能动手别磨叽
人工智能利用其技术赋予多个行业能力，实现人工智能与行业的深度结合，包括AI+金融、AI+医疗、AI+安全、AI+家庭、AI+教育等，实现传统行业的智能化。金融、医疗、安全等行业与用户生活密切相关，而且有大量消耗人力物力的程序化、优化的工作内容，在相关领域和场景中首先实现AI+。人工智能技术从国外开始，但由于互联网，特别是国内移动互联网的发展，目前中西在人工智能领域的发展差距越来越小，中国新四大发明中的移动支付、自行车共享等技术在世界领先，中国以现有成果继续大力配置人工智能。美国人工智能企业的发展比中国早5年。美国最初从1991年开始萌芽的1998进入发展期间的2005年后开始高速成长期的2013年后发展稳定。中国AI企业诞生于1996年，2003年产业进入发展期。2015年高峰后进入稳定期。中国将在人工智能领域继续追逐发达国家。 
诞生1940s-1950s1950 阿兰·图灵（Alan Turing）发表论文《COMPUTING MACHINERY AND INTELLIGENCE》，预言创造出具有真正智能的机器的可能性，提出图灵测试：如果一台机器能够与人类展开对话而不能被辨别出其机器身份，则称这台机器具有智能。图灵测试是人工智能哲学方面第一个严肃的提案。1951 马文·明斯基（Marvin Minsky）和迪恩·爱德蒙（Dean Edmunds）打造了第一个人工神经网络。1956 约翰·麦卡锡（John McCarthy）在达特茅斯会议上首次提出“AI”术语。此次会议也被视为人工智能正式诞生的标志。发展1950s-1960s1956年，达特茅斯会议之后的十几年是人工智能的黄金年代。1957 弗兰克·罗森布拉特（Frank Rosenblatt）提出感知器“perceptron”，成为后来许多神经网络的基础。1958 约翰·麦卡锡（John McCarthy）开发编程语言Lisp，至今Lisp仍是人工智能研究中最流行的编程语言。1959 约翰·麦卡锡提出“AdviceTaker”概念，这个假想程序可以被看作第一个完整的人工智能系统。1964 丹尼尔·鲍勃罗（Daniel Bobrow）开发了一个自然语言理解程序“STUDENT”。低谷1960s-1970s20世纪60年代中期，人工智能开始遭遇批评，研
定义：“人工智能”一词最初是在1956 年Dartmouth学会上提出的。从那以后，研究者们发展了众多理论和原理，人工智能的概念也随之扩展。人工智能（Artificial Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。未来趋势：人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。人工智能是对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。
人类研究人工智能，归根究底还是要为人类服务，人工智能和不同行业的结合发展，能让我们的生活变得更加的方便，或者说“懒”，这就跟人类使用工具一样，其本质都是“偷懒”和高效。相信去年春节期间百度研发的无人驾驶汽车大家都见识过了，对于人工智能的可应用来说，这只是其中之一，在未来，当让观众大规模的应用到我们生活的各个方面的时候，我们就可以通过购买的方式来享受人工智能带给我们的服务。想象一下，开车的时候睡着了却仍然能到达目的地，是不是很刺激呢？
行业垂直领域应用人工智能市场在零售、交通运输和自动化、制造业及农业等各行业垂直领域具有巨大的潜力。而驱动市场的主要因素，是人工智能技术在各种终端用户垂直领域的应用数量不断增加，尤其是改善对终端消费者服务。医疗保健行业成长机器学习和大数据都是掌握海量潜在医疗数据的关键因素。基于AI的系统也能帮助医院改善其操作的流程和数据的管理。鉴于医疗保健专业人员在阅读剂量指示、或诊断数据方面难免会经常犯错，智能AI系统通过具有图像识别和光学字符辨识的功能对所有的数据进行二次检查，以减少此类错误的发生频率。人工智能导入医疗保健行业从2016年到2022年维持很高成长，预计从2016年的671亿美元达到2022年的888亿美元年均复合增长率为68%。AI晶片关键在于成功整合软硬体AI晶片的核心是半导体及演算法。软件硬件成功相结合的关键在于先进的封装技术。总体来说GPU比FPGA快，而在功率效能方面FPGA比GPU好，所以AI硬体选择就看产品供应商的需求考量而定。自主学习是目标AI“大脑”变聪明是分阶段进行，从机器学习进化到深度学习，再进化至自主学习。首先，是为自主机器打造一个AI平台;还要提供一个能够让自主机器进行自主学习的虚拟环境，必须符合物理法则，碰撞，压力，效果都要与现实世界一样;然后再将AI的“大脑”放到自主机器的框架中;最后建立虚拟世界入口(VR)。CPU和GPU结合CPU是通用于各种设备的超强性能的处理器，什么场景都可以适用，所以就需要将CPU和GPU(或其他处理器)结合起来，做到最完美的构架。为开发人员提供更多算法等。AR和 AI共进退AR成为AI的眼睛，两者是互补、不可或缺，为了机器人学习而创造的在虚拟世界，本身就是虚拟现实。还有，如果要让人进入到虚拟环境去对机器人进行训练，还需要更多其它的技术。如今，基于AI的发展已经成为了主流。各种企业不仅热衷于改进其现有的流程，而且还能看到AI给他们带来的潜在增长点。这也就是为什么CIO们应当重视AI的战略意义和其创新发展的空间。
