早在二百年前，工业革命使机械开始蔓延。今天的工业4.0，给我们带来了人工智能。那么工业4.0时代人工智能将带来哪些颠覆？接下来琳卡智能智能物流为大家剖析下！

对于非专业人士来说，人工智能（AI，Artificial Intelligence）发展几十年，几乎看不到什么显著变化，虽然偶尔也有比如IBM深蓝电脑战胜人类棋手、会说话的机器人等新闻传出，但人工智能更多只能解决一些“玩具问题”，或生存在实验室条件下，离我们的日常生活一直十分遥远。

然而，2016年，谷歌的阿尔法狗（AlphaGo）让世界围棋冠军李世石投子认输的那一刻起，人工智能成为了科技界、工业界、投资界乃至公众间的热门话题，热到甚至被写入了我国“十三五”规划纲要。仿佛一夜之间，所有的科技公司都将目光转向了人工智能。

人工智能为何在现在变得如此重要？

其实，早在1956年，人工智能就被提了出来，但当时主要是指代可体现出智能行为的硬件或软件。这听起来更像一种计算机系统，可以执行一些以前需要人类智能的任务。

随后，人工智能的研究起起伏伏数十年，但一直因为没有发掘出对人类社会真正有益的功能而趋于平静。但互联网技术的发展和“深度学习”算法的出现改变了这一局面，让其在很多垂直领域获得了真正的应用，并超越人类的表现。GE科学家Achalesh Pandey表示：“一个重要的原因就是可用的大量数据和巨大的计算能力的出现，而深度学习（一种机器学习算法）的突破更是让人工智能领域产生了脱胎换骨的革新。”

近期人工智能大事件

事件1：阿尔法狗大胜世界冠军李世石

2016年3月的这场对战被认为是一场人机“世纪大战”，受到全世界的关注，最终阿尔法狗以4:1大胜李世石让人大跌眼睛。

事件2： Uber无人驾驶出租车

2016年9月，Uber宣布在美国匹兹堡市推出城区大范围无人驾驶出租车，并真实向打车用户开放，这些车辆配备了前置摄像头、360度雷达感应器，能够在固定路线上行驶。

事件3：GE收购两家人工智能企业

2016年11月，GE宣布收购了两家人工智能高科技公司BitStewSystems和Wise.io，以强化和拓展Predix云平台，为GE的工业制造带来的相关大数据集，这有助于推动人工智能在工业领域的应用，为电厂、航空发动机和医疗等领域提供智能解决方案。

事件4：自动唇读系统远超人类专家

谷歌DeepMind与英国牛津大学研发了一套基于人工智能的自动唇读系统LipNet，对Gird语料库唇语识别的准确率达到了惊人的95.2%。

事件5：人工智能赢得德州扑克冠军

2017年1月，在宾夕法尼亚州匹兹堡的Rivers赌场，卡耐基梅隆大学研发的人工智能系统Libratus战胜4位德州扑克顶级选手，赢取了20万美元的奖金。

我国人工智能现状

在人工智能技术领域，我国大体上能够与世界先进国家发展同步，以百度、阿里巴巴、腾讯为首的互联网巨头公司也已在人工智能领域上布局。特别是百度公司，已经将人工智能视为未来各项业务的核心所在。百度在2013年就成立了深度学习研究院，无人驾驶项目也同期启动，并在过去的两年半里，将200亿研发费用大部分投入了人工智能。2017年1月6日，百度人工智能机器人“小度”利用其超强的人脸识别能力，以3:2的成绩战胜人类最强大脑代表王峰。5月4日，百度更是将自身使命直接更改为“用科技让复杂的世界更简单”，再次强调了人工智能对百度的重要性。

阿里巴巴和腾讯等其他中国企业也非常重视人工智能，不过主要侧重人工智能对主要业务的补充。阿里巴巴研发并对外开放了我国首个人工智能计算平台“DTPAI”，开发者可通过简单拖拽方式完成对海量数据的分析挖掘。腾讯公司则研发与对外开放了视觉识别平台“腾讯优图”，它在人脸识别上达到了稳居世界前列的99.5%以上准确率，即将在微众银行、财付通等相关产品中大规模应用。

除此之外，我国在人工智能领域还有近百家创业公司，业务覆盖了工业机器人、服务机器人、商业智能及视觉识别等技术领域。科大讯飞的“讯飞超脑”计划，京东公司的智能聊天机器人等都达到了国际先进水平。目前我国在人工智能专利总数上仅次于美国，但近年申请增长率已经超过美国。据统计，2014年，我国人工智能产业市场规模为48.6亿元，到2016年底，人工智能产业市场规模已经增长到了95.6亿元。

不容忽视的工业人工智能领域

综上所述，你可以发现，国内外绝大部分科技巨头都集中在消费级人工智能，但事实上，人工智能在工业和制造业领域也拥有广泛的运用，且面临着独特的挑战。而工业巨头GE正试图将机器学习和人工智能应用到很多众所周知的各种产品中，覆盖航空、运输、医疗和发电等多个领域。

自2015年开始，GE就宣布推出Predix云平台。Predix是全球第一个也是唯一一个专门面向工业开发的云平台。Predix通过机器的互联互通，为企业提供有效的数据分析，从而快速、智能和高效地运营并加速客户和合作伙伴的创新进程。当时，GE公司就表示使用机器学习来对收集的传感器数据进行模式识别，可以带来节能或预防性维护。即便Predix云平台在2016年2月向GE客户开放后，GE仍然在建设人工智能能力，来履行承诺。

GE数字集团首席执行官鲁威廉表示：“之前使用了机器学习，但我更愿意将其称之为一种传统方法。如果你要做一个工业人工智能系统，那首先要保证你的系统对所服务的行业有足够深度的了解。”

而这个深度的定义某种程度上就是指可供人工智能系统深度学习的大数据，虽然GE在燃气轮机、航空发动机和医疗设备等数据上已经有了大量的积累，但仍斥巨资收购Bit Stew Systems、Wise.io、ServiceMax等公司来进一步强化。鲁威廉说：“我们有机器学习工业领域的专业算法，它将会知道一个发电厂是什么，涵盖所有的深度，而这是通用人工智能系统永远不会真正理解的。”

GE医疗就正在与合作伙伴联手，共同就人工智能辅助肺结节检出与诊断进行研究，并已取得阶段性成果。在刚刚结束的第77届中国国际医疗器械（春季）博览会 （CMEF）上展示的人工智能肺结节辅助诊断技术是GE医疗的一款诊断图像处理软件，整合了人工智能技术与深度学习理念和工具，通过多层神经网络和神经元来模拟人类大脑实现图像识别，在诊断效率和精准度、肺结节自动识别敏感度以及检出率上均取得大幅提升。

阶段性临床测试结果显示：人工智能工具在<3mm病灶发现和诊断方面具有很大的优势，检出速度和准确定均大幅提升，这对肺癌的更早期发现和早期诊断具有重大价值。

接下来会怎样？

经济学常识告诉我们，低效能的生产模式必然会被高效率的淘汰，就如同手工作坊在工业4.0后被机器工厂替代，马车被汽车替代一样。而人工智能也是现代技术发展到一定阶段的产物，核心背后是机器学习、云计算、大数据的繁荣。这样说来，人工智能的大规模应用也许只不过是一场顺势而为的技术变革。