人工智能应用有哪些？

来源：未知　时间：2018-53-10　浏览次数：175次

     

• 1.AI与影像辅助诊断:人工智能在医疗健康领域中的应用领域包括虚拟助理、医学影像、药物挖掘、营养学、生物技术、急救室/医院管理、健康管理、精神健康、可穿戴设备、风险管理和病理学。其中人工智能+医疗健康各细分领域中
• 2.AI与药物开发:人工智能助力药物研主要体现在临床前和临床研究上。在临床前通过深度学习，提高药物筛选效率并优化其构效关系，在临床研究过程中结合医院数据，可快速找到符合条件的受试病人。下表列出了目前人工智能在药物研发中主要领域的情况。
• 3.AI与医疗机器人：说起医疗机器人，人们最熟悉的大概是达芬奇机器人，达芬奇机器人由手术台以及可远程控制的终端两部分组成。手术台机器人有三个机械手臂，在手术过程中，每个手臂各司其职且灵敏度远超于人类，可轻松进行微创手术等复杂困难的手术。终端控制端可将整个手术二维影响过程高清还原成三维图像，由医生进行监控整个过程。

• 1.基于搜索、已购和浏览记录的兴趣推荐（相似品、互补品算法，高频、低频等等）
• 2.基于用户访问时间的活跃性推荐（根据时间推测用户可能的使用场景，然后做出推荐）
• 3.基于位置信息的推荐（检查用户是否处于线下商圈，是否需要推荐店铺）
• 4.基于社交属性的推荐（根据好友关系、社交行为等，猜测用户可能需要的商品）
• 5.通过图片找相似商品：通过计算机视觉+深度学习做到“以图搜图”，例如，一个妹子有一张吊灯的照片，很喜欢但买不到，于是她把照片上传到电商APP，AI能理解商品的款式、规格、颜色、品牌及其他的特征，最后给出相似商品的链接。
• 6.人工智能客服：这一技术的使用降低了服务成本，当然服务质量有没有提高？应为受到目前技术发展的局限性还是个疑问，这一应用也不仅应用在电商零售行业

三、人工智能在金融行业的应用

• 1.支付-智能创新最前沿:作为与消费者连接最紧密的环节，智能金融对广大用户的支付需求影响得最早、最广、最深。随着智能技术的进一步成熟，支付将进入“万物皆载体”的新阶段。首先，以人脸识别、声纹识别、虹膜识别等为代表的生物识别支付技术，正在极大地简化支付流程。生物识别技术还在安防、商业、娱乐等场景得到广泛实践。其次，区块链技术也将对跨境支付帮助不小。它将极大减少支付流程中的人工处理环节，大大提升交易速度；削弱交易流程中的中介机构作用，提高资金流动性，实现实时确认和监控，有效降低交易各环节中的直接和间接成本。
• 2.个人信贷-全链条智能化:针对不同类型的客户开发适合他们的信贷产品、提升客户体验，是金融业未来的努力方向。继移动时代的场景流量后，从智能获客到智能反欺诈、再到大数据风控，全链条智能化的技术能力将成为个人信贷企业新的竞争力。通过智能获客，在获取具有信贷需求的客户基础上，借助智能技术构建强有力的风控体系，准确评估客户信用风险，成为促进个人信贷健康发展的重要环节。
• 3. 财富管理-智能匹配初具雏形:智能技术在投资偏好洞察和投资资产匹配环节能极大降本提效，使财富管理逐渐走出高费率、高门槛，走向中低净值人群，实现高效、低费、覆盖更广泛的目标。
• 保险-行业变革的开启:智能技术在保险业的应用不断深化，逐渐涉足核心的产品设计和精算定价领域，真正开启保险业的全面变革。

• 1.代替肉眼检查作业，实现制造检查智能化和无人化：例如工程岩体的分类，目前主要是通过有经验的工程师通过仔细鉴别来判断，效率比较低，并且因人有不同的判断偏差。通过采用人工智能，把工程师的经验转化为深度学习算法，判断的淮确率和人工判断相当。得到对应的权值后开发出 app，这样现场工程人员在使用 tablet 拍照后，就可以通过 app 自动得到工程岩体分类的结果，高效且淮确率高。还有汽车零部件厂商，目前检查生产出的零件磨损种类与等级情况时，多是有经验的人工。同样，通过採用深度学习算法，可以把人工的检测经验转化为算法，从而实现无人化检测。
• 2.大幅改善工业机器人的作业性能，提升制造流程的自动化和无人化:例如 bin picking 机器人，工业上有许多需要分捡的作业，如上图所示的零件分捡，采用人工的话，速度缓慢且成本高，而且还需要提供适宜的工作温度环境（夏天的空调，冬天的暖气等），如果采用工业机器人的话，可以大幅减低成本，提高速度。
• 3.工业机器人异常的提前检知（感知），从而有效避免机器故障带来的损失和影响:例如在制造流水线上，有大量的工业机器人。如果其中一个机器人出现了故障，当人感知到这个故障时，可能已经造成大量的不合格品，从而带来不小的损失。如果能在故障发生以前就检知的话，可以有效做出预防，减少损失。
• 4.例如工业上的 3D 模型设计完成后，需要根据 3D 模型中参数，寻找可对应的现实中的零件，用于制造实际的产品。使用机器学习来完成这个任务的话，可以快速，高匹配率的找出符合 3D 模型参数的那些现实零件

• 1.分析内容，构建知识图谱:构建和优化内容模型，建立知识图谱，让用户可以更容易地、更准确地发现适合自己的内容。国外这方面的典型应用是分级阅读平台，推荐给用户适宜的阅读材料，并将阅读与教学联系在一起，文后带有小测验，并生成相关阅读数据报告，老师得以随时掌握学生阅读情况。
• 2.自适应学习，实现智能化推荐:个性化学习是自适应重要的特点，也是其相较于 MOOC最大的区别。自适应学习（Adaptive learning）的运作过程是这样的：搜集学生学习数据，预测学生未来表现，智能化推荐最适合学生的内容，最终高效、显著地提升学习效果。
• 3.自动化辅导与答疑:AI除了应用于个性化学习方案的制定外，还落地在自动化辅导和答疑子领域，这也成为了教师面授外的补充
• 4.智能测评:在求学期间，老师长时间改作业甚至到深夜的场景深深印入众人心中。随着信息化建设、人工智能的发展，大数据、文字识别、语音识别、语义识别，使得规模化的自动批改和个性化反馈走向现实。如何利用人工智能减轻批改压力，实现规模化又个性化的作业反馈，是未来教育的重要攻克点，也是国内外众多企业看中的市场。
• 5.模拟和游戏化教学平台:平台应用的科技将会包括虚拟现实、计算机视觉、机器学习等。目前最成功的模拟仿真是飞行模拟器。据悉，模拟机和真机飞行的感觉没有差别，而模拟机的训练还更为便捷