您现在的位置: 首页 > 网站导航收录 > 百科知识百科知识

如何看待人工智能，究竟是热点概念还是真正的技术驱动？

人工智能,技术,机器如何看待人工智能，究竟是热点概念还是真正的技术驱动？

发布时间：2019-02-08加入收藏来源：互联网点击：

如何看待人工智能，究竟是热点概念还是真正的技术驱动？

回答于 2019-09-11 08:43:50

回答于 2019-09-11 08:43:50

谢邀：我觉得人工智能是个很好的话题，我个人认为是一项技术的驱动。我们都知道在过去的几十年，计算机，互联网和移动互联网的蓬勃发展让科学技术得到了极大的普及和应用，我觉得在未来科学技术也会迎来一个非常美妙的春天。而这一天就会是人工智能得应用在里面。近几年人工智能的呼声不断的叫起，人们也开始重视人工智能的发展和应用。在人工智能的领域里将会代替一部分工作也就是机器帮助人们完成，面临的就是人工智能服务的崛起，但是人工智能不会替代人类，毕竟他还是人操作的，没有主观的大脑思维，这是机器永远代替不了人类的。另外很多主观意愿非常强的工作机器人是做不了的比如文学创作艺术创作，写作这些工作机器是无法完成的，还有一些音乐的创作和表演艺术等。因为这些都需要人与人之间的交流。所以我觉得人工智能就是为人类服务的。谢谢！你是如何看待人工智能，究竟是热点概念还是真正的技术驱动？

回答于 2019-09-11 08:43:50

人工智能不只是一个热点概念，而是真正的技术驱动。机器学习是指我们如何使用软件来学习东西，而人工智能一般视为机器学习的代名词，但往往意味着更高级的、人类的能力水平。相比机器认知，人工智能涉及到更多的人员和方法，因为新技术正在给商业管理战略带来变革。一方面，它可以替代人们所做的工作，并且更有效、可靠、高效地完成这些任务。另一方面，以前不可行的新商业模式变得可行。

业内人士总结了2018年人工智能技术趋势：

1、AI从客户体验扩展到工作场所

2、AI处理大数据

3、数字进化的第三次浪潮

4、主流云服务

5、AI对云计算的管理

6、AI投资回报

7、语音助理

8、与智能家居设备沟通

9、智能手机变身为智能家居设备

10、下一代AI

1月19日，《时代周刊》亚洲版封面刊登了一则有关李彦宏的专访——《Baidu's Robin Li is Helping China Win the 21st Century》，这是中国互联网企业家第一次登上时代周刊封面。专访文章从百度搜索引擎开始，介绍了李彦宏和百度近年来的发展现状及其在人工智能领域的投入与成果。李彦宏称，中国拥有全球最大的市场，百度将利用这一市场主导全球人工智能产业。不出意外，百度的业务下一步靠人工智能技术驱动。

更多优质内容，请持续关注镁客网~~

回答于 2019-09-11 08:43:50

人工智能绝对是热点概念，几乎任何产品都想加上智能标签，连玩具了，马桶了都不例外。不过，真正解决用户痛点的智能产品少之又少，显得很是尴尬。

目前最能体现价值的应该是工业机器人了，它们在这个领域确实发挥了不凡的作用，大有完全替代人类的趋势。

另外还有一些本领高强的智能机器人，能说会道能下棋，能跑能跳后空翻，赚足了眼球。

可我并不认为这是真正意义上的技术驱动，只是几种成熟技术大力发展后的组合应用，没有出现变革性技术；也没有让人类的生活发生颠覆式的变化。技术驱动，就是要让技术发生质变，举个例子，马车和火车，人们想要更快的出行，增加马的数量和提高马的速度都可以实现，但是直到火车出现，一下子就淘汰了马车，这就是技术变革。我们现在不断提高cpu的主频，提高芯片的集成度，就和增加马的数量和提高马的速度的做法是一样的。

当然不能否认科技的发展，只是变革性的技术，还没有出现。

回答于 2019-09-11 08:43:50

人工智能毫无疑问是真正的技术驱动。热点概念往往是昙花一现，而人工智能对社会的改变是不言而喻的。

回答于 2019-09-11 08:43:50

本人曾经在学校的时候，和几名同学一起创业做了人工智能方面的创业。后来因为换了城市也退出了当时的创业团队，现在也在接触人工智能的一些项目，几点个人观点和大家分享：

1、人工智能的概念热是具有其一定道理的，人工智能确实是技术上的一种驱动和创新。不论是理论层面还是实践层面来说，人工智能都打开了一个新世界的大门。通过机器的监督学习，来达到一种模拟人类智慧进行工作的状态，比如神经网络和遗传算法等等技术。目前大家熟知的人脸识别（身份验证）、行为识别、语义分析（siri）等等都是很好的实践探索。不得不说，这些技术的发展和相应的工程应用为我们的生活节省了很多麻烦。

2、但是从当前的发展来说，人工智能存在两个问题：一个是目前绝大多数的应用是单领域的，只能实现某一功能或某一领域的功能，而不能实现多种功能；第二个在使用前需要进行大量的训练学习，这对数据样本的数量和质量要求都很多。

 1/2    1 2 下一页 尾页