來(lái)源：艾瑞網(wǎng)

摘要：聰明的科技公司都不再單一的專(zhuān)注于自己的傳統(tǒng)業(yè)務(wù)，而是著眼于未來(lái)，不斷創(chuàng)新技術(shù)，跨界融合打造一個(gè)整合的生態(tài)系統(tǒng)。

人工智能是個(gè)高科技、寬領(lǐng)域、多維度、跨學(xué)科的集大成者，從立足大數(shù)據(jù)、圍繞互聯(lián)網(wǎng)的純計(jì)算機(jī)應(yīng)用，逐步衍生到人們?nèi)粘Ｉa(chǎn)生活的方方面面，在細(xì)微之處改善和改變著我們。目前，不少新技術(shù)、新模式已經(jīng)逐步投入到現(xiàn)實(shí)運(yùn)用，但是多數(shù)領(lǐng)域仍然處在推廣、試驗(yàn)、研究階段，如何把握推廣人工智能技術(shù)的重大機(jī)遇，讓更廣大的老百姓像普及手機(jī)一樣，用上人工智能，這是我們這一代人必須面對(duì)的時(shí)代發(fā)展“必答題”。

2018年人工智能技術(shù)已在多方面實(shí)現(xiàn)突破進(jìn)展，國(guó)內(nèi)外的科技公司都在不斷嘗試將人工智能應(yīng)用于更多領(lǐng)域，不論科技巨頭還是初創(chuàng)企業(yè)，都在致力于不斷創(chuàng)新，推動(dòng)技術(shù)進(jìn)步，接下來(lái)我們就來(lái)看看十項(xiàng)中外人工智能領(lǐng)域富有突破性的技術(shù)。

基于神經(jīng)網(wǎng)絡(luò)的機(jī)器翻譯

入選理由：翻譯是“自然語(yǔ)言處理”的最重要分支，也是比較難的一支。早年間，機(jī)器翻譯還被視作 “低級(jí)翻譯”被嘲諷，如今神經(jīng)網(wǎng)絡(luò)的機(jī)器翻譯準(zhǔn)確性大大提高，堪比專(zhuān)業(yè)人工翻譯。我們熟知的谷歌翻譯、微軟語(yǔ)音翻譯以及搜狗語(yǔ)音識(shí)別等都是基于此項(xiàng)技術(shù)。

技術(shù)突破：機(jī)器翻譯是科研人員攻堅(jiān)了數(shù)十年的研究領(lǐng)域，其技術(shù)核心是一個(gè)擁有海量結(jié)點(diǎn)的深度神經(jīng)網(wǎng)絡(luò)，可以自動(dòng)的從語(yǔ)料庫(kù)中學(xué)習(xí)翻譯知識(shí)。

人類(lèi)大腦處理語(yǔ)言的過(guò)程毫無(wú)疑問(wèn)是最為復(fù)雜的認(rèn)知過(guò)程之一，曾經(jīng)很多人都認(rèn)為機(jī)器翻譯根本不可能達(dá)到人類(lèi)翻譯的水平。神經(jīng)網(wǎng)絡(luò)中的多層感知就試圖模擬人類(lèi)大腦神經(jīng)多層傳遞處理的過(guò)程，但通常不超過(guò)三層。2006年，科學(xué)家提出了神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)算法，使至少具有7層的神經(jīng)網(wǎng)絡(luò)訓(xùn)練成為可能。由于能夠比較好地模擬人腦神經(jīng)元多層深度傳遞的過(guò)程，它在解決一些復(fù)雜問(wèn)題的時(shí)候有著非常明顯的突破性表現(xiàn)。

今年3月，微軟宣布其研發(fā)的機(jī)器翻譯系統(tǒng)首次在通用新聞的漢譯英上達(dá)到了人類(lèi)專(zhuān)業(yè)水平，實(shí)現(xiàn)了自然語(yǔ)言處理的又一里程碑突破，將機(jī)器翻譯超越人類(lèi)業(yè)余譯者的時(shí)間，提前了整整7年。

重大意義：基于神經(jīng)網(wǎng)絡(luò)的機(jī)器翻譯，直接改善了之前逐詞直譯的效果，升級(jí)為以整個(gè)句子為單位進(jìn)行翻譯。

點(diǎn)評(píng)：機(jī)器翻譯在手，縱橫四海不是問(wèn)題。

基于多傳感器跨界融合的機(jī)器人自主導(dǎo)航

入選理由：機(jī)器人的終極目標(biāo)是為人類(lèi)提供智能化的服務(wù)，其中自主導(dǎo)航是近年來(lái)人類(lèi)一直想要攻克的技術(shù)壁壘，臻迪(PowerVision)通過(guò)聲吶、視覺(jué)等多傳感器融合，使其水下機(jī)器人能實(shí)現(xiàn)自主導(dǎo)航及智能識(shí)別，在智能機(jī)器人領(lǐng)域內(nèi)取得了突破性進(jìn)展。

技術(shù)突破：隨著機(jī)器人的應(yīng)用場(chǎng)景及作業(yè)任務(wù)越來(lái)越復(fù)雜，單一傳感器難以滿(mǎn)足應(yīng)用需求。而多傳感器的信息融合對(duì)硬件資源依賴(lài)程度比較高，臻迪（PowerVision）基于自身在機(jī)器人行業(yè)深耕細(xì)作多年所積累的各類(lèi)傳感器、慣性導(dǎo)航、運(yùn)動(dòng)控制、相機(jī)、視覺(jué)檢測(cè)/識(shí)別、SLAM等核心技術(shù)，以及深度學(xué)習(xí)的深入研究，通過(guò)嵌入式端一體化集成平臺(tái)的系統(tǒng)架構(gòu)及優(yōu)化設(shè)計(jì)，突破了移動(dòng)平臺(tái)硬件資源的限制，使水下機(jī)器人更加準(zhǔn)確、智能、全面地感知目標(biāo)，并具備對(duì)水下目標(biāo)進(jìn)行鎖定、檢測(cè)、識(shí)別、跟隨的能力。

重大意義：通過(guò)導(dǎo)航控制、聲吶、視覺(jué)技術(shù)與深度學(xué)習(xí)的結(jié)合實(shí)現(xiàn)了機(jī)器人在全局環(huán)境中的定位及自主導(dǎo)航，以及智能化應(yīng)用，為人類(lèi)探索更為廣闊的水下應(yīng)用提供了強(qiáng)有力的技術(shù)保障。

點(diǎn)評(píng)：這也許是未來(lái)人工智能落地的最佳方式

DuerOS對(duì)話式人工智能系統(tǒng)

入選理由：DuerOS3.0能夠?yàn)橛脩?hù)帶來(lái)了劃時(shí)代的自然對(duì)話交互，包括情感語(yǔ)音播報(bào)、聲紋識(shí)別等能力在內(nèi)的自然語(yǔ)言交互技術(shù)的全面升級(jí)。

技術(shù)突破：DuerOS是百度度秘事業(yè)部研發(fā)的對(duì)話式AI操作系統(tǒng),擁有10大類(lèi)目的250多項(xiàng)技能。DuerOS包括了從語(yǔ)音識(shí)別到語(yǔ)音播報(bào)再到屏幕顯示的一個(gè)完整交互流程，以及背后支撐交互的自然語(yǔ)言理解、對(duì)話狀態(tài)控制、自然語(yǔ)言生成、搜索等等核心技術(shù)，這些技術(shù)支撐著應(yīng)用層和能力層的實(shí)現(xiàn)。

2018年7月4日，最新的DuerOS 3.0正式發(fā)布，使賦能的產(chǎn)品能夠?qū)崿F(xiàn)語(yǔ)音多輪糾錯(cuò)，進(jìn)行復(fù)雜的遞進(jìn)意圖識(shí)別與帶邏輯的條件意圖識(shí)別，從而更加準(zhǔn)確判斷用戶(hù)意圖，最終實(shí)現(xiàn)功能升維——利用擴(kuò)展特征理解用戶(hù)行為?；诖?，DuerOS3.0提供了包括有屏設(shè)備解決方案、藍(lán)牙設(shè)備解決方案和行業(yè)解決方案等在內(nèi)超過(guò)20個(gè)跨場(chǎng)景、跨設(shè)備的解決方案。

重大意義：DuerOS率先開(kāi)啟AI時(shí)代商業(yè)化，將為生態(tài)合作伙伴從產(chǎn)品、內(nèi)容與推廣三大方面提供完整的應(yīng)用方案支持，加速AI設(shè)備落地。

點(diǎn)評(píng)：小度小度，請(qǐng)問(wèn)下一個(gè)技術(shù)我寫(xiě)什么？

移動(dòng)AR技術(shù)

入選理由：未來(lái)AR與AI需要相互加持，可以將AR比喻成AI的眼睛。

技術(shù)突破：集成了眾多計(jì)算機(jī)科技和圖形圖像學(xué)技術(shù)，包括實(shí)時(shí)渲染技術(shù)、空間定位追蹤、圖像識(shí)別、人機(jī)交互、顯示技術(shù)、云端存儲(chǔ)、數(shù)據(jù)傳輸、內(nèi)容開(kāi)發(fā)工具等領(lǐng)域。

AR技術(shù)不僅展現(xiàn)了真實(shí)世界的信息，而且將虛擬的信息同時(shí)顯示出來(lái)，兩種信息相互補(bǔ)充、疊加。在視覺(jué)化的增強(qiáng)現(xiàn)實(shí)中，用戶(hù)利用頭戴顯示器，把真實(shí)世界與電腦圖形多重合成在一起，便可以看到真實(shí)的世界圍繞著它。增強(qiáng)現(xiàn)實(shí)技術(shù)包含了多媒體、三維建模、實(shí)時(shí)視頻顯示及控制、多傳感器融合、實(shí)時(shí)跟蹤及注冊(cè)、場(chǎng)景融合等新技術(shù)與新手段，為人類(lèi)感知信息提供了新的方式。

未來(lái)移動(dòng)AR技術(shù)將向創(chuàng)意性AR應(yīng)用、基于位置的AR體驗(yàn)、多人AR體驗(yàn)發(fā)展。

重大意義：隨著蘋(píng)果 ARKit、谷歌 ARCore 的發(fā)布，移動(dòng)AR在兩大移動(dòng)平臺(tái)上均意義重大。這也意味著，全球 5 億臺(tái)支持 AR 功能的移動(dòng)設(shè)備正在吸引所有的公司入局，這些公司正在將數(shù)據(jù)與 API 相結(jié)合，為用戶(hù)創(chuàng)造新的 AR 體驗(yàn)。

點(diǎn)評(píng)：感覺(jué)自己離進(jìn)入真正的二次元世界不遠(yuǎn)了。

生物特征識(shí)別技術(shù)

入選理由：行為識(shí)別技術(shù)應(yīng)用于安防，為安全又上了一道鎖。

技術(shù)突破：店鋪安裝攝像頭已經(jīng)是一件非常普遍的行為，但普通的攝像頭只能紀(jì)錄店鋪內(nèi)人們的行為，如果發(fā)現(xiàn)盜竊需要通過(guò)觀看監(jiān)控記錄人工排查，耗時(shí)費(fèi)力。

而近日，日本電信巨頭宣布已研發(fā)出一款名為“AI Guardman”的新型人工智能安全攝像頭，這款攝像頭可以通過(guò)對(duì)人類(lèi)動(dòng)作意圖的理解，在盜竊行為發(fā)生前就能準(zhǔn)確預(yù)測(cè)，從而幫助商店識(shí)別偷竊行為，發(fā)現(xiàn)潛在的商店扒手。

這套人工智能系統(tǒng)采用開(kāi)源技術(shù)，能夠?qū)崟r(shí)對(duì)視頻流進(jìn)行掃描，并預(yù)測(cè)人們的姿勢(shì)。當(dāng)遇到監(jiān)控中出現(xiàn)可以行為時(shí)，系統(tǒng)會(huì)嘗試將姿勢(shì)數(shù)據(jù)與預(yù)定義的“可疑”行為匹配，一旦發(fā)現(xiàn)就會(huì)通過(guò)相關(guān)手機(jī)App來(lái)通知店主。據(jù)相關(guān)媒體報(bào)道，這款產(chǎn)品使得商店減少了約四成的盜竊行為。

重大意義：通過(guò)行為識(shí)別技術(shù)，能夠第一時(shí)間發(fā)現(xiàn)犯罪分子，預(yù)測(cè)犯罪行為，有效保護(hù)店鋪安全。

點(diǎn)評(píng)：去日本的商店買(mǎi)東西一定要果斷，被誤會(huì)成小偷就不好啦。

機(jī)器人流程自動(dòng)化

入選理由：機(jī)器人流程自動(dòng)化能夠幫助甚至代替人類(lèi)負(fù)擔(dān)大量簡(jiǎn)單且單一、重復(fù)而繁重的工作，并且效率更高、零失誤。

技術(shù)突破：機(jī)器人流程自動(dòng)化（RPA）是通過(guò)使用高性能認(rèn)知技術(shù)實(shí)現(xiàn)業(yè)務(wù)的自動(dòng)化和工作的效率。人類(lèi)只需在操作界面上編寫(xiě)需要人工完成的工作流程，即可處理各種業(yè)務(wù)，如瀏覽器，云，以及各種軟件。

Gartner數(shù)據(jù)顯示，在過(guò)去的一年中，全球范圍中大型商業(yè)巨頭里有300家陸陸續(xù)續(xù)開(kāi)展了RPA工程，將原先手工化的流程進(jìn)行自動(dòng)化改革。隨著科技的進(jìn)步RPA將融入更多人工智能技術(shù)，即智能流程自動(dòng)化（Intelligent Process Automation）。相當(dāng)于在基于規(guī)則的自動(dòng)化基礎(chǔ)（RPA）之上增加基于深度學(xué)習(xí)和認(rèn)知技術(shù)的推理、判斷、決策能力。

重大意義：機(jī)器人流程自動(dòng)化能夠大幅提升企業(yè)的工作效率，減少人員投入，幫助企業(yè)降低成本，讓人類(lèi)釋放生產(chǎn)力，騰出雙手去做價(jià)值更高的事情。

點(diǎn)評(píng)：小白領(lǐng)被嚇的瑟瑟發(fā)抖，請(qǐng)老板別炒我。

像素級(jí)聲源定位系統(tǒng)PixelPlayer

入選理由：從視覺(jué)和聽(tīng)覺(jué)信號(hào)角度實(shí)現(xiàn)聲源分離，開(kāi)辟研究新途徑。

技術(shù)突破：在進(jìn)行音樂(lè)編輯時(shí)，一般是利用均衡器將音樂(lè)中的低音部分調(diào)出來(lái)，而麻省理工學(xué)院計(jì)算機(jī)科學(xué)和人工智能實(shí)驗(yàn)室的研究人員發(fā)現(xiàn)了更好的解決方案。他們所研發(fā)的新系統(tǒng)PixelPlayer。

PixelPlayer能夠通過(guò)結(jié)合聲音和圖像信息，機(jī)器學(xué)習(xí)系統(tǒng)能以無(wú)監(jiān)督的方式從圖像或聲音中識(shí)別目標(biāo)、定位圖像中的目標(biāo)，以及分離目標(biāo)產(chǎn)生的聲音。當(dāng)我們給定一個(gè)輸入視頻，PixelPlayer可以聯(lián)合地將配音分離為目標(biāo)組件以及在圖像幀上定位目標(biāo)組件。PixelPlayer 允許在視頻的每個(gè)像素上定位聲源。

簡(jiǎn)單點(diǎn)說(shuō)就是PixelPlayer能識(shí)別出視頻中哪個(gè)物體發(fā)出哪些聲音，并將聲音分離出來(lái)。

重大意義：PixelPlayer能夠過(guò)濾伴奏、識(shí)別音源，不僅能幫助人類(lèi)處理音樂(lè)，還能夠幫助機(jī)器人更好地理解其他物體所產(chǎn)生的環(huán)境聲音。

點(diǎn)評(píng)：如果老師用了這個(gè)系統(tǒng)，就能立刻找出課堂交頭接耳的同學(xué)。

兼顧高精度學(xué)習(xí)和低精度推理的深度學(xué)習(xí)芯片

入選理由：這個(gè)芯片可以涵蓋了目前已知的最佳訓(xùn)練和最好推理，能夠保持所有處理器組件能夠得到數(shù)據(jù)和工作。

技術(shù)突破：該深度學(xué)習(xí)芯片是IBM正在研究的項(xiàng)目之一。IBM將這個(gè)芯片的目標(biāo)利用率定在90%。這將是一個(gè)質(zhì)的突破，為了實(shí)現(xiàn)這一突破，IBM的研發(fā)團(tuán)隊(duì)做了兩項(xiàng)創(chuàng)新。

首先，利用率低通常是因?yàn)榇嬖谟谛酒車(chē)臄?shù)據(jù)流瓶頸。為了突破這些信息障礙，該項(xiàng)目的團(tuán)隊(duì)開(kāi)發(fā)了一個(gè)“定制”的數(shù)據(jù)流系統(tǒng)。該數(shù)據(jù)流系統(tǒng)是一種網(wǎng)絡(luò)方案，可以加速數(shù)據(jù)從一個(gè)處理引擎到下一個(gè)處理引擎的傳輸過(guò)程。它還針對(duì)要處理的是學(xué)習(xí)任務(wù)還是推理任務(wù)以及不同的精度進(jìn)行了優(yōu)化。

第二項(xiàng)創(chuàng)新是團(tuán)隊(duì)使用專(zhuān)門(mén)設(shè)計(jì)的“便箋本”形式的片上存儲(chǔ)器，而不是CPU或GPU上的傳統(tǒng)高速緩沖存儲(chǔ)器。構(gòu)建它的目標(biāo)是為了保持?jǐn)?shù)據(jù)流經(jīng)芯片的處理引擎，并確保數(shù)據(jù)在恰當(dāng)?shù)臅r(shí)間處于正確的位置。為了獲得90％的利用率，IBM必須使設(shè)計(jì)出的便箋本具有巨大的讀/寫(xiě)帶寬。

重大意義：該芯片可以執(zhí)行當(dāng)前所有的三種主要深度學(xué)習(xí)AI：卷積神經(jīng)網(wǎng)絡(luò)（CNN）、多層感知器（MLP）和長(zhǎng)-短期記憶（LSTM）。這些技術(shù)共同主導(dǎo)了語(yǔ)言、視覺(jué)和自然語(yǔ)言處理。

點(diǎn)評(píng)：目前深度學(xué)習(xí)技術(shù)陷入瓶頸，IBM的深度學(xué)習(xí)芯片也許能夠扭轉(zhuǎn)這一局勢(shì)。

智能代理訓(xùn)練平臺(tái)

入選理由：智能代理技術(shù)使計(jì)算機(jī)應(yīng)用趨向人性化、個(gè)性化。它能夠以主動(dòng)服務(wù)的方式完成的一組操作的機(jī)動(dòng)計(jì)算實(shí)體,不需要人的即時(shí)干預(yù)。

技術(shù)突破：智能代理技術(shù)具有解決問(wèn)題所需的豐富知識(shí)、策略和相關(guān)數(shù)據(jù)，能夠進(jìn)行相關(guān)的推理和智能計(jì)算，智能代理還可以在用戶(hù)沒(méi)有給出十分明確的需求時(shí)推測(cè)出用戶(hù)的意圖、興趣或愛(ài)好，并按最佳方式代為其完成任務(wù)，并能自動(dòng)拒絕一些不合理或可能給用戶(hù)帶來(lái)危害的要求；智能代理還從經(jīng)驗(yàn)中不斷自我學(xué)習(xí)，能夠根據(jù)環(huán)境調(diào)整自身的行為，從而提高處理問(wèn)題的能力。

智能代理技術(shù)可以應(yīng)用于商業(yè)、智能搜索代理、數(shù)字圖書(shū)館、電子商務(wù)和遠(yuǎn)程教育的研究等，現(xiàn)在它也被應(yīng)用于游戲領(lǐng)域。

Unity是全球領(lǐng)先的游戲開(kāi)發(fā)公司之一，去年其推出了機(jī)器學(xué)習(xí)平臺(tái)ML-Agents，讓AI開(kāi)發(fā)人員和研究人員在Unity模擬和游戲環(huán)境中，使用演化策略、深度強(qiáng)化學(xué)習(xí)和其他訓(xùn)練方法來(lái)訓(xùn)練智能代理。這種模擬訓(xùn)練的方法在工業(yè)機(jī)器人、無(wú)人機(jī)、無(wú)人駕駛車(chē)輛和游戲角色設(shè)計(jì)中均有著廣泛應(yīng)用。

重大意義：Unity以使機(jī)器學(xué)習(xí)研究人員獲得最強(qiáng)大的訓(xùn)練場(chǎng)景為使命，為快速增長(zhǎng)的AI愛(ài)好者群體探索深度學(xué)習(xí)提供了一個(gè)研究平臺(tái)。

點(diǎn)評(píng)：NPC越來(lái)越聰明，對(duì)于游戲手殘黨來(lái)說(shuō)可能不是個(gè)好事。

入耳式人工智能

入選理由：耳機(jī)從外變成了智能穿戴設(shè)備，可以無(wú)限延續(xù)使用時(shí)間和場(chǎng)景。

技術(shù)突破：蘋(píng)果在今年即將推出的AirPods 2中加入了Siri喚起、內(nèi)置芯片等等，可以收集行走步數(shù)、心率數(shù)據(jù)和體溫等等，還可以通過(guò)內(nèi)置陀螺儀捕捉用戶(hù)頭部移動(dòng)狀況甚至定位位置，當(dāng)然也可以通過(guò)麥克風(fēng)接受命令，再通過(guò)揚(yáng)聲器進(jìn)行反饋。

谷歌的實(shí)時(shí)翻譯無(wú)線耳機(jī)PixelBuds常被拿來(lái)與AirPods相比，PixelBuds對(duì)Google Assistant的喚起十分迅速，只要把手指放在耳機(jī)的觸控板上，幾乎同一時(shí)刻就可以和Google Assistant進(jìn)行對(duì)話。

AirPods與PixelBuds讓我們重新定義了耳機(jī)對(duì)人類(lèi)的作用，相比手腕上的智能手表，耳機(jī)顯然可以更方便的進(jìn)行語(yǔ)音交互，在接收信息時(shí)更無(wú)需占用寶貴的視覺(jué)空間。還將智能音箱式的遠(yuǎn)場(chǎng)交互變成更自然也更快捷的近場(chǎng)交互。

重大意義：智能耳機(jī)讓智能助理更接近隨身隨行，蘋(píng)果、谷歌的涉足，必將帶起一波耳中AI的風(fēng)潮。

點(diǎn)評(píng)：現(xiàn)在我們手機(jī)不離手，以后可能要耳機(jī)不離耳了。

我們看到這些科技公司或者科研團(tuán)隊(duì)，學(xué)習(xí)翻譯、研究捕魚(yú)、開(kāi)發(fā)游戲、做著音樂(lè)……看似“不務(wù)正業(yè)”，而這恰恰證明了，人工智能不單單是一種技術(shù)或一個(gè)產(chǎn)品。

從IBM、蘋(píng)果，到谷歌，百度，所有的人工智能巨頭都在嘗試軟件、硬件、應(yīng)用場(chǎng)景的聯(lián)通。聰明的科技公司都不再單一的專(zhuān)注于自己的傳統(tǒng)業(yè)務(wù)，而是著眼于未來(lái)，不斷創(chuàng)新技術(shù)，跨界融合打造一個(gè)整合的生態(tài)系統(tǒng)。