小巫也有一段时间没有发表博文了，趁自己还没有太多工作内容，整理分享一下近期自己对人工智能方向的调研结果，内容比较简单，不涉及特别高深的技术，就简单介绍一下人工智能的几个大方向。小巫看了很多网络媒体对人工智能的报道，包括36氪、钛媒体、雷锋网等，也大致了解到了人工智能目前的发展状况，未来的一些发展前景有哪些，下面就按照下面大纲简单说明一下：
人工智能现状
目前人工智能就有以下几个大方向，基本上也是国际大公司青睐的领域： – 智能搜索 – 深度学习 – 人机交互 – 可穿戴设备 – 无人驾驶和智能机器人
智能搜索
智能搜索不用说了，自从移动互联网火了之后这一块也变得火爆起来，从以往的自然语言的搜索到非自然语言搜索的飞跃，这一块也是最成熟的一块。 智能搜索到发展主要这几个方向： 由低级算法向高级算法发展。关键字匹配到知识图谱、语义搜索的算法创新。如谷歌禽流感地图 。 由文本检索向语音图像检索发展。如Google Now和Apple Siri。 由互联网搜索向云物搜索演进。如基于标签感应和阅读技术的物联网搜索引擎——shodan。
深度学习
深度学习是一个比较大的方向了，主要包含以下几个应用方向： – 语音识别 – 图像识别 – 自然语言处理 – 搜索广告CTR(Click Through Rate)预估
人机交互
关于人机交互我们可谓是最熟悉不过了，只要我们有接触到电脑就已经是人机交互的领域了： -鼻祖：键盘及输入法应用 -人机交互过渡：鼠标及辅助软件 -最简人机交互：手写触控及软件 -最直人机交互：语音控制模式 -时尚人机交互：体感、模拟控制 -未来模式：虚拟现实
可穿戴设备
可穿戴设备也是这一两年火起来的，这一领域还不太成熟，但很值得我们去期待的一个领域，下面来纠正一下大部分人的对可穿戴领域的一些误区：
可穿戴设备≠ 智能手表+手环 正确的理解： – 可穿戴设备不一定是“穿戴”在人体上 – 可穿戴设备还有更多的形态和功能 – 可穿戴设备不只是个人消费产品 方向：可穿戴设备与社交深度结合
无人驾驶和智能机器人
目前无人驾驶处于领先的地位的无疑是谷歌，为什么它能做无人驾驶？ 主要有两点： 1. 地图 2. 实际行驶的计算能力
那么机器人又有什么应用场景呢？ -工业应用 -军事应用 -医用应用 -娱乐应用 -家用服务
人工智能的开源项目
GraphLab:是一种新的面向机器学习的并行框架。 Vowpal Wabbit:微软研究院的一个机器学习平台。 scikits learn:是一个开源的、构建在Scipy之上用于机器学习的Python模块。 Theano：是一个python库，用来定义、优化和模拟数学表达式计算，用于高效的解决多维数组的计算问题。 Mahout：是Apache Software Foundation旗下的一个开源项目，提供一些可扩展的机器学习领域经典算法的实现，旨在帮助开发人员更加方便快捷地创建智能应用程序。 pybrain：是Python的一个机器学习模块，它的目标是为机器学习任务提供灵活、易应、强大的机器学习算法。 OpenCV：是一个基于发行的跨平台计算机视觉库，可以运行在Linux、Windows和Mac OS操作系统上。 Orange：是一个局域组件的数据挖掘和机器学习软件套装。 NKTK：（natural language toolkit）是python的自然语言处理工具包。 Nupic：一个开源的人工智能平台。
智能手表中的智能
想一想我们所期待智能手表想要的一些功能，我们可能会有这些需求： 1.打电话 2. 天气预报 3. 健康监控，心率，睡眠，运动量 4. 物联网控制 5. 跟踪定位 6. 智能助手 7. 同步翻译
智能穿戴设备的产品化
下面列举未来智能穿戴设备的一些产品化方向： – 基于通讯产品的产品 – 基于定位、运动娱乐的产品 – 基于虚拟现实或沉浸式的产品 – 基于移动医疗为主的产品
最后提一个问题，什么样的公司有能力触及人工智能？ 个人认为如果想触及人工智能领域的公司最起码要具备以下几个条件： 1. 人才 2. 大数据 3. 基础设施
这个很容易理解，没有人才是做不出成功的产品的，拥有大量的人才的公司才能在这竞争如此激烈的互联网大潮中站住脚跟，这是个永恒的话题；大数据可以为我们提供海量的数据基础分析，没有大数据的支持是无法完成深度学习；基础设施更加重要，有了大数据自然需要有处理它的能力才行，强大并且稳定的网络基础架构和运维能力才能保证数据分析的获取和分析高效进行。所以如果想涉足人工智能，就好好考虑一下自己的公司是否具备以上几个条件，，要同时具备缺一不可。
以上是本篇博文要分享的内容，其实还有很多可以补充的地方，这里只是供各位了解一下，如有错漏，多多包涵。
转载注明：IT_xiao小巫
你在雨中行走，你从不打伞，你有自己的天空，它从不下雨。
