| 导读 | “人工智能”这一术语最早出现在1956年。人工智能是通过机器(特别是计算机系统)模仿人类智力的过程。专家系统、自然语言处理、语音识别、机器视觉是人工智能应用的一些典型例子。人工智能如今被广泛用于根据消费者先前的搜索和购买以及其他在线活动，为消费者提供定制建议。在商业应用中，人工智能在产品优化、库存规划和物流等方面发挥着关键作用。 |
医疗保健：医疗保健行业采用的人工智能可以提供量身定制的药物和X光片的诊断。个人保健助理可以充当私人教练，提醒患者吃药、锻炼以及饮食健康。
制造：制造行业采用人工智能可能会利用循环网络(这是一种与序列数据一起使用的深度学习网络形式)来评估工厂设施中的物联网数据，因为它从连接的设备输入，以预测负载和需求。
生命科学：人工智能技术可以释放数据的全部潜力来解决人们面临的一些重大健康问题，从保证药物安全到更快地将新药推向市场。
零售：零售行业采用人工智能提供的虚拟购物功能提供量身定制的建议以及讨论用户的购买选择。人工智能还将促进库存管理和站点布局。
银行：银行采用的人工智能提高了人类活动的速度、精度和效率。人工智能方法可用于金融机构，以确定哪些交易可能是欺诈性的，实施快速准确的信用评分，并使劳动密集型数据管理活动实现自动化。
公共部门：人工智能可以使智慧城市更加智能，它可以帮助应急机构做好任务准备和预防性维护。人工智能具有全面提高计划效率和有效性的潜力。
机器学习是一种自动创建分析模型的数据分析类型。这是一个人工智能领域，其基础是计算机可以从数据中学习、识别模式，并在很少或没有人工输入的情况下做出选择。
机器学习的应用：大多数处理大量数据的企业都承认机器学习技术的重要性。
金融领域的服务：银行和其他金融机构将机器学习用于识别具有价值的数据见解和防止欺诈这两个主要目的。
医疗保健服务：由于可穿戴设备和传感器的发展可以利用数据实时分析患者的健康状况，机器学习成为医疗保健领域的快速增长趋势。医学专家可以使用该技术来检查数据，并发现可能导致更好诊断和治疗的趋势或危险信号。
政府：因为政府部门有许多可以挖掘洞察力的数据来源，所以公共安全和公用事业等政府部署需要采用机器学习技术。
零售：零售行业可以使用机器学习来评估消费者的购买历史，他们的网站会根据消费者之前的购买情况推荐可能喜欢的商品。零售商使用机器学习来收集、评估和应用数据来定制购物体验、执行营销活动、定价优化、商品供应计划和消费者洞察。
深度学习是一种机器学习，在其应用中，计算机被训练执行类似人类的任务，例如语音识别、图片识别和预测。深度学习设置了有关数据的基本参数，并通过检测利用多层处理的模式来训练计算机自行学习，而不是通过预先设定的模式安排数据。
深度学习的应用：
语音识别：用于语音识别的深度学习在企业和学术领域都获得了发展和进步。为了检测人类的语音和语音模式，Xbox、Skype、GoogleNow和Apple的Siri等已经在人工助理系统中使用了深度学习技术。
自然语言处理：多年来，深度学习的关键组成部分神经网络一直被用于处理和解释文本。这种方法是文本挖掘的一个子集，可用于在各种来源中查找模式，其中包括消费者投诉、医疗记录和新闻报道等。
图像识别：自动图片字幕和场景描述是图像识别的两个实际应用。在自动驾驶汽车中采用360度摄像头技术也将增强图片识别能力。
推荐系统：亚马逊公司和Netflix推广了推荐系统，该系统可以根据用户之前的行为和活动预测其下一步可能感兴趣的内容。深度学习可用于在音乐品味或服装偏好等复杂环境中改进跨多个平台的建议。
自然语言处理(NLP)是一个人工智能领域，可以帮助计算机理解、解释和操纵人类语言。为了弥合人类交流和机器理解之间的差距，自然语言处理(NLP)依赖于多个领域，包括计算机科学和计算语言学。自然语言处理并不是一个新学科，但由于人们对人机通信的兴趣日益浓厚，以及海量数据的可用性、强大的计算能力和改进的算法，自然语言处理技术正在迅速发展。
自然语言处理(NLP)的应用：
文本分析和自然语言处理：文本分析对单词进行计数和分类，以从大量材料中提取结构和含义，与自然语言处理密切相关。
自然语言处理(NLP)在日常生活中的例子：自然语言处理(NLP)在人们的日常生活中有广泛的常见和实际应用。贝叶斯垃圾邮件过滤是一种统计自然语言处理方法，可将垃圾邮件术语与合法电子邮件进行比较以识别垃圾邮件。人们是否曾经错过一些重要电话，然后在电子邮件收件箱或智能手机应用程序上阅读语音邮件记录?这就是语音到文本的转换，也是自然语言处理(NLP)的一项功能。
计算机视觉是一个人工智能领域，它训练计算机分析和理解图像。机器可以使用来自摄像头和视频的数字图片以及深度学习模型可靠地检测和分类事物，然后对它们观察到的内容做出反应。在许多领域，计算机视觉接近并超越了人类的视觉能力，从识别人到分析足球比赛的实况。
计算机视觉的应用：
图片分割将图像分成许多区域或片段，每个区域或片段都可以独立进行研究。
物体检测是识别照片中特定物体的过程。足球场、进攻球员、防守球员、足球等都可以使用单个图像中的高级对象识别进行识别。为了构建边界框并识别其中的所有内容，这些模型使用X和Y坐标进行标识。
面部识别是一种复杂的对象检测形式，它不仅可以识别图片中的特定人物。
边缘检测是一种确定项目或景观的边缘以更好地识别图像中内容的方法。
识别图片中重复形式、颜色和其他视觉线索的技术称为模式检测。
照片的分类将它们分成不同的类别。
特征匹配是一种模式识别形式，它可以比较图片的相似性以帮助对其进行分类。
原文来自：
本文地址：//lrxjmw.cn/development-artificial-intelligence.html编辑：xiangping wu，审核员：清蒸github
Linux大全：
Linux系统大全：
