第五节 最新发展情况

Microsoft DMTK等，其中Microsoft DMTK是微软的分布式机器学习工具包，而IBM的SystemML是针对大数据的机器学习，提供高度可扩展的平台。著名的Watson系统就是整合了很多SystemML的功能，早在2011年，Watson在智力问答节目Jeopardy中脱颖而出战胜了人类的参赛者，获得了第一名。

相信未来会有越来越多的用户深入框架底层，算法框架将会有更快的迭代、更多变的风格。

二、应用层

随着人工智能的风靡，该技术已经进入大规模的商用阶段，其商业化主要涉及五个领域，分别是劳动力、用户交互、商业策略、商业模型和商业运营。由于人工智能的介入，大量劳动力被取代，严重冲击了劳动密集型产业，改变了全球经济生态。同时，随着大量人工智能产品涌入市场，消费市场也进入全面升级阶段。

根据亚马逊及Intel联合组织的2017年人工智能颁奖典礼的获奖名单（见图

3.14），获奖者之一为研究消费者互动领域的Haptik的聊天机器人，覆盖了快消、旅游、健康等领域；在零售和电子商务领域，Unbxd的平台可以更好地运用大数据为消费者推荐最可能购买的产品，同时为商家预测消费趋势；在医疗保健领域，Niramai开发了一款比传统方式能更早检测到乳腺癌的软件，其核心科技就是图像识别和机器学习；在语言转化方面，liv.ai利用深度学习研究出的产品可以识别印度的9种主要语言，并把它转化成文字；在传媒娱乐领域，Tessact利用机器学习对视频进行面部识别、场景检测、语言识别等；Uncanny Vision作为高科技企业，专注计算机视觉；在金融领域，Credit Vidya利用大数据和机器学习建立了信用积分平台，同时提供欺诈查验服务等；在商业领域，boxx.a.根据市场情况智能地提出产品和服务的促销方案，提高客户黏性；在教育领域，Embibe利用人工智能更好地帮助学生提高学习效果。

图3.14

除了颁奖名单上的优秀企业的优秀产品及平台，在实际的商业用途中还有许多被广泛应用的产品，如物流机器人，可以根据订单信息取得相应的货物，并送到指定地点。在电子商务繁荣的今天，物流机器人的出现解决了人工分拣速度慢、易出错的问题，提高了工作效率，大大推动了该产业的发展。

此外，自动驾驶作为人工智能领域重要的分支，受到了社会的广泛关注，它的发展状况一定程度上体现了人工智能的发展水平。不仅国际各大企业都纷纷加入对自动驾驶的研究，国家也出台了相关政策，大力支持对自动驾驶技术的研究。从2009年起，Google启动无人驾驶项目，推动了全球新能源汽车向无人驾驶方向发展。进入2016年后，自动驾驶产业链逐渐完善，进入市场化阶段。

在自动驾驶领域，其核心是利用摄像头、传感器在感知层收集信息并把它传到芯片中执行深度学习算法。当前普遍使用的人工智能算法芯片主要由Intel和英伟达提供。在2017年的CES 上英伟达就发布了自动驾驶芯片 Xavier Aicar Supercomputer，通过搭载人工智能ProAI车载电脑，充分运用深度学习分析传感器和摄像头的数据，清晰识别环境并进行精准定位，进一步适应在高速公路行驶；而在2018年的GTC（GPU Technology Conference）大会上，英伟达发布的DRIVE Constellation模拟系统，基于云的自动驾驶测试系统，具备了照片集真实感模拟，使得自动驾驶更安全、更具扩展性。

目前，自动驾驶技术在全球仍处于发展阶段，大部分企业已经研发了车型，达到了测试阶段，但却无法达到量产，特别是乘用车。根据Navigant对2017年自动驾驶企业的排名，目前在行业前端的是GM、Waymo、Daimier-Bosch和Ford，它们有望最早实现自动驾驶的量产化和商业化。国内只有百度公司在排名内，中国自动驾驶还在起步阶段。

总之，人工智能还处于发展阶段，无论是在基础层还是应用层，都还有很长的路要走。