20世紀50年代以來，計算機科學家們致力于研發(fā)與人類智能類似的程序。當這些程序被開發(fā)到一定水平后，它們就可以在一些特定的應用場景中替代人類。它們被稱為人工智能（AI）和認知計算。20世紀80年代，人們對這個概念進行了大肆宣傳，但隨后就迎來了“人工智能的冬天”，宣告這個美好愿望的破滅。直到近，這個領域內(nèi)的一些突破性的成功終于使學界相信，人工智能不僅會帶來解放人力的智能機器，還會孕育全新的技術。

20世紀90年代，一些研發(fā)人員開始利用人工神經(jīng)網(wǎng)絡，為優(yōu)化能源密集型鋼鐵工廠尋找創(chuàng)新解決方案。而西門子的研發(fā)人員就在*探索者之中。今天，西門子約有200位專家專攻數(shù)據(jù)分析與神經(jīng)網(wǎng)絡領域。

01，涵蓋眾多研究領域：計算機科學、心理學、哲學、神經(jīng)科學、社會學、數(shù)學、生物學

在計算機科學里，人工智能是一個跨學科的研究領域。根據(jù)研究目標的不同，它涉及數(shù)學、信息學、語音識別、計算機視覺和機器人學等學科的解決方案。而自從研發(fā)人員開始教導計算機理解同情、快樂和愿意提供幫助等情感后，心理學和哲學模型也被納入了研究范圍內(nèi)。此外，由于計算機程序還需要在自主駕駛或保險公司的管理等工作中做出決策，它還必須能夠回答法律領域，尤其是涉及責任求償?shù)确矫娴膯栴}。

02 ，人工智能研究趨勢

趨勢一：深度學習

深度學習是指通過多層人工神經(jīng)網(wǎng)絡進行學習。這種網(wǎng)絡模型以人類神經(jīng)系統(tǒng)為基礎。在人類大腦中，神經(jīng)通路使用得越多就會越活躍，而這一點同樣適用于軟件網(wǎng)絡。

趨勢二：強化學習

傳統(tǒng)機器學習模型在數(shù)據(jù)中集中尋找固定模式，而強化學習程序則更進一步。它們會做出決策以盡可能地實現(xiàn)特定的目標。這體現(xiàn)了從預測性分析到指導性分析的過渡。

趨勢三：自然語言處理

自然語言處理和自動語言識別同為應用廣泛的人工智能技術。無論是谷歌的搜索功能、Siri的語音指令還是亞馬遜Alexa對家用電器的控制，它們都是以語音識別和理解為基礎的。

03 ，人工智能的未來應用領域：工業(yè)與服務機器人、辦公軟件、互聯(lián)電動交通、醫(yī)療診斷軟件

未來，在人工智能的輔助下能夠學會簡單流程的機器人將被用于支持工廠、倉庫、醫(yī)院和養(yǎng)老院的工作人員。而能夠自主決策的程序很快也將可以處理像歸檔和標準化程序通訊這樣的簡單管理工作。在互聯(lián)電動交通領域，自主駕駛的車輛會相互協(xié)調，以優(yōu)化道路交通。這可以讓大城市免于交通癱瘓，并且更加宜居。專家們還發(fā)現(xiàn)，智能醫(yī)療診斷系統(tǒng)可以為人們帶來巨大的益處。經(jīng)過訓練，這些系統(tǒng)可以用來探測異常情況，并提供初步分析。

04. 新的經(jīng)濟影響因素

專家認為，人工智能技術正在給經(jīng)濟活動帶來根本性的轉變?，F(xiàn)在，經(jīng)濟增長的關鍵因素不再是資本或勞動力，而是取決于工業(yè)國家如何充分利用人工智能技術帶來的機會。這種新的增長模式的基礎是數(shù)據(jù)。在未來，數(shù)據(jù)對商業(yè)和工作環(huán)境的價值堪比20世紀70年代的礦物油對二者的價值。同時，數(shù)據(jù)是機器學習的基礎：一個程序所處理的數(shù)據(jù)越多，它就越能地完成故障檢測、預測、語音識別或運動等操作。