人工智能是近几年来最受关注的高科技产业，特别是在2016年，随着人工智能阿尔发狗大战韩国围棋名宿李世石并取得胜利后，AI产业的关注度更是大幅度的提高，许多国家已经把AI产业的发展提上了一个战略高度。

  语音识别——李开复博士当年做的工作奠定了很多当今识别系统的基础。这里忍不住说一下，Siri本身的技术并没有特别大的亮点，真正nb的是它的模式（语音识别直接与搜索引擎结合在一起，产品体验做得好。而且关键是这样的模式能采集到更多数据，使得系统的精度越来越高）

  自然语言理解——自然语言处理是计算机科学领域和AI领域中的一个重要方向。它研究能实现人与计算机之间用自然语言进行相对有效通信的各种理论和方法。目前看到的最强的结果应该是IBM Watson。但其实我们现在用的搜索引擎、中文输入法、机器翻译（虽然其实还不怎么work）都和自然语言理解相关。。

  数据挖掘——随着近年数据量的疯狂增长，数据挖掘也有了长足进步。最有代表性的是前几年著名的Netflix challenge（Netflix公司公开了自己的用户评分数据，让研究者依据这一些数据对用户没看过的电影预测评分，谁先比现有系统好10%，谁就能赢100万美元）最后这一比赛成绩较好的队伍，并非是单一的某个特别nb的算法能给出精确的结果，而是把大量刻画了不同方面的模型混合在一起，进行最终的预测。

  计算机视觉——目前慢慢的变多的领域跟视觉有关。大家可能一开始想到的都是无人驾驶。虽然大家都在说googleX的无人车， 但实际上现在无论是商业上，还是技术整合上最成功的算法是Mobile Eye的辅助驾驶系统。这个公司也是目前computer vision领域最挣钱的公司。

  从实现新功能方面说，视觉的发展的趋势主要有两方面，A) 集成更多的模块，从问题的各种不同方面，解决同一个问题（比如Mobile Eye，就同时使用了数十种方法，放到一起最终作出决策） B) 使用新的信息，解决一个原来很难的问题。这方面最好的例子是M$的Kinect，这样的产品最让人拍案叫绝的就是那个红外pattern投影仪。

  自然语言处理（包括语音和语义识别、自动翻译）、计算机视觉（图像识别）、知识表示、自动推理（包括规划和决策）、机器学习和机器人学。按照技术类别来分，可以分成感知输入和学习与训练两种。计算机通过语音识别、图像识别、读取知识库、人机交互、物理传感等方式，获得音视频的感知输入，然后从大数据中进行学习，得到一个有决策和创造能力的大脑。

  “人工智能”的概念，是在1956年的美国达特茅斯（Dartmouth）大学召开的学术会议上被提出的。着眼全球，只在短短的60年间，科学技术的积累便使得机器学习、模式识别和人机交互这3个基础支撑能获得比较广泛的应用。纵观我国，家庭机器人、工业或客户服务、智能助手3方面，是目前国内智能机器人行业的主要研发范围。就目前阶段而言，家庭服务机器人智能化程度还处于初级水平；以仓储和物流机器人应用为主的工业/企业场景应用最为广泛；而在工业机器人市场中，中国所占市场占有率约为27%是最大的，未来市场发展的潜力开阔。

  从上世纪八九十年代的PC时代，进入到互联网时代后，给我们大家带来的是信息的爆炸和信息载体的去中心化。而网络信息获取渠道从PC转移到移动端后，万物互联成为趋势，但技术的限制导致移动互联网难以催生出更多的新应用和商业模式。而如今，AI已经成为这个时代最激动人心、最值得期待的技术，将成为未来10年乃至更长时间内IT产业高质量发展的焦点。

  对科技的重视，是中国向来的发展的策略。因此，我们大家可以看到国家不断在战略部署上出台加速人工智能需求的政策。例如，“人工智能”首次出现在“十三五”规划草案中，智能制造和机器人作为重大工程之一出现在“科学技术创新－2030项目”中，以及倡导“互联网+”落实及其核心技术的推广……能预见，千亿元级的AI市场应用规模正在形成。

  中国在图像及语音识别的基础之上，即模拟神经网络的输入和输出，并通过大规模的数据来进行训练，再对样本做精准分类和预测，以此来实现了“计算”之外的“思考”。这便是中国着力研究人工智能所得到的令人欣喜的结果。当然，研发中会遇到瓶颈，同时也是突破口——训练和建模逻辑的算法，但相信，只要不懈努力，我国定能取得更多更高的科研成就。

  另外，中国在人工智能自动化软件工程方面也处于世界领先水平，曾经以《颠覆传统的Yigo语言》为标题，在国际最高科技权威杂志IEEE期刊上发表论文的Yigo技术正是此类IT技术的代表，基于该技术的软件开发机器人编程系统，大大颠覆了传统的人工编程效率，使按需实现企业资源优化配置、制造系统柔性与管理信息化效率大幅度的提高成为现实。目前，该技术已初步展现出AI在软件开发领域的巨大潜力。

  《深度学习框架Caffe学习与应用》学习完毕能通过Caffe实现自定义深度神经网络做图像模型训练，能熟练改动Caffe源代码、编写自定义Layer，可完全自己动手编写一个CNN深度学习框架。返回搜狐，查看更加多