AI前景分析

序言

前面写的机器学习系列对加深AI的认识很有帮助，它有助于我们了解AI的底层技术原理，理解AI如何认识和改造世界，具体又是指什么东西？在了解底层原理之后，我们拔高维度进行延伸和拓展，开始探讨AI与行业应用方面的结合以及应用所处的AI场景，我们不仅要了解现在行业场景和应用的情况，还得对未来发展趋势进行探究和猜想。从AI涉及到的原理过度到AI场景和应用之后，我们开始探究在未来AI世界中，人和AI各自所处的位置，并且从哲学的角度来研究他们的存在意义以及后续的发展。通过了解这些方面，我们对AI就有了一个全面的认识，但这还不够，了解的知识不仅要广还要深，这就需要抓住其中的某一点来进行深入的探讨，例如先从众多行业中选取某一个行业进行切入。再从行业中，选取某个场景中的某款终端应用做深入分析和了解：未来场景中某个产品终端如何去设计，如何去满足用户的需求，如何对我们的生活造成什么样的改变；组成这款终端产品的技术究竟有哪些，原理又是怎样的？对于这些我们都要做一个细致的了解，结合工作上的实际落地来构建系统性的AI认知。
要在大脑中对未来的AI世界，有一个大致完备的AI认知系统，这个系统需要涉及到AI的各个维度，并且有针对性的去优化这些维度，在某些维度中还需要不断的深入，形成自己的独特见解和思考，这样才能保证不会被现有的主流媒体扰乱我们对于未来的决策和判断。
那如何去了解现有的AI场景和应用,并对未来趋势进行预测呢？这个问题咋一看，有点空，但其实并不是说无迹可寻的。简单讲一下我的思路（因为没在公司工作过很多都还只是概念性的东西，仅当借鉴和参考），首先对创投研究机构CB Insights发布的前100强AI公司做调研，对前沿各个行业AI公司的商业模式进行分析。因为这些公司的领导人都是未来可能改变世界的人，而且还可以间接了解到世界VC行业的投资动向，投资者和创业者是最先感受到趋势变化的一批人，通过站在他们的肩膀上有助于我们看清未来社会的发展和动向，这样在实际落地方面就不至于说偏离整个社会的发展趋势。接下来通过这个报告，开始一步步的去了解，AI如何改变各行各业，以及对我们的生活会造成什么样的影响。
AI在现阶段开始影响的行业有很多，例如农业，出行业，房地产，医疗，金融，教育等等。国内外各个行业的AI创业公司也都有，我列举三个我比较感兴趣的行业：卫生医疗，企业服务，教育。

AI+医疗

AI+医疗的应用场景
从全球创业公司的情况来看，AI医疗的具体应用包括洞察与风险管理、医学研究、医学影像与诊断、生活方式管理与监督、精神健康、护理、急救室与医院管理、药物挖掘、虚拟助理、可穿戴设备以及其他。

(1)医疗机器人
机器人技术在医疗领域的应用并不少见，比如智能假肢、外骨骼和辅助设备等技术修复人类受损身体，医疗保健机器人辅助医护人员的工作等 。目前实践中的医疗机器人主要有两种：
一是，能够读取人体神经信号的可穿戴型机器人，也成为“智能外骨骼”;
二是，能够承担手术或医疗保健功能的机器人，以IBM开发的达·芬奇手术系统为典型代表。
(2)智能药物研发
智能药物研发是指通过大数据分析等技术快速、准确地挖掘和筛选出合适的化合物，缩短新药研发周期、降低新药研发成本、提高新药研发成功率。人工智能通过计算机模拟，可以对药物活性、安全性和副作用进行预测。借助深度学习，人工智能已在心血管药、抗肿瘤药和常见传染病治疗药等多领域取得了新突破。
案例：
以硅谷公司Atomwise为例：Atomwise通过IBM超级计算机，在分子结构数据库中筛选治疗方法，评估出 820 万种候选化合物，研发成本仅为数千美元，研究周期仅需要几天。2015 年，Atomwise基于现有的候选药物，应用 AI 算法，不到一天时间就成功地寻找出能控制埃博拉病毒的两种候选药物，以往类似研究需要耗时数月甚至数年时间。
(3)智能诊疗
智能诊疗就是将人工智能技术用于辅助诊疗中，让计算机“学习”专家医生的医疗知识，模拟医生的思维和诊断推理，从而给出可靠诊断和治疗方案。智能诊疗场景是人工智能在医疗领域最重要、也最核心的应用场景。
案例：
Babylon 开发的在线就诊 AI 系统，能够基于用户既往病史与用户和在线 AI 系统对话时所列举的症状，给出初步诊断结果和具体应对措施；远程用药提醒服务，AiCure 是一家帮助用户按时用药的智能健康服务公司—通过手机终端，帮助医生知晓，并提醒患者的用药，降低因不按时吃药导致复发的风险。
(4)智能健康管理
智能健康管理是将人工智能技术应用到健康管理的具体场景中。目前主要集中在风险识别、虚拟护士、精神健康、在线问诊、健康干预以及基于精准医学的健康管理。
案例：
Alme Health Coach，针对慢病病人，基于可穿戴设备、智能手机、电子病历等多渠道数据的整合，综合评估病人的病情，提供个性化健康管理方案，帮助病人规划日常健康安排，监控睡眠，提供药物和测试提醒。又如，AiCure 通过智能手机摄像头获取用户信息，结合 AI 技术确认病人的服药依从性。
(5)智能影像识别
智能医学影像是将人工智能技术应用在医学影像的诊断上。人工智能在医学影像应用主要分为两部分： 一是图像识别，应用于感知环节，其主要目的是将影像进行分析，获取一些有意义的信息;二是深度学习，应用于学习和分析环节，通过大量的影像数据和诊断数据，不断对神经元网络进行深度学习训练，促使其掌握诊断能力。
“医学影像”应用场景下，主要运用计算机视觉技术解决以下三种需求：
1、病灶识别与标注：针对医学影像进行图像分割、特征提取、定量分析、对比分析等工作；
2、靶区自动勾画与自适应放疗：针对肿瘤放疗环节的影像进行处理；
3、影像三维重建：针对手术环节的应用。
案例：
贝斯以色列女执事医学中心（ BIDMC ）与哈佛医学院合作研发的人工智能系统，对乳腺癌病理图片中癌细胞的识别准确率能达到 92%，虽然还是低于人类病理学家 96% 的准确率，但当这套技术与病理学家的分析结合在一起时，它的诊断准确率可以高达 99.5%，国内的DeepCare 对于乳腺癌细胞识别的准确率也达到了 92%。据悉尼先驱晨报的报道，Enlitic 凭借深度学习技术超越了4位顶级的放射科医生，包括诊断出了人类医生无法诊断出的 7%的癌症，以及在人类医生高达 66%的癌症误诊率的情况下，Enlitic 的误诊率只有 47%。

原文：https://blog.csdn.net/piaoxuezhong/article/details/78627671

医疗这一块的市场很大，而且数据量多，对于AI来说比较好学习和落地。但是现在前沿很多公司都是依照AI技术来进行缓慢的商业落地，真正的能够为人类服务的应用或者颠覆式的创新还远远未出现。而且前面还需要克服技术难关，还有技术人员与科研人员，实际医疗行业工作人员的一个磨合。不过很多东西只是依据现在很多数据来看，视野是很狭窄的，我们要放开我们的时间跨度，因为现在很多问题在未来来看都不是问题，假设这些都不是问题，那是不是AI能够在某种程度上可以取代医生的某一些工作，医生去干嘛，医生的工作又是什么，医生会不会因为AI的帮忙，很多简单的工作被取代，医生的时间被腾出来之后，接下来的时间去干嘛？会不会花更多的时间再疾病的研究上，那很多疑难杂症的问题就很有可能被克服，人的死亡率就会大大的下降，人的寿命会大大延长，这就会影响哪些产业呢？

AI+教育

未来的教育变化、教育变革和人工智能本身有很大关系的。因为人工智能的发生，社会将会产生巨大的变革，很多知识技能型的工作都会被AI取代，导致未来人才的就业需求也会发生变化，未来的新生代人将会充当什么样的角色，具备怎样的知识，这个很重要，这将决定教育的变革方向该怎么走。我们的素质从原来的知识更多转向能力，知识能力、核心素养的培养，因为基础的东西机器都可以做，人的角色就会重新定位，教育也会因此发生改变。
教育有三个层次，第一个层次知识和技能。第二个过程和方法。第三层是态度、情感和价值观。这个在AI很难去解决。围绕这个去思考，我们有一个大致的判断，可能相当长的时间内，AI更多扮演是教育助手的角色。
现在AI+教育大致分为两类，一类就像英语流利说一样，就是利用AI来充当老师的角色，利用AI来对每一个学生进行模型的搭建，根据学生的偏好和能力推荐最合适的学习内容，然后利用“千人千面”进行个性化的教学。另外一类就还是利用真人来进行教育，只不过利用AI来进行的辅助，帮助真人教师实行更好的个性化教育。这一类主要以传统的教育行业为主，例如新东方，好未来之类的。
那在这个过程中，不管是哪一类，数据都是至关重要的。教育场景的搭建直接关系到数据的获取，针对教育场景，构建结构化的数据，并利用AI提取数据里面相关联的信息并辅助教师，更好的对学生进行教育。
AI能够从底层真正地改变教育，原因是我们在看待教育的过程中，爱才是对教育本质的理解，教育不仅是传道授业解惑，更是激发唤醒和鼓舞，技术可以改变传道授业解惑的方式，但很难改变激发唤醒和鼓舞的方式。也就是说，技术可以改变教育行业的教授过程，但本质上的东西是不会改变的，就是我们要传授学生在新时代所需要的东西，例如创造力，想象力等AI所不具备的东西，这才是教育的根本。
AI是否能够取代真人老师？在教育里面分了内容和育人，“教”是知识的传授，而“育”着重在人。不仅是要教人探索未知，教人创造，甚至教人去爱。这些都是老师真人能够做得更好，知识点的传递还是交给机器会做得更好。
讲到这里的话，如果抛开表层看底层的话是不是教育过程中，从结果导向变成了过程导向，我们通过IPAD、手写笔、视频的交互，记录学生成长学习过程中关键的参数和数据，并用它指导未来学习和优化学习的路径。但是教育的复杂场景中没有出现批量以数据为核心驱动的第三代的企，也就是以数据为核心，并且构成一个闭环的教育生态。不过现在很多企业都在朝着个方向努力。
在未来，AI+在线教育，我们会看到三个非常重要的改变。第一让偏远地区能够享受到公平教育的机会；第二让教育真正做到个性化，而这个个性化绝对不是指内容的推送或者错题本的集合，是在每个课堂里面学生和老师的匹配，学生和内容的匹配，甚至在互动过程中的掌握，都能个性化。并且透过老师的碎片化、老师的专精化，让老师的能力得到提升，让更多的人可以成为更称职的老师。
原文：
https://bit.ly/2Y4SKWU
https://bit.ly/2F98lMp

AI+企业服务

企业服务分为两块，一个是针对传统制造业以及制造业以外的企业。而我在调查研究的时候就是针对这两块，看看AI带来了哪些创新和改变。

AI+制造业
一、行业典型应用
而AI与制造业的结合，其根本目的是提高效率，降低成本。现阶段AI在制造业的赋能主要集中在工业互联网、缺陷检测、无序分拣以及智能搬运。设计工业互联网、缺陷检测的初创公司多余无需分拣和智能搬运，一方面由于工业互联网、缺陷检测整体起步较早，发展实践长；另一方面也反映出来无序分拣、智能搬运的准入点更高。那AI与制造业结合的过程中，如何去提高制造业的效率问题以及如何推动制造业的数字化转型。

第一：优化生产过程。

AI通过调节和改进生产过程中的参数，对于制造中使用的很多机器进行参数设置。生产过程中，机器需要进行诸多参数的设置。例如，在注塑中，可能需要控制塑料的温度、冷却时间表、速度等等。所有这些参数都可能受到各种外部因素的影响，例如，外界温度等。通过收集所有这些数据，AI可以改进自动设置和调整机器的参数。

第二，提高新产品制造过程中的设计、制造效率。

制造新产品无论在设计还是在生产过程中都是一个迭代的过程，充满了微调。人工智能将能够显著缩短这一过程，提升制造行业的效率。

第三，确定产品质量问题来源，并且对劣质产品尽早实鉴别和改进减少产品损耗。

许多产品的制造过程涉及到一系列的步骤，因此，如果最终产品没有通过检验，有时难以确定问题来源。人工智能、数据科学和数据分析将帮助自动识别生产中有问题的步骤。

对大企业而言，在应用人工智能方面，目前最大的挑战是如何应用AI技术扩大业务规模，目前能够帮助企业完成这一挑战的人才和AI工具和还不存在。对于传统制造企业来说，应用AI的主要障碍有几方面，其中之一是人工智能技术的复杂性。目前很少有团队能够很好的理解并且有效的实施这项技术。

同时，在AI科技公司之外，很少有公司能够获取足够的AI技术人才。

AI整合战略本身和技术一样复杂，这个过程涉及到数据采集、组织结构设计、AI项目的优先次序等等。而且，好的AI战略专家比AI技术专家更加罕见。企业转型是牵一发动全局的过程，尤其是涉及到劳动力结构调整，过程本身比较复杂，其中也包括文化挑战，这方面特别是劳动力转型的问题，需要一定的时间过渡。

人工智能可以通过自适应制造、自动质量控制、预防性维护等解决方案有效地应对当今制造业面临的挑战。这些AI在制造业的应用中，有些技术已经开始部分的应用，但还没有得到广泛的应用，技术的复杂和资源（包括人力资源）的匮乏目前转型的障碍之一。

在此，请设想一下未来制造业的远期场景：由人工智能、大数据、云计算、5G通信、物联网等为代表的一系列技术簇将使未来的制造业从价值链、生产模式、商业模式、产品设计等多方面发生本质上的变化。

由于技术的进步，产品自身将携带更多的信息或者更加智能。伴随消费力量的崛起，消费者主动参与设计和共同创造产品将成为可能。而个性化与定制化需求增加将逐渐瓦解目前所谓的大众消费市场。由于3D打印等技术的普及，“规模”未必“经济”。制造业的价值链也将重新分配。生产者绕开中间商直接吸引消费者。

产品的生产模式也将发生转变，从“按预测量生产”到“按订单生产”。从想法到市场的速度加快，消费者也更直接的将需求反馈给生产者。伴随技术的演进，传统制造业需要拥抱未来，进行一场自我革命。

许多公司都在探索如何应用人工智能。 AI转型之路并不容易。许多AI技术仍然很复杂，很少有团队能够完全理解并且有效地运用这些技术。 在IT行业以外，人工智能人才更是稀缺。

如果说通过IT来改造传统公司所需要的不仅仅是建立网站，使用AI来推动公司变革所需要的也远不止是搭建几个机器学习模型。 人工智能综合战略 ，从数据采集到企业组织结构设计，以及如何确定人工智能项目的优先顺序 ，与技术本身一样复杂。 优秀的人工智能战略家甚至比优秀的人工智能技术人员更为罕见。
IT行业打造了我们的数字化虚拟环境。 而制造业塑造了我们的物质环境，影响几乎涉及到社会的每一个角落。 通过制造，人类的创造力超越了显示器上的像素，成为具体的物理对象。 将人工智能引入制造业，我们将对物质世界进行数字化转型。

人工智能技术非常适合解决制造业面临的挑战，如不稳定的质量及良品率，生产线设计缺乏灵活性，产能管理困难以及生产成本上升。 AI可以帮助解决这些问题，改善质检流程，缩短设计周期，消除供应链瓶颈，减少材料和能源浪费，并且提高产量。

上面一些信息的收集是从我比较感兴趣行业的角度去进行分析了解，接下来我们再从场景的角度来对AI进行分析和了解。在未来的AI世界中，数据是关键性的资产，谁能获得更多的数据谁就占据的了主动性，但数据不是现在手机上的数据，而是涉及到空间，时间，包括人的各种行为和语言等等，而CV和NLP等等就是获取数据来源的技术手段。场景中所包含的人和物是数据的来源和服务对象。所以能够切入一个很好的场景，从场景中收集数据，然后运用AI进行分析并且再次作用于我们的用户形成了一个小型的闭环生态,将会在未来的AI世界中占据一席之位。在场景的分析中，我列出一个我比较感兴趣的场景进行详细的阐述。

智能工厂：智能制造使所有有关制造过程的信息能够在需要时，需要的地方以及整个制造供应链，完整的产品生命周期，多个行业以及大中小型企业所需的形式下使用。把传统制造业转型成电子型制造业。

「智能工厂」：机器和零件对话

工业4.0的目标是，把传统制造业转型成电子型制造业。把计算机控制技术全面引入到制造业里，将工厂打造成「智能工厂」，把工厂和客户使用的电器连成一个网络。

「智能工厂」——这个概念，于德国总理默克尔亲自在2014年汉诺威工业展上解释了「智能工厂」的意思，也就是说，生产程序不需人工管理，零件和机器之间可自己进行交流。这可大幅度提高生产效率，减少错误率。

零件會「告诉」设备以下信息：何时造出来的，被送到哪里去，哪种参数来处理。机器自动调整，来加工零件。以前，调整机器是人手操作的。

把家和工厂连成一体

将顾客使用的电器和工厂联网，让工厂和消费者之间的信息数据交流完全自动化，才能达到上面提到的购物体验。这样做就是：人类生活的方方面面，和虚拟网络连在一起。

亚马逊机器人——智能工厂

传统上，货物使用传送系统或人工操作的机器（例如叉车）在配送中心周围移动当订单输入Kiva数据库系统时，软件将最近的自动引导车辆（bot）定位到物品并指示它检索它。Kiva针对订单履行的自动化物料处理系统的相对较新的方法正在电子商务履行，零售补货，零件分销和医疗设备分销业务中获得关注。 该系统比传统的方法使人工在仓库周围定位和拣选物品更加高效和准确。
亚马逊有超过10万台机器人在他们的仓库工作。

未来发展的趋势已经很清楚：机器掌握社会的信息和资源，而且学会逻辑思维，人类做决定，人工智能也能参与。我们应该如何去适应这个変化呢？有一天我们可以坐在家中生产我们想要的一切一切。

在不久的将来，利用数据和专业技术来创造价值，将成为所有商业模型的核心。我们的挑战是如何从收集到的大量数据中，自动生成出可用的信息和知识，并且非常经济地管理大量数据。

以上便是我从网上搜来的关于智能工厂的一些信息，里面涵盖了主流的人群对未来工厂的一些期待，这在某种程度能够启发我们对未来智能社会的设想和期待。我本来想在这篇文章中再针对未来的人与AI的存在意义展开讨论，但我发现，这些展开估计又是很长的文章，而且短时间我不一定能够想的出来，就算想出来，也是浅显没有任何意义的，那我还不如先暂时不在这篇文章提及，后面会专门列出一篇文章来进行讨论和思考，去畅想未来人,AI，自然，宇宙如何在未来发展，当然我想的是基于我所了解的理论，并且可以实现的，而不是简单的和科幻小说那样去尽情的幻想，两者是有本质区别的，本篇文章很多并不是我所写的东西，我只是把网络上别人的思考的信息和阐述的观点摘抄下来，不过就算这样，我的整体思维脉络还在里面，收集这个信息对我们的思考还是有启发的，毕竟我还未踏入整个行业，先有一个战略性的思考，这样对未来三十年发展的规划有一定的了解，再结合实践，慢慢的拟定未来可行性的目标，站在未来展望现在，并做好准备，我相信我是可以改变世界的，即使现在我过的很糟糕很辛苦，但还是有可能的。我原来的文章本来还会讲未来的技术发展，但我发现每一个章节所涵盖的信息太多，而技术理解最好是立足于现实，理解的也更透彻，所以本篇文章我暂不提及，只收集了我认为对我启发很大的一些观点和信息，方便自己回头浏览和思考，接下来开始根据面试的题目有针对性的去学习，为接下来的找工作做准备，我之所以写这篇文章是为了让自己对于未来有一个更好的把握，因为我不确定我入职之后是否还有这么充沛的时间，而且就算入职之后，会很容易碰到职业的瓶颈，那个时候又会迷茫，我还不如趁现在转型开始多了解，为未来自己的创业做更好的准备，让自己少走更多的弯路，接下来开始对技术开始学习，NLP，CV以及知识图谱之类的，开始做深入了解，在此期间也会开始收集相应的公司信息，为接下来的工作做准备。

因为涉及到的内容太多，后面自己的思维也有点混乱，估计很多人看的稀里糊涂，我自己也知道整篇文章的思维逻辑其实有点混乱，但本篇文章写出来仅供自己参考，不过为了方便大家理解，我还是把思维导图贴出来供大家理解。

AI世界.png
商业模式.png