13518219792
一、互联网的衰退让人工智能成为新的风口
第一，互联网流量红利基本已经消失。
PC和移动互联网的红利早已消失，手机出货量每年都在下降。手机、无线方面的流量基本走平了，但是中国已经连续几年手机出货量维持在四亿台，意味着你多卖一台别人就少卖一台。
现在这个阶段，流量的大趋势基本上定了，大家都知道手机首屏基本就这几个APP：微信、QQ、淘宝、头条、邮件、日历。在现在新的流量红利已经比较干涸的情况下，再在这个领域创业其实不是很明智。
举个例子，PC互联网最后一个独角兽公司是哪家？知乎。
知乎2011年正式上线运营，到今天这已经是最晚的一个PC独角兽。
2011年PC互联网竞争的激烈程度跟2015年移动互联网竞争的程度类似。
2015年的移动互联网的总人数和总的竞争激烈程度其实已经超过了2011年的PC领域，那就意味着在2015年之后，移动互联网可能很难再做。
第二，互联网给用户带来的的价值是解决信息不对称和连接的问题。
电商解决了这两个问题：
信息不对称。
你怎么知道我卖的东西都是真货还是假货？怎么知道我的售后服务好不好？淘宝用钻石皇冠把问题给解决了。
信息连接的问题。
有这么多买家这么多卖家，当然需要一个平台把大家都集中在一起，这个是“互联网+”集中解决的问题。
对于很多比较传统的行业，信息和连接并不是痛点。
拿医疗举例，中国三甲医院的大夫就那么多，你把全国13亿人民都和这些大夫连接上了也没用，因为一个医生一天还是只能看那么多病人。互联网并没有提高医生看诊的效率，帮助是很有限的。
第三，人工智能能够大幅提高生产力。
现在AI看片非常火，很多基层医院打出来的CT和X光片，通过AI能解决很多问题。
也包括滴滴打车，互联网解决了打车难的问题，但是没解决打车价格的问题。事实上，补贴去掉之后，大家都发现了滴滴一点都不便宜，道理很简单不管是专车还是出租车，还是需要由人来开，人工成本降不下来，就不可能便宜。
不知道大家有没有体会到一个问题，现在互联网对传统行业中餐饮行业的改造其实是非常皮毛的，无非就是搞个折扣券把它预定一下，好像仅此而已。
餐饮行业真正需要解决的是大厨能不能被替代的问题，在这块互联网根本帮不上忙。
所以，未来人工智能对于各行各业的改造力度会远远超过互联网。
比如医疗行业，很多基层医院水平不高，那未来完全可以通过人工智能来辅助医生读CT、X光等医疗影像。像今年，IBM Watson对皮肤黑色素瘤的诊断，准确率已提高至97%，远远超过了人类专家75%-84%的平均水平。
未来，人工智能无论是在无人车、机器人、医疗、金融、教育还是其他领域，都将爆发巨大的社会效益，这点毋庸置疑。
二、人工智能应用广泛
1、自然语言生成
自然语言生成是人工智能的分支，研究如何将数据转化为文本，用于客户服务、报告生成以及市场概述。
2、语音识别
Siri就是一个典型的例子。
目前，通过语音应答交互系统和移动应用程序对人类语言进行转录的系统已多达数十万。
3、虚拟助理
虚拟助理是一种能与人类进行交互的计算机代理或程序，其中以聊天机器人最为著名。虚拟助理多用于客户服务和支持，并可以作为智能家居的管理者。
4、机器学习平台
机器学习是计算机科学和人工智能技术的分支，它能提升计算机的学习能力。
通过提供算法、API(应用程序接口)、开发和训练工具包、数据、以及计算能力来设计、培训和部署模型到应用程序、流程和其他机器，广受企业青睐，用以解决预测和分类任务。
Adext是世界上第一个也是唯一的观众管理工具，它将人工智能和机器学习应用于数字广告，以期将广告精准的投放给最符合产品定位的受众。
5、人工智能硬件优化
用于运行面向人工智能的计算任务，是经过专门设计和架构的GPU(图形处理单元)和CPU(中央处理单元)。
即将推出的基于人工智能优化的硅芯片，将直接嵌入到你的便携设备以及生活各处。
6、决策管理
智能机器能够向AI系统引入规则及逻辑，因此你可以利用它们进行初始化设置/训练，以及持续的维护和优化。
决策管理在多类企业应用中得以实现，它能协助或者进行自动决策，实现企业收益化。
7、深度学习平台
深度学习平台是机器学习的一种特殊形式，它包含多层的人工神经网络，能够模拟人类大脑，处理数据并创建决策模式。目前主要被用于基于大数据集的模式识别和分类。
8、生物信息
这项技术能够识别、测量、分析人类行为以及身体的物理结构和形态。
它能赋予人类和机器之间更多的自然交互能力，包括但不仅限于图像、触控识别和身体语言识别，目前被广泛用于市场研究领域。
9、机器处理自动化
机器处理自动化使用脚本和其它方法实现人类操作的自动化，以支持更高效的商业流程。
目前被用于人力成本高昂或效率较低的任务和流程。
机器处理自动化能将人类的才能化的展示出来，并且让职工更加具有创造性和战略性，对公司的发展至关重要。
10、文本分析和自然语言处理
文本分析和自然语言处理利用统计和机器学习方法理解句子的结构、含义、情绪和意图，广泛应用于欺诈探测和信息安全等领域，同时还可用于非结构化数据的挖掘。
11、数字孪生/AI建模
数字孪生是一种软件架构，搭建起物理系统和数字世界的桥梁。
通用电气公司(General Electric，GE)宣布将成立一家人工智能公司，用于对飞机引擎、机车、燃气轮机的监控、以及故障预测。该公司的数字孪生仅几行代码，即便是最复杂的版本看上去也就像三维计算机辅助设计图纸，充满了交互式图表和数据点。
12、网络防御
网络防御是一种计算机网络防御机制，专注于预防、检测以及在基础设施和信息在受到攻击和威胁时进行及时响应。
人工智能和机器学习将网络防御带入了新的发展阶段：在2017年，共检测出20亿次的入侵记录，其中76%的入侵是意外发生的，69%是身份丢失造成的。
递归神经网络(Recurrent neural networks，RNN)能够处理输入序列，与机器学习技术相结合创建出监督学习技术，能够发现可疑目标，并检测出高达85%的网络攻击。
Darktrace和Cylance等初创公司高度重视人工智能结合网络防御领域的工作。Darktrace将行为分析与高等数学相结合，自动检测组织内部的异常行为，Cylance应用人工智能算法来阻止恶意软件的入侵并减轻攻击造成的损害。另一家致力于网络防御的公司，Deep Instinct，被看作是“最具破坏性的初创公司”，该公司旨在保护企业的端点、服务器和移动设备。
13、合规
合规是指一个人或者一家公司的经营活动与公认管理、法规、规章、标准或合同条款相一致。
将人工智能应用于合规工作中已屡见不鲜,自然语言处理技术能够扫描文本并且将其模式与关键字相匹配，以识别与公司有关的变动。
具有预测分析功能和场景构建器的资本压力测试技术能够帮助公司遵守监管资本要求。此外，深度学习的使用，能有效减少被标记为潜在洗钱活动的交易数量。
14、知识工作辅助
虽然许多人都很担心AI是否会完全取代人类工作，但别忘了，AI科技能够在很大程度上帮助人们出色的完成自己的工作，特别是在知识工作领域。
知识工作的自动化已被列为第二大最具破坏性的新兴技术。在大量依靠知识工作者的医疗和法律领域，从业者们将逐渐使用AI技术作为诊断工具。
15、内容创作
内容创作包括人们对网络世界输入的任何材料，如视频、广告、博客、白皮书、信息图表以及其它视觉或者书面材料。
哥伦比亚广播公司等团队已使用了AI技术进行内容生成；Wibbitz的SaaS平台可以通过人工智能视频产品把文字内容转化为视频内容；自动透视公司研发的Wordsmith，在获取数据后利用自然语言处理技术进行新闻写作。
16、P2P网络
P2P网络是指网络的参与者共享他们所拥有的一部分硬件资源，这些共享资源通过网络提供服务和内容，能被其它P2P节点直接访问而无需经过中间实体。
Bet Capital LLC的首席执行长本哈特曼在接受《创业者》杂志采访时表示，P2P网络也被用于货币加密，甚至能够通过收集和分析大量数据来解决一些世界上最具挑战性的问题。
普瑞斯是一家旨在利用P2P网络和人工智能让搜索引擎更加通俗易懂的公司，以加密货币为奖励，让参与者们借出他们电脑的计算能力。相应地，该公司许诺会建立一个更加透明的搜索引擎平台。
17、情绪识别
情绪识别可以通过高级图像处理或音频数据处理来“读取”人类脸上的表情。目前，我们已经能够捕捉“微表情”，识别肢体语言暗示，以及分析含有情绪的语音语调。
执法人员在审讯过程中使用这项技术能够获取更多的信息，这项技术也被广泛运用于市场营销。
18、图像识别
图像识别是指在数字图像或者视频中识别和检测出物体或特征的过程，人工智能技术在该领域具有独特的优势。
人工智能可以在社交媒体平台上搜索照片，并将其与大量数据集进行比较，从而找出与之最为相关的内容。
图像识别技术能用于车牌识别、疾病检测、客户意见分析以及身份验证等。
19、智能营销
到目前为止，市场部门已经从人工智能中获益良多，业界对人工智能的信任是有充分理由的。55%的营销人员确信人工智能在他们的领域会比社交媒体有更大的影响力。
智能营销能够提升公司的参与度和效率，对客户进行细分、集成客户数据和管理活动，并简化重复任务，让决策者们有更多的时间专注战略制定。
