式用於提取非結構化資料。

11、數字孿生/AI建模(Digital Twin/AI Modeling)

數字孿生是一種軟體結構，可以彌合物理系統和數字世界之間的差距。

例如，通用電氣（GE）正在建立一支人工智慧小組，來監控飛機引擎、機車和燃氣輪機，並利用通用電氣機器的雲託管軟體模型預測故障。他們的數字孿生主要是軟體程式碼行，其最精確的版本極其複雜，看起來就像三維計算機設計圖紙，滿是互動式圖表和資料節點。

 12、網路防禦（Cyber Defense）

網路預防是一種計算機網路預防機制，專注於預防和檢測，並且能夠在基礎設施和資訊受到威脅、攻擊的第一時間給出響應。

人工智慧和機器學習將網路預防帶到了一個新的發展階段，用以應對網路日益危險的環境。2017年，網路違規指數（Breach Level Index）檢測到的違規記錄超過20億次，其中資料意外丟失佔76%，盜竊類佔69%。

能夠處理輸入序列的遞迴神經網路可以與機器學習技術結合起來，建立監督學習技術。這種技術可以用於檢測網路可疑使用者活動，檢測出高達85%的網路攻擊。

初創公司Darktrace將行為分析與高階數學相結合，來自動檢測組織內的異常行為。另一家網路安全初創企業Cylance使用人工智慧演算法來阻止惡意軟體、減輕零時差攻擊（Zero-day attacks）造成的損害。兩家公司都將人工智慧技術應用到網路安全領域，致力於服務網路安全預防工作。

13、合規( Compliance)

合規是指個人或組織符合公認規章制度，或符合某項合同條款的要求，同時具備相關行業認證。

人工智慧應用於合規工作的案例屢見不鮮。例如，自然語言處理技術能夠掃描監管文字將其模式與關鍵字相匹配，來識別與公司相關的更改。

具有預測分析功能和場景構建器的資本壓力測試方案能夠幫助公司遵守監管資本要求。並且，深度學習使用能有效減少被標記為潛在洗錢活動的交易數量。

14、知識工作輔助(Knowledge Worker Aid)

很多人都在擔心人工智慧是否會完全取代人類工作，但我們可以換一個角度去思考問題，實踐證明了人工智慧的價值真的很大，它可以極大的幫助員工工作，特別是工作在知識領域內的員工。

事實上，知識領域的智慧化被列為第二大最具破壞性的新興技術趨勢。知識性強的醫療和法律行業的工作人員將逐漸依賴於人工智慧技術。

越來越多的公司開始致力於該領域工作，例如Kim Technologies，該公司的目標就是為那些沒有IT程式設計經驗的知識工作者提供工具，在人工智慧的幫助下建立新的工作流程和文件流程。

15、內容創作(Content Creation)

內容創作是指人們在網路上貢獻材料的過程，包括影片、廣告、部落格帖子、白皮書、資訊圖表以及其他視覺或書面材料。

像《今日美國》(USA Today)、赫斯特(Hearst)和哥倫比亞廣播公司(CBS)等品牌早就開始使用人工智慧來生產內容。

一個例子就是Wibbitz。Wibbitz是一個SaaS工具，它可以幫助釋出者利用人工智慧影片製作技術，在幾分鐘內從書面內容中建立影片。另外一個例子是Wordsmith，它是由Automated Insights建立的一個工具，該工具利用自然語言技術基於盈利資料生產新聞報導。

16、P2P網路( Peer-to-Peer Networks)

P2P網路，即對等計算機網路，是一種在對等者（Peer）之間分配任務和工作負載的分散式應用架構，是對等計算模型在應用層形成的一種網路形式。

Bet Capital LLC的執行長Ben Hartman表示：P2P網路也被用於貨幣加密，甚至能夠透過收集和分析大量資料來解決一些世界上最具挑戰性的問題。

Nano Vision是一家以加密貨幣來獎勵使用者的初創公司，目的在於改變我們處理人類健康威脅的方式，例如超級細菌、傳染病和癌症等。

領域內的另一個示例是Research，它是一個分散的搜尋引擎，由社群提供動力，透過令牌獎勵會員，來獲得一個更加透明的搜尋引擎系統。

17、情緒識別(Emotion Recognition)

情緒識別是一種利用高階影像處理或音訊資料處理“讀取”人類臉上情緒的技術。目前，情緒識別技術已經能夠捕捉“微表情”，識別肢體語言暗示，以及分析含有情緒的語音語調。

執法人員可以將此項技術應用到審訊任務，檢測嫌疑人情緒來獲取想要得到的資訊。

越來越多的創業公司都在使用此項技術，該項技術除了語言分析、音訊輸入還能描繪一個人的性格特徵，包括積極、興奮、生氣等。

知名情緒識別公司Affectiva釋出了一款人工智慧情緒監控軟體AffectivaAI，它的目標是搭載到時下已經出現的半自動駕駛汽車中，監控駕駛員的精神狀態，當駕駛員出現嗜睡、過度焦慮或易怒狀態時，自動駕駛系統會及時接管汽車，保證行車安全。

18、影像識別( Image Recognition)

影像識別是指在數字影像或者影片中識別出物體特徵的過程，更多AI技術的堆疊也使該項技術功能越來越強大。

人工智慧可以在社交媒體平臺上搜尋照片，將其與大量資料集進行比較，從而找出最相關的內容。

影像識別技術還可用於車牌檢測、診斷疾病、分析客戶意見等。

SenseTime是該行業相對較出色的公司，該公司開發了面部識別技術，可應用於銀行卡驗證、應用支付和圖片分析等領域。

19、智慧營銷(Marketing Automation)

當前，市場營銷部門可謂是在人工智慧中受益匪淺，業界極其看好人工智慧，對人工智慧技術的未來抱有很大信心。該領域內55%的營銷人員認為人工智慧的影響力比社交媒體大。

智慧營銷能夠幫助企業提高市場參與度幫助員工提升工作效率。它能夠對客戶進行細分、整合客戶資料和管理活動，簡化重複性高的任務，讓決策者將更多的時間投入到戰略性任務上。