文|王晗

2017年伊始，科技界就以一个振奋人心又出人意料的事件开启了新的一年。上周，一个网名为Master的账号现身围棋对弈网站，随后在一周多的时间内斩落了全部60场与其交战的世界顶级棋手。1月4日晚，DeepMind官方确认Master出自其手，而这是在AlphaGo 的基础上，DeepMind 半年来在人工智能方面的重要进展。

虽然这只是人工智能进入我们生活的一个小的应用，但毫无疑问人工智能应用已经慢慢地在向各个行业渗透。人工智能目前的发展程度到底如何，未来人工智能对各个产业的渗透会达到怎样的高度，凤凰文创在此为您一一解答，并且为您梳理当前及未来人工智能正在大规模“接手”的产业领域。

AlphaGo脱胎换骨，Master横扫围棋界

近日，网名为“Master”的神秘围棋手连续战胜包括中国围棋名将柯洁、聂卫平、古力，韩国围棋冠军朴廷桓在内的顶尖高手，连胜60场，没有败绩！ 

而在1月4日下午，棋圣聂卫平以64岁的年龄向Master发出挑战，一贯坚持下30秒快棋的Master为了表达对其的尊敬，也主动把对局用时调整成了1分钟一手。在毫不例外的获胜之后，Master在屏幕上打出一句话：谢谢聂老师。从某种意义上讲，这句话可以作为科幻小说的绝妙开头。

从这个意义来看，人工智能，在短时间内推翻了人类棋手花了漫长时间积累起来的知识体系。那么，围棋国家队主教练俞斌的断言就是可以成立的：“它已经超越了人类围棋。”其实，这并不奇怪，人工智能在棋类比赛上早就超越了人类，围棋之所以被认为人类智慧的一道门槛，是因为围棋的复杂性远远超越其他棋类。

“人工神经网络”深度学习的快速进化

计算机对应复杂度的方法就是“深度学习”，这是一种基于人工神经网络的人工智能方式。与“专家系统”为代表的，用大量“如果-就”规则定义的、自上而下的思路不同，“人工神经网络”标志着另外一种自下而上的思路。它的基本特点是，试图模仿大脑的神经元之间传递、处理信息的模式。在简单的规则制定之后，计算机就可以模仿大脑学习。当然，不知疲倦，速度也更快，这也是阿尔法狗可以快速学习、进化的原因。

但是需要指出的是，不管多复杂，但规则却只有那么几条，复杂度仍然是可以计算的，仍然是有规则的一种智力游戏。人工智能所取得的成功，是在既定规则范围内对人智能的挑战，这一点，相比于人工智能在象棋、五子棋，甚至快速计算上的成功，并没有质的飞跃。

实际上，人工智能的判断标准，从来就不是棋类。英国数学家、逻辑学家，被称为计算机之父的图灵，在1950年设计出一个测试，其内容是，如果电脑能在5分钟内回答由人类测试者提出的一系列问题，且被超过30%的测试者误认为是人类所答，即电脑通过对话，成功模仿了人，则电脑通过测试，可以被认为具有人工智能。

“图灵测试”的现实版本，最著名的，可能就是微软推出的“小冰”。提到“小冰”，可能被最近的新闻搞得人心惶惶的人，会立马放松下来。是的，“小冰”虽然可以与人聊几句，但只能简单寒暄，稍微深入的问题即顾左右而言他，说她“愚蠢”，也并不为过。

所以当下的人工智能，一方面在有规则的场景中，轻松地超越了人类上千年积淀的知识体系。这使得很多场景下，人工智能可以取代人，淘汰人，造成伦理上的困境：机器本该服务人，但却在淘汰人。

但是应该看到的是，在更为关键的，没有明确规则的生活、学习、劳动的场景中，却离人类还差得远。这就意味着，人与人工智能，将是一个合作关系，人类不必恐惧。它们也有助于人类从重复性的劳动中解放，让人类得以进行更高效的、完成更多创造性的工作。

下面为您梳理当前及未来人工智能正在大规模“接手”的产业领域。

一，工业领域：唤醒工业领域的海量线下数据

人工智能在工业领域的应用基础是，物联网的普及带来线下生产信息的数字化，企业级应用的渗透带来生产及管理流程的信息化和云端化。基于云平台的数据处理及人工智能应用，将唤醒工业领域的海量线下数据，并转化为价值。

Deep Mind牛刀小试：依靠AI系统将为Google节约数亿美元电费

Google在2014年收购Deep Mind以后就曾表示会将机器学习技术应用于数据中心，使用神经网络来预测耗电量变化，提升设备分配效率。2016年7月份则表示，通过使用DeepMind人工智能系统对其数据中的部分设备进行控制，操纵服务器和制冷系统等相关设备来降低耗电量，电力使用效率提升了15%，预计未来几年内将节约数亿美元电费。

GE的工业互联网：提供计算设施及数据处理技术与算法

通用电气Predix平台是全球第一个专为工业数据与分析而开发的操作系统，实现了人、机、数据之间的互联，能快速获取、分析海量高速运行的工业数据，让客户在安全环境下进行数据分析处理，最终优化设备。与此同时，GE还将在工业领域积累的技术优势应用于航空、医疗、照明以及能源等传统线下领域，在效率提升上取得明显的效果。

2016年7月，GE宣布Predix平台登陆微软Azure云平台，实现工业领域大数据处理云平台与通用领域企业级服务云平台的结合。两者的结合，GE能获取更为丰富的行业数据以及利用微软在数据可视化、自然语言处理等人工智能技术，微软云应用的企业级客户则可以利用GE云平台比较成熟的数据处理技术，从流程上提高效率。

二，安防领域：人工智能需求迫切，大有用武之地

目前人工智能技术在安防领域已经有诸多成熟案例，以车牌识别、人脸识别为代表的图像识别技术，以大数据分析为代表的智能分析技术，以及综合化的安防机器人等三类应用是人工智能在该行业内应用的主要模式。

车牌识别相对成熟，人脸识别瓶颈有待突破

在公安、交管领域，车牌识别是图像识别技术应用相对较早且成熟度相对较高的场景，已广泛应用于公路收费、停车管理、称重系统、交通诱导、交通执法、公路稽查、车辆调度、车辆检测等各种场合。

人脸识别目前在支付、金融行业远程开户等应用场景中应用障碍已经相对较小，但在安防领域，由于图像抓取角度、清晰度等原因的限制，目前应用还相对有限，相对比较成熟的是在门禁系统、ATM监控等简单任务领域，但随着人脸识别技术的进一步发展，在刑事案件侦查、特定人员追踪、嫌疑人报警等诸多领域将大有用武之地。

大数据智能分析：舆情监控和恶性事件预警应用潜力巨大

人工智能在安防领域另一个典型应用是通过以大数据分析为代表的智能分析技术，实现舆情监控和恶性袭击事件预警。

其中最典型的创业公司Palantir，通过分析海量数据来寻找规律，已被众多执法部门用于犯罪调查和发现潜在恐怖主义阴谋，主要客户是CIA和FBI。此外Palantir在医疗、金融等领域也积极拓展，目前估值已经超过200亿美元。国内安防领域的智能分析目前主要集中于舆情监控、垃圾/诈骗短信处理等部分领域。

综合化安防机器人：目前研发依然处于早期

安防机器人可以完成包括巡逻、监控、追踪、抓捕、营救等一系列任务，集成图像分析、智能识别、人机交互等多种形态的人工智能技术。目前研发依然处于早期，常见的初级形态主要是功能简单的安保机器人，仅能实现特定情境下的定点巡逻、报警、遥控制暴等功能。