1700513650
不断增加的海量数据使算法不断优化，也使智融能够将信用服务延伸至那些向来被传统银行忽视的人群，如低收入年轻人及外来务工人员。智融集团的人工智能算法，预测违约率低至个位数。这一数字让传统银行叹为观止。
1700513651
1700513653
请到算法诊所就诊
1700513654
1700513655
商用人工智能并非只能用在跟钱有关的领域，它同样可以用在数据驱动的公共服务上，让许多之前负担不起这些服务的人享受科技带来的红利，促成高质量服务大规模推广。这方面，最具前景的领域之一是医疗诊断。美国的顶尖研究人员如吴恩达和塞巴斯蒂安·特伦，已经展示了一些依据影像在诊断某些疾病时媲美专业医生的一流算法，如根据胸部X光片来诊断肺炎，根据照片来诊断皮肤癌等。不过，医疗领域商用人工智能的更广泛应用，将有望处理多种疾病的整个诊断流程。
1700513656
1700513657
目前，拥有专业医学知识以及能为患者做出正确诊断的人仍然以少数专业人士为主，但他们精力有限，记忆力也不能支持他们记住所有的病例与治疗方法，一流的医疗服务仍然由为数不多且资金充裕的医疗机构提供。互联网上虽然散布着海量的医学信息，但并不是以大众能够理解的形式存在。在人口众多、医疗资源相对紧张的中国，训练有素的医生大多集中在大城市的一流医院，在偏远的城镇或乡村，医疗资源并不是很丰富。因此，中国各地的病患总是想尽办法到北京、上海的大医院看病，哪怕需要等很多天。这让大医院本就有限的资源更加紧张。
1700513658
1700513659
第二波人工智能浪潮有望改变这一切。疾病诊断涉及的数据（如症状、医疗史、环境因素等）以及从与这些数据有关的现象（如某种疾病）中寻找关联性并做出预测，这些工作正是深度学习擅长的。有了足够的数据——精准的医疗记录，由人工智能驱动的诊断工具能够把一般水平的医疗专业人员变成处理过数千万个病例的超级医生，还能发现患者症状数据之间隐藏的关联性，同时还有完美的记忆力。
1700513660
1700513661
曾经在硅谷及百度从事深度学习工作的中国人工智能研究人员邓侃，创立了大数医达科技公司，该公司研发了专门训练医疗领域的人工智能算法，使它们成为能够部署在全国各地的超级诊断师。它们并不想用算法取代医生，而是要辅助医生诊断。算法在诊断流程中扮演“导航”的角色，用大数据规划最佳路径，但人类医生会主导最终的判断。诊断的范围随着算法得到的信息增加而缩小，这时更详细、高度确定的数据可以帮助判断症状的起因，以及其他诊断结果的正确性及患病概率。这款应用给医生的建议，是依靠其超过4亿条医疗记录（并且还在持续扫描最新医学文献）的数据，把全球顶尖医学知识平均分配在医疗资源不均衡的社会中，让所有医生和护士都能聚焦在机器做不到的人类工作上，如使病患感受到关怀，更人性化地和病患分享诊断结果。
1700513662
1700513664
看不见的法庭助手
1700513665
1700513666
科大讯飞率先把人工智能应用在另一个资源和能力分布高度不均的领域——司法界。在上海进行的试点中，科大讯飞使用以往案例数据，向法官提出有关证据及判决的建议。该公司开发的证据交互参照系统，使用语音识别与自然语言处理技术来比较所有证据，如证词、文件及背景资料等，并找出其中的矛盾点，同时提醒法官注意这些有争议的地方，让法院审理人员可以进一步核实。量刑时，法官可以把被告的犯罪记录、年龄、造成的伤害等相关信息输入判决辅助人工智能系统。该系统存储了大量的判决记录，可以从类似案例中做出有关量刑或罚款的建议。接受人工智能应用提供的信息，可以在十万余名法官中建立一致性，也可以约束不走寻常路的法官。美国的一些法庭也会使用类似的算法，对提请假释的犯人进行风险评估。不过，这类人工智能工具扮演的角色及其本身的缺乏透明性等缺陷，在美国高等法院遭到了质疑。
1700513667
1700513668
跟大数医达科技公司的医生“导航”一样，科大讯飞的司法人工智能工具也是用来辅助专业人员做出更佳决策，而非取代专业人员。人工智能系统为法官提供数据导向的建议，帮助维持司法公正，纠正一些就连经验丰富的法官都无法避免的偏见。美国的法律学者的研究表明，受害人及被告所属的种族，对美国法院判刑的影响非常明显，而司法偏见往往更不引人注意。一项针对以色列法官所做的研究结果显示，这些法官在午餐前做出的判决比较严厉，在饱餐一顿后，他们在裁决假释时则较为宽容。(3)
1700513669
1700513671
谁能取得领先地位？
1700513672
1700513673
那么，在人工智能应用更广泛的商用人工智能领域，哪一个国家处于领先地位呢？在今天无疑是美国。美国的公司有应用商用人工智能的原材料和意愿，因此在见效快、最有利可图的银行业、保险业以及其他任何拥有大量结构化数据、可供人工智能进一步优化的产业上具有明显优势。相对来说中国传统企业对人工智能的应用不是很到位，但中国现有的金融体制和分布不均的医疗卫生资源是重构消费者信用和医疗等服务的关键所在。商用人工智能可以把这些弱点转化为优势，彻底重构这些产业。所以，我认为5年内中国能够缩小差距，而且有机会让商用人工智能发展出更多有效的应用。
1700513674
1700513675
第二波人工智能的应用对现实世界有直接影响，但算法本身处理的对象仍然是由人类行为形成的数据。但第三波人工智能改变了这一点，赋予了人工智能最宝贵的信息收集工具——眼睛与耳朵。
1700513676
1700513678
第三波浪潮：实体世界智能化
1700513679
1700513680
在人工智能问世之前，所有机器都是既盲且聋。它们可以拍照或录音，但这只是复制人类感受到的视听环境以供人类解读，机器本身无法理解这些信息。对一台普通的计算机而言，一张照片只不过是它必须储存起来的、没有任何意义的一堆像素；对一部iPhone而言，一首歌曲只不过是它必须播放给人类听的一串0与1的组合。
1700513681
1700513682
感知人工智能的问世改变了这一切，现在算法能够模拟人脑的运作方式，把图片或视频的像素汇集成有意义的集群以辨识其中的对象，如金毛犬、交通信号灯、我们的亲属等。声音数据也是如此，计算机不再只是把音频档案当成字节的集合储存起来，人工智能算法能够提炼出其中的字词，还能解析整个句子的意思。
1700513683
1700513684
第三波浪潮就是把人工智能延伸至我们的生活环境，以大量的传感器及智能型器材，把我们的现实世界转化成可被深度学习算法分析与优化的数据，如小米的智能音箱“小爱同学”和Amazon Echo可以把声音环境数字化；阿里巴巴的“城市大脑”通过摄影机和物体识别，可以把城市交通流量数字化；Face++的技术和软件则可以把面孔数字化，使用感知数据，经过人脸识别来保护我们的手机或数字钱包。
1700513685
1700513687
界限模糊的OMO世界
1700513688
1700513689
感知人工智能开始模糊线上与线下世界之间的界限，大大增加了我们和互联网的互动节点。在感知人工智能问世之前，我们和线上世界的互动必须经过两个关卡：计算机键盘或智能手机屏幕。这些设备是通往储存于互联网上庞大知识的入口。但是这样获取信息很不方便，尤其是在外购物或正在开车时。
1700513690
1700513691
感知人工智能越来越擅长辨识我们的脸孔，听懂我们的声音，观察我们身边的世界，它也将在线上与线下世界之间架起无数无缝衔接的桥梁节点，这些节点会让“上线”这个词变得没有意义。坐在沙发上说一句话，就能订好外卖，那我们究竟有没有在线上？当我们的冰箱告诉商店里的购物车家里已经没有牛奶了，我们到底是在现实世界还是数字世界里？
1700513692
1700513693
我把这个新环境称为“线上线下融合”（Online-Merge-Offline），简称OMO。我们已经从纯粹的电子商务迈入O2O（线上到线下）服务，下一个状态则是OMO。这个过程中，每一步都在数字世界和现实世界之间建立新桥梁。OMO把数字世界和现实世界完全整合起来，把线上世界的便利性带进线下世界里，把在线下世界里感知到的内容带到线上世界里。
1700513694
1700513695
未来，感知人工智能将把购物商场、杂货店、城市街道甚至我们的住所转化成OMO环境，还会产生一些令一般用户真正有未来主义感觉的人工智能应用。有些应用已经存在了。中国的肯德基和支付宝合作，率先在一些店推出“刷脸支付”。顾客在数字终端机上点餐后，快速扫描脸孔，链接至他们的支付宝账户，直接转账付款，而不需要现金、信用卡或借记卡，更不要说扫描手机二维码支付。这些人工智能的点餐机甚至使用“活体算法”（liveness algorithm），确保人脸不会被盗刷。
1700513696
1700513697
刷脸支付只不过是OMO的“冰山一角”。想知道OMO的发展趋势，我们要来展望一下几年后，安装了感知人工智能设备的超市会是什么样的。
1700513698
[
上一页 ]
[ :1.70051365e+09 ]
[
下一页 ]