人类一直对机器人和人工智能（AI）的概念保持非常强的好奇心。好莱坞电影和科幻小说可能激发了一些科学家开始朝着这个方向努力，虽然人工智能泡沫已出现多次，但目前重大的发展和突破正在重新引起公众对这一领域的兴趣。
2018年我们需要关注AI的相关领域，因为变革正在慢慢来临，其中包括自然语言处理（NLP），机器学习，认知计算，神经网络，计算机视觉和机器人及其相关技术。在本文中，我们将解释围绕所有这些技术的五个不断变化的趋势，并了解它们的好处。
1.机器学习模型的民主化
机器学习旨在使计算机能够从数据中学习并在不依赖于程序中命令的情况下进行改进。这种学习最终可以帮助计算机构建模型，例如用于预测天气的模型。这里，我们介绍了一些利用机器学习的常见应用程序：
1.1财务应用
随着金融科技创业公司挑战现有企业，金融业正在迅速发展。这些现有企业中的许多人主要依靠传统的低效方法来提供标准化金融产品的咨询和业务。人工智能的进步正在通过引入自动化咨询改变了这一领域。机器学习模型也取代了传统的预测分析方法来衡量市场趋势。与传统的投资模型相比，这些模型可以提供更高水平的准确性和预测市场波动的速度。
现在，机器学习也帮助金融公司预防金融欺诈。这些模型特别擅长根据历史数据发现异常，并且可以轻松识别甚至预测欺诈活动。银行正在使用这些模型来提醒客户其帐户中的任何异常活动。除了防止欺诈之外，机器学习还可以在风险管理领域发挥更大的作用。这些模型可以提高信用评级的准确性，并改善贷款机构的风险管理。
1.2医疗应用
机器学习和大数据可以利用大量潜在医疗数据，通过基于机器学习模型构建的新应用程序可以帮助识别疾病并提供正确的疾病诊断。机器学习还可以帮助人类进行基因测序、临床试验、药物发现和研发以及流行病爆发的预测。
例如，阿里云的ET Medical Brain，最近来自世界各地的算法科学家将在这个平台上利用他们的智慧进行精准医疗竞赛，他们将围绕为糖尿病的个性化治疗开发预测模型。
基于AI的系统还帮助医院改善其运营工作流程和数据管理。值得关注的是，医疗保健专业人员在阅读剂量说明或诊断数据时也会犯错误。具有图像识别和光学字符识别功能的智能AI系统可以对这些数据进行双重检查，并确保减少此类错误。
1.3工业应用
机器学习算法支持涵盖整个制造生命周期的许多应用程序，包括产品设计、生产计划、生产优化、分配、现场服务和回收。现在，有几个行业正在实施基于人工智能和物联网的解决方案，并在其孤立和分散的SCADA（监控和数据采集）解决方案之上实现更高的协同效应。
此外，机器人和自动化机器的使用对于制造业来说并不陌生。基于物联网的先进系统现在推动了工厂设备和机器的预防性维护和维修，使用基于AI的技术优化供应链运营也正在不断发展。
1.4AIOps平台
我们大多数人都目睹过IT运营的流程设置，其中IT从业者经常负担过重，每天处理数千个事件。这些分析系统无法利用IT运营数据的真正潜力，这就是为什么要转向开发有更高运营能力的智能系统。AIOps中的高级AI算法可以自动化分析和关联事件数据的过程，此外，AIOps可以使用可以实时重复删除，黑名单和关联事件馈送的算法来降低此类事件的频率。
2.用自然语言处理简化人机交互
自然语言处理（NLP）是人工智能的一个快速发展的分支，该领域专注于分析和理解人类语言。基于NLP的应用程序通过理解语音、上下文、方言和发音以及更的细微差别来与人类交互。
此外，NLP正在帮助计算机培养超越人类的阅读能力和理解能力。在2018年1月，阿里云的NLP团队设计的模型在斯坦福大学的阅读和理解测试中得分高于人类。阿里云团队的NLP模型是基于深度神经网络的AI机器，它在这次测试中回答了超过10万个问题。
让我们来看看以NLP和基于AI的技术的发展趋势：
2.1客户服务类聊天机器人
NLP可以支持众多真实的客户服务应用程序，在这些应用程序中，通常是在高度紧张的工作条件下，人们必须处理常规客户查询。基于NLP的聊天机器人可以通过提供更高的效率，减少等待时间，标准化文档更好地解决客户查询来改善客户服务。
2.2虚拟助手
Amazon Echo、Alexa、Cortana、Google智能助理和Siri是NLP进入消费领域的一些最著名的例子。通过了解人类语音请求，AI技术正在改变我们与机器交互的方式。虚拟助理有可能打破我们传统的广告业务模式，并促使我们做出购买决策。
2.3招聘门户网站
基于NLP的招聘门户正变得越来越普遍。这些门户网站帮助企业处理大规模招聘，人力资源经理需要在这些招聘中分发成千上万的简历。NLP可以通过扫描大量的工作申请并将其与招聘标准相匹配，迅速找到候选人。与过去的门户网站不同，这些门户网站不需要依赖关键字。
3.通过情感分析增强客户体验
如果客户需要在客户服务代表到来之前等待IVR队列，客户可能会感到沮丧。我们所有人都经历过这种经历，由于这种低效的客户支持流程，企业会失去客户。这是情绪分析可以提供改善的地方，情感分析允许计算机理解对话，评论或反馈的背景或意图。它使他们能够区分意见、建议、投诉、查询和赞美。
利用情感分析的应用程序可以帮助企业更好地了解客户的需求，此类应用程序可以分析众多社交媒体渠道，以改善品牌的社交倾听。
随着情绪分析的不断发展，未来虚拟个人助理和情感感应可穿戴设备可能会理解我们的情绪状态和偏好。这些系统将帮助营销部门为客户提供情境化和个性化体验。根据Tractica的数据，到2025年，类似软件工具的全球收入将达到38亿美元。
情绪分析同时也在医疗保健和心理健康领域发挥着重要作用。除了有关身体健康的其他指标外，情绪感应可穿戴设备还可以监控心理健康状况。心理健康服务提供者也可以采用像Karim和Woebot这样的心理治疗聊天机器人来帮助人们管理他们的心理健康。
此外，甚至汽车公司现在正在评估情绪分析的范围。通过在车辆上部署先进的情感检测系统，车载计算机将能够测量驾驶员的情绪和注意力水平以帮助驾驶。未来的自动驾驶汽车将能够完全能够取代驾驶员，通过检测诸如愤怒、嗜睡和焦虑等情绪，以防止发生事故。
4.智慧城市的发展
目前，大多数城市都没有能力满足其爆炸性人口的需求。为庞大的城市人口提供水、电、便于运输和更清洁的空气正成为城市管理者日益复杂的挑战，而获得医疗保健和公共服务是另一个主要问题。在其中，政府组织还需要在其有限的资源范围内维持法律和秩序。
智慧城市可以利用人工智能、大数据和物联网来解决大多数城市人口挑战。通过混合使用这些技术，城市可以更好地分析来自整个城市的摄像头数据，图像和实时视频分析有助于识别事故和交通拥堵。管理员可以利用此信息集中管理道路上的流量，此外，他们可以依靠智能系统自动控制交通信号，以便优先通过VIP：应急响应团队和执法机构。
阿里云ET City Brain提供了上述大部分功能，在中国已经使用了ET City Brain开展了几个成功的试点项目。要了解有关这些发展的更多信息，你可以阅读我们的博客——ET City Brain如何改变我们的生活方式 - 一次一个城市。
除了一般监控外、面部识别和情感感知能力可能对在城市中运营的零售店有所帮助。基于人工智能的营销系统可以增强目前依赖于客户智能手机使用的地理位置和基于信标的店内营销方法。
人工智能在建筑设计和施工活动中也发挥着重要作用。基于AI的系统不仅可以管理建筑资产，还可以改进垂直框架系统的选择，帮助进行性能诊断，并通过GIS数据分析帮助规划施工阶段。在未来，人工智能将帮助设计纳米技术的定制建筑材料。这意味着除了钢筋和混凝土外，工程师还将拥有大量新建筑材料来建造环境可持续建筑。
5. AI工具和开发平台的统一
人工智能工具和平台市场拥有众多竞争厂商，它们正在分散的生态系统中提供不同的功能。大多数人工智能开发平台仍处于起步阶段，虽然多年来许多业务用例已经成熟，但AI的全面采用在所有行业中仍然不常见。这是传统云和分布式计算服务提供商在AI初创公司中占据重要地位的地方。云服务提供商拥有现成的基础架构，规模和重要资源，可为各种规模的企业开发大数据和人工智能平台。
阿里云的ET Brain就是这样一个平台。它结合了多种人工智能和大数据功能，并在不同行业垂直领域实现突破。ET Brain可以通过推理算法帮助你的组织进行实时决策，并通过机器学习方法推动创新。它拥有多源的大规模处理能力，并且可提高决策的主动性。目前，基于云的平台已经在帮助政府组织改善其公共服务。
开发人员可以使用ET Brain创建利用语音识别、面部识别、图像识别、文本识别、自然语言处理、机器学习和其他AI技术的应用程序。这些应用程序还可以利用阿里云的大数据平台
以上为译文。
本文由阿里云云栖社区组织翻译。
文章原标题《5-major-ai-trends-of-2018》，
作者：Leona Zhang 译者：虎说八道，审校：。
文章为简译，更为详细的内容，请查看原文。
