为什么说目前人工智能主要应用在这七个领域?

简介:

10月中旬,乌镇智库联合网易科技、网易智能发布了《乌镇指数:全球人工智能发展报告(2016)》系列报告。报告介绍了人工智能的一系列热点问题,包括企业分布规模、投融资情况、研究成果、细分领域等,对人工智能进行了全面剖析。

在报告中,我们注意到目前人工智能企业的主要应用领域分别是:

为什么说目前人工智能主要应用在这七个领域?

个人助理(智能手机上的语音助理、语音输入、家庭管家和陪护机器人) 产品举例:微软小冰、百度度秘、科大讯飞等、Amazon Echo、Google Home等

安防(智能监控、安保机器人) 产品举例:商汤科技、格灵深瞳、神州云海

自驾领域(智能汽车、公共交通、快递用车、工业应用) 产品举例:Google、Uber、特斯拉、亚马逊、奔驰、京东等

医疗健康(医疗健康的监测诊断、智能医疗设备) 产品举例: Enlitic、Intuitive Sirgical、碳云智能、Promontory等

电商零售(仓储物流、智能导购和客服) 产品举例:阿里、京东、亚马逊

金融(智能投顾、智能客服、安防监控、金融监管) 产品举例:蚂蚁金服、交通银行、大华股份、kensho

教育(智能评测、个性化辅导、儿童陪伴) 产品举例:学吧课堂、科大讯飞、云知声

回忆起今年三四月的时候,我们人工智能创业公司还是一直活在各种试探和神话阶段:《深度学习为何成了计算机视觉研究的标配?》《深度学习在语音识别上不再难有用武之地》;《可怕!引起巨大争议的新技术Face2Face》……当时各种小心翼翼地试探,一度让我们以为离AI实用化的那天还早着,但自从“纯粹的人工智能是没有商业模式的”这一论断尘埃落地,我们开始接受现实并在以下领域各自为阵:

为什么偏偏是这些领域,AI科技评论君准备从3方面来总结成因。

其一,相关专利多

为什么说目前人工智能主要应用在这七个领域?

为什么说目前人工智能主要应用在这七个领域?

翻阅报告,我们注意到在人工智能申请专利细分领域Top5中,中美相关专利几乎都集中在机器人(电商销售等)、神经网络、图像识别、语音识别(个人助理、金融等)上。不同的是,中国人工智能专利Top5中另外还有个是计算机视觉(安防、自驾领域等),美国则是机器学习(金融等)。

从申请专利数目占比不难看出,占比最多的机器人、神经网络、图像识别、语音识别等即是相关应用领域最需要的主要技术。

其二,应用场景够“土”却够刚需

线性资本王淮最近表示:

我们投资人关注的应用场景,搞了一堆数据,搞了一堆处理,完了之后不能解决商业实质解决的问题。要么比别人的商业决策更快,要么让决策质量更高。如果做不到这个,这个东西没人愿意买单,你没有办法依赖你刚才在数据处理技术上面建立的优势去实现我们称之为产品到商品的转变过程,如果这点没实现的话,这家公司是不可投的,再牛也没用。

……

……

应用(场景)我也不展开,我们投的东西一定要有潜在的应用场景,要有一个紧密的结合。因为人工智能领域有个特点,它跟学术关联性比较高。所以我们看待这个问题的时候典型的是这么一个面,科研出发,然后到技术是一步,技术到产品是另外一步,然后产品只有有机会变成商品,而不是我们投的已经商品化,有机会变成商品,你要卖得出去而且有一定的量,这才是真正有机会成功的。

为什么说目前人工智能主要应用在这七个领域?

从Top30全球人工智能企业融资额也可以看出,上榜的中国企业都是相关应用领域企业。比如医疗健康领域中的碳云智能、个人助理领域中的出门问问、以及教育领域中的云知声。

人工智能虽然和学术关联性较高,但是如果没有潜在的应用场景,技术再先进也只是停留在研究阶段。从技术出发,寻找到合适的应用场景,把技术变成产品,才有可能把产品变成商品。

其三,可选择领域不多

从以往案例来看,当下人工智能领域其实可选择的应用领域也实在不多。

曾任百度深度学习研究院IDL主任的余凯在离开百度之后选择了创立地平线机器人,以ADAS系统切入人工智能领域创业。另一个,曾任英特尔中国研究院的第一位“首席工程师”的吴甘沙选择创立驭势科技,以自动驾驶技术进入人工智能创业领域。

另外从报告中我们也注意到,许多拥有行业领先技术的公司最终也选择了在几个“毫无惊喜”的应用领域中实现技术落地。比如科大讯飞选择了个人助理、教育等领域,Google选择在自驾领域以及个人助理等,亚马逊选择个人助理、自驾以及电商等领域。

小结

纵观整份《乌镇指数:全球人工智能发展报告(2016)》,其对于人工智能中投融资情况、研究成果、细分领域都做了详实的分析解释。

对于当下人工智能的应用领域领域,我们可以看到由于相关专利数目影响实际应用场景受限以及可选择领域不多等原因,目前人工智能的主要应用还是集中在个人助理、安防、自驾领域、医疗健康、电商零售、金融、教育这七个方面。


本文作者:李尊


本文转自雷锋网禁止二次转载,原文链接

相关文章
|
3天前
|
机器学习/深度学习 人工智能 物联网
通义灵码在人工智能与机器学习领域的应用
通义灵码不仅在物联网领域表现出色,还在人工智能、机器学习、金融、医疗和教育等领域展现出广泛应用前景。本文探讨了其在这些领域的具体应用,如模型训练、风险评估、医疗影像诊断等,并总结了其提高开发效率、降低门槛、促进合作和推动创新的优势。
通义灵码在人工智能与机器学习领域的应用
|
4天前
|
人工智能 算法 安全
人工智能在医疗诊断中的应用与前景####
本文旨在探讨人工智能(AI)技术在医疗诊断领域的应用现状、面临的挑战以及未来的发展趋势。随着科技的不断进步,AI技术正逐步渗透到医疗行业的各个环节,尤其在提高诊断准确性和效率方面展现出巨大潜力。通过分析当前AI在医学影像分析、疾病预测、个性化治疗方案制定等方面的实际应用案例,我们可以预见到一个更加智能化、精准化的医疗服务体系正在形成。然而,数据隐私保护、算法透明度及伦理问题仍是制约其进一步发展的关键因素。本文还将讨论这些挑战的可能解决方案,并对AI如何更好地服务于人类健康事业提出展望。 ####
|
4天前
|
机器学习/深度学习 人工智能 自然语言处理
当前AI大模型在软件开发中的创新应用与挑战
2024年,AI大模型在软件开发领域的应用正重塑传统流程,从自动化编码、智能协作到代码审查和测试,显著提升了开发效率和代码质量。然而,技术挑战、伦理安全及模型可解释性等问题仍需解决。未来,AI将继续推动软件开发向更高效、智能化方向发展。
|
3天前
|
机器学习/深度学习 人工智能 算法
人工智能在医疗诊断中的应用与挑战
本文探讨了人工智能(AI)在医疗诊断领域的应用及其面临的挑战。随着技术的不断进步,AI已经在医学影像分析、疾病预测和个性化治疗等方面展现出巨大潜力。然而,数据隐私、算法透明度以及临床整合等问题仍然是亟待解决的关键问题。本文旨在通过分析当前AI技术在医疗诊断中的具体应用案例,探讨其带来的优势和潜在风险,并提出相应的解决策略,以期为未来AI在医疗领域的深入应用提供参考。
25 3
|
3天前
|
机器学习/深度学习 人工智能 自然语言处理
探索人工智能在教育领域的应用与挑战
随着科技的不断进步,人工智能(AI)技术已经深入到社会的各个领域,其中教育领域尤为突出。本文旨在探讨人工智能在教育领域的应用现状、面临的挑战以及未来的发展趋势。通过分析AI技术如何改变传统教学模式,提高教育质量和效率,同时指出其在实际应用中可能遇到的问题和挑战,为未来教育的发展提供参考。
30 2
|
9天前
|
机器学习/深度学习 人工智能 自然语言处理
AI在医疗领域的应用及其挑战
【10月更文挑战第34天】本文将探讨人工智能(AI)在医疗领域的应用及其面临的挑战。我们将从AI技术的基本概念入手,然后详细介绍其在医疗领域的各种应用,如疾病诊断、药物研发、患者护理等。最后,我们将讨论AI在医疗领域面临的主要挑战,包括数据隐私、算法偏见、法规合规等问题。
28 1
|
7天前
|
机器学习/深度学习 人工智能 搜索推荐
探索人工智能在医疗诊断中的应用
【10月更文挑战第36天】随着人工智能技术的飞速发展,其在各行各业的应用日益广泛,特别是在医疗领域。本文将深入探讨AI技术如何革新传统医疗诊断流程,提高疾病预测的准确性,以及面临的挑战和未来发展方向。通过具体案例分析,我们将看到AI如何在提升医疗服务质量、降低医疗成本方面发挥关键作用。
80 58
|
6天前
|
机器学习/深度学习 人工智能 算法
AI在医疗领域的应用与挑战
本文探讨了人工智能(AI)在医疗领域的应用,包括其在疾病诊断、治疗方案制定、患者管理等方面的优势和潜力。同时,也分析了AI在医疗领域面临的挑战,如数据隐私、伦理问题以及技术局限性等。通过对这些内容的深入分析,旨在为读者提供一个全面了解AI在医疗领域现状和未来发展的视角。
35 10
|
7天前
|
机器学习/深度学习 人工智能 监控
探索AI在医疗领域的应用与挑战
本文深入探讨了人工智能(AI)在医疗领域中的应用现状和面临的挑战。通过分析AI技术如何助力疾病诊断、治疗方案优化、患者管理等方面的创新实践,揭示了AI技术为医疗行业带来的变革潜力。同时,文章也指出了数据隐私、算法透明度、跨学科合作等关键问题,并对未来的发展趋势进行了展望。
|
6天前
|
存储 人工智能 固态存储
如何应对生成式AI和大模型应用带来的存储挑战
如何应对生成式AI和大模型应用带来的存储挑战

热门文章

最新文章