這些成績的取得均有賴于機器智能，后者是人工智能、機器學(xué)習(xí)、深度學(xué)習(xí)等相關(guān)領(lǐng)域的統(tǒng)稱。幾何增長的計算能力、更大的數(shù)據(jù)、更強的算法，這一波完美風(fēng)暴推動了這些領(lǐng)域在近年取得了快速增長。成千上萬的機器智能初創(chuàng)企業(yè)涌現(xiàn)（參見機器智能公司一覽圖），其中不少隨時準(zhǔn)備著要在未來的5到10年時間內(nèi)改變世界。

 

      在迄今我見過的團隊和公司里面，最有趣的是結(jié)合了機器智能專業(yè)知識以及像計算機視覺、自然語言或語音識別之類技術(shù)的那些。如果計算機能夠思考，然后再賦予其看、讀或者寫的能力，就會有令人驚艷的可能性出現(xiàn)。突然之間，計算機就能完成各種此前只能由人來處理的事情了。有兩類任務(wù)值得考慮：一是“溝通任務(wù)”，二是“視覺任務(wù)”。

 

          溝通任務(wù)

     即計算機嘗試學(xué)習(xí)解釋和制作書寫和口語內(nèi)容。Summly每天利用自然語言處理（NLP）大概要對20萬篇新聞進(jìn)行摘要，同時還要為用戶提供個性化的內(nèi)容流。Siri和Google Now將NLP與語音識別技術(shù)結(jié)合，用戶可以口頭提問并收到口頭回答。Viv等正在開發(fā)的技術(shù)更進(jìn)一步：他們要做的是賦予計算機會話式的記憶，并且允許追問和澄清。換句話說，這樣的對話才是合適的。

 

     這種科幻小說一直以來設(shè)想的交互模式正在變成商業(yè)化的現(xiàn)實。這種創(chuàng)新是基礎(chǔ)性的，因為它讓我們能夠跟沒有自然視覺UI的機器，如汽車、可穿戴設(shè)備、機器人或者甚至你的房子交互。

 

    更近一些（1到5年）的機會是對所有目前由人類執(zhí)行的溝通任務(wù)類型進(jìn)行自動化的可能性。怎樣才能識別出哪一項任務(wù)自動化的條件已經(jīng)成熟了呢？所創(chuàng)造的價值又在哪里呢？要想回答這些問題必須審視那些遵循模式的交互，然后再從中尋找目前很費時的任務(wù)。經(jīng)過分析，以下滿足上述條件：

醫(yī)療診斷：跟醫(yī)生的互動大體上包括一系列癥狀描述，然后推斷最有可能的疾病。對于掌握語言技能的智能計算機來說，這是一種理想的案例。很有可能IBM的Watson很快就會成為全世界最好的醫(yī)生。它已經(jīng)接觸到了最新的醫(yī)療知識，精確且始終如一，理論上可以24小時為每一個人服務(wù)。

 

    會議安排：傳統(tǒng)上這屬于秘書和行政助理的角色。我的個人助手叫Amy Ingram。“她”是x.ai的成果結(jié)晶，幾乎沒有人意識到跟他們對話的不是人。從Claralabs等也可以獲得類似的服務(wù)。

 

    語言學(xué)習(xí)：想學(xué)中文？如果有位講著一口流利普通話的對話伙伴就好了，如果他永遠(yuǎn)都不會介意糾正你的錯誤，永遠(yuǎn)都不會感到厭煩則更佳。要不來一位精通萬國語言的全天候?qū)崟r翻譯怎樣？

 

    新聞報道：Narrative  Science等正在訓(xùn)練計算機寫新聞故事。當(dāng)然，要寫出像大西洋周刊那樣的觀點文章還欠火候，但是機器人寫賽事結(jié)果、財經(jīng)報道已經(jīng)是信手拈來。

 

    人員招聘：招聘人員在很大程度上算是應(yīng)征者與雇主之間基于一組定義好的特性（位置、行業(yè)、技能、經(jīng)驗）進(jìn)行聯(lián)系的中介。期待利用機器智能和NLP來自動識別和推薦候選者的公司早日出現(xiàn)。當(dāng)然，其第一場面試也一定是有計算機主持的。

 

   網(wǎng)上旅行社：flightcentre.com上面幫助你找布拉格的酒店的那位“實時助理”究竟是人還是機器人？如果是在2017年，我已經(jīng)有確定的答案。

 

   法律任務(wù)：訴訟的取證過程需要許多資歷淺的律師梳理堆積如山的文檔來尋找蛛絲馬跡。像Equivio這樣的組織則結(jié)合了機器智能與NLP對這一職能進(jìn)行自動化，結(jié)果是，喝了8杯咖啡的那位幫辦忙到凌晨2點還沒弄完的事情早已被計算機搞定，結(jié)果不僅更加精確，而且它既不用喝咖啡也不用睡覺。

 

   呼叫中心：呼叫中心的家伙都是經(jīng)過培訓(xùn)的，其回答都有腳本支持，針對不同情況作出不同的響應(yīng)。但是未必所有人都能記得，或者有的記得也不遵循。這些情況你應(yīng)該多多少少都經(jīng)歷過。如果讓智能計算機利用NLP及語音識別技術(shù)來替代的話就好了。做得好的話其市場規(guī)模是巨大的。

     2015年2月，計算機視覺取得了一項突破：機器眼力比人更高了。說得更確切一點，是指計算機查閱一系列圖片并對其進(jìn)行分類的精確度已經(jīng)比人要高了。把這種水平的計算機視覺（看的能力）與機器智能（思考能力）結(jié)合起來的話，就會有令人著迷的可能性出現(xiàn)。

 

     有很多工作都需要人看圖像然后對內(nèi)容進(jìn)行評估。比如機場安保就是明顯的例子，安保要掃描箱子然后看里面是否有槍支等違禁品，又比如放射科醫(yī)師，經(jīng)過5年以上的訓(xùn)練才能準(zhǔn)確通過X光片診斷出疾病。

 

    我相信，用不了多久讓計算機執(zhí)行這類任務(wù)就將變成現(xiàn)實，結(jié)果不僅更快更精確而且成本更低。下述的可能性將會顛覆一個個的行業(yè)：

汽車：自動駕駛汽車是結(jié)合計算機視覺與機器學(xué)習(xí)的最先進(jìn)案例。

 

    農(nóng)業(yè)：與其花錢請人開車兜一圈查看作物情況，為什么不讓能夠根據(jù)衛(wèi)星圖像監(jiān)控作物的計算機代辦呢？

 

    軍事：座艙顯示器及無人機偵測對象并用機器智能自動識別對方是否構(gòu)成威脅（我敢打賭CIA的風(fēng)投機構(gòu)在該領(lǐng)域已經(jīng)進(jìn)行了一堆未宣布的投資……）

 

    基礎(chǔ)設(shè)施：Google的Street View是全球大部分地區(qū)的街道圖像。市政部門肯定喜歡這個主意：用算法自動從中找出需要維護(hù)的道路和建筑，而不是讓巡查員開車到處找。

  

    醫(yī)療：檢查皮膚癌為什么一定要去見醫(yī)生？發(fā)張雀斑的圖片過去讓計算機分析一下不就出來了？同樣地，像核磁共振、X光等診斷也應(yīng)該可以這樣。  

 

    建筑維護(hù)：安檢需要檢查石油管道、煉油廠等有沒有漏油的地方。是不是可以讓帶攝像頭的無人機飛行巡檢然后讓計算機實時分析連續(xù)鏡頭？

 

     巡檢工作有成千上萬個垂直領(lǐng)域可以自動化，其中有很多還是相當(dāng)晦澀難掌握的。KeyMe尋求通過照片來自動化一個60億美元的鎖匠市場。Tractable正在幫助管道工確認(rèn)管道是否焊接好了。

 

     所以傳統(tǒng)行業(yè)請留意了，互聯(lián)網(wǎng)還沒+好，機器智能+的時代也快要到了。

 

     以下是與非網(wǎng)精選原創(chuàng)系列，從產(chǎn)業(yè)到八卦，從技術(shù)到深度觀察都應(yīng)有盡有，更多精彩，請進(jìn)入與非網(wǎng)觀察室查看。

 

    《顯微鏡下的嵌入式產(chǎn)業(yè)》

與非網(wǎng)特邀嵌入式產(chǎn)業(yè)的踐行者和觀察家何小慶老師坐陣，為我們帶來他對這一產(chǎn)業(yè)的一系列前沿觀察和深入分析，了解更多行業(yè)走勢、發(fā)展脈絡(luò)，敬請持續(xù)關(guān)注！

 

 《電子土撥鼠系列百科》

每月，我們將精選最具價值的電子產(chǎn)品或技術(shù)話題，并準(zhǔn)時為各位網(wǎng)友奉上精美的電子百科大餐...

 

    《本土IC生存實錄》

這一系列帶大家走進(jìn)一個個披荊斬棘走在國芯崛起之路上的設(shè)計企業(yè)，讓我們看看他們到底怎么樣了，又都在干什么...

 

   《科技新觀察》

以最新的視角來進(jìn)行半導(dǎo)體行業(yè)市場觀察...

 

《我遇到的“豬一樣的隊友”》

都說“不怕神一樣的對手，就怕豬一樣的隊友”，相信大家在工作或者各種比賽中一定都碰到過，神一樣的對手往往讓你恨得牙根癢癢，而豬一樣的隊友更讓你覺得氣急敗壞，恨鐵不成鋼……

 

   《創(chuàng)意匯》

展示創(chuàng)意電子產(chǎn)品，給你進(jìn)入高科技創(chuàng)業(yè)的靈感...

 

   《我的中國“芯”》

每周精選一款國產(chǎn)芯片，并列舉市場上同類型的主流芯片做對比。咱們來看看國產(chǎn)芯片到底哪些地方做得好，哪些地方還差點火候...