就目前應(yīng)用領(lǐng)域來講，人工智能廣泛應(yīng)用于機(jī)器翻譯、智能控制、專家系統(tǒng)、機(jī)器人學(xué)、語言和圖像理解、遺傳編程機(jī)器人工廠、自動(dòng)程序設(shè)計(jì)、航天應(yīng)用、龐大的信息處理、儲(chǔ)存與管理、執(zhí)行化合生命體無法執(zhí)行的或復(fù)雜或規(guī)模龐大的任務(wù)等方面。比如，人臉識(shí)別技術(shù)現(xiàn)在開始逐步應(yīng)用，并且主要運(yùn)用在安防領(lǐng)域。當(dāng)然，我們也看到了人工智能在醫(yī)療、教育、娛樂等方面的做了一些嘗試，但其開發(fā)的廣度和深度還是有待拓展的。
而在大量的線下實(shí)體行業(yè)中，人工智能技術(shù)并沒有得到充分的應(yīng)用。因?yàn)樵谶@些行業(yè)里面，數(shù)據(jù)往往都是很少量的，沒有大量的用戶行為數(shù)據(jù)。沒有大量數(shù)據(jù)的支撐，就很難實(shí)現(xiàn)人工智能技術(shù)層面的應(yīng)用。然而，沒有應(yīng)用場(chǎng)景支持的人工智能終究還是空中樓閣。
三角獸科技創(chuàng)始人兼COO馬宇馳表示，人工智能技術(shù)只有真正落地，有商業(yè)場(chǎng)景應(yīng)用才具有生命力。
當(dāng)然，人工智能的商業(yè)化不是一蹴而就的，它的實(shí)現(xiàn)是需要一個(gè)過程的，需要企業(yè)把人工智能真正地應(yīng)用到商業(yè)環(huán)境里面去。人工智能可以通過技術(shù)支撐不斷發(fā)展，拓展更多的應(yīng)用場(chǎng)景，應(yīng)用到更多的產(chǎn)業(yè)領(lǐng)域，而多樣化的應(yīng)用場(chǎng)景、廣大的市場(chǎng)需求又反過來驅(qū)動(dòng)支撐技術(shù)，從而帶動(dòng)整個(gè)人工智能行業(yè)的可持續(xù)發(fā)展。
二、人工智能怎樣才能真正落地？
百分點(diǎn)集團(tuán)董事長蘇萌認(rèn)為，目前人工智能領(lǐng)域的火爆，與3年前大數(shù)據(jù)火爆場(chǎng)景似乎同出一轍。他表示，盡管現(xiàn)在在人工智能領(lǐng)域的創(chuàng)業(yè)團(tuán)隊(duì)越來越多，但真正能找到并實(shí)現(xiàn)商業(yè)模式的團(tuán)隊(duì)并不多。目前應(yīng)該深刻思考的一個(gè)問題是：人工智能如何能真正的落地。在蘇萌看來，能真正實(shí)現(xiàn)人工智能落地的領(lǐng)域只有行業(yè)人工智能和商業(yè)人工智能。
百分點(diǎn)集團(tuán)技術(shù)副總裁兼首席架構(gòu)師劉譯璟認(rèn)為，人工智能本身是一個(gè)非常綜合的領(lǐng)域，它與哲學(xué)、數(shù)學(xué)、物理學(xué)、信息學(xué)、心理學(xué)和生命科學(xué)等學(xué)科都存在著密切關(guān)系。如果人工智能要實(shí)現(xiàn)自身發(fā)展，支撐其發(fā)展的底層理論同樣也要得到更新。除了在理論層面進(jìn)行更新外，劉譯璟強(qiáng)調(diào)在技術(shù)層面要建立集中式建模+ 微建模的建模模型，實(shí)現(xiàn)云計(jì)算與邊緣計(jì)算的緊密結(jié)合。
在劉譯璟看來，目前在計(jì)算能力方面，量子計(jì)算將給人工智能帶來新的飛躍。一方面，量子算法可以極大的提高機(jī)器學(xué)習(xí)的效率，另一方面，量子物理理論闡述：人的意識(shí)與量子計(jì)算之間有很大的關(guān)聯(lián)的。正是基于量子理論與意識(shí)之間微妙的關(guān)系，量子計(jì)算有可能會(huì)為人工智能帶來“意識(shí)”?，F(xiàn)階段，像IBM、Google、微軟這樣的巨頭公司早已經(jīng)開始布局量子計(jì)算領(lǐng)域。
針對(duì)大量的線下實(shí)體行業(yè)往往不具備海量數(shù)據(jù)，劉譯璟給出自己的看法，通過建立實(shí)用的知識(shí)圖譜解決機(jī)器學(xué)習(xí)面臨的冷啟動(dòng)問題。解決冷啟動(dòng)這一問題是利用人們?cè)谠擃I(lǐng)域中已有的經(jīng)驗(yàn)和知識(shí)，將這些知識(shí)“告知”計(jì)算機(jī)，并讓它利用這些知識(shí)解決問題。劉譯璟認(rèn)為，建設(shè)一個(gè)實(shí)用的知識(shí)圖譜，首先需要清晰準(zhǔn)確地梳理已有的知識(shí)，然后用實(shí)體、屬性、關(guān)系等方式對(duì)知識(shí)進(jìn)行描述。一旦將知識(shí)圖譜建立起來，將不僅為單個(gè)企業(yè)，還將為整個(gè)行業(yè)、乃至整個(gè)世界帶來極大的價(jià)值。目前，像 Google、微軟這樣的巨頭已經(jīng)在紛紛建設(shè)自己的知識(shí)圖譜。
可以預(yù)料到，人工智能的進(jìn)一步發(fā)展一定會(huì)依賴于各行各業(yè)知識(shí)圖譜的建設(shè)，否則人工智能終將停留在實(shí)驗(yàn)室而無法深入到真實(shí)業(yè)務(wù)中。
然而，IBM大中華區(qū)副總裁郭繼軍曾經(jīng)表示，并不是每個(gè)領(lǐng)域都要實(shí)現(xiàn)人工智能商業(yè)化，首先要找到適合運(yùn)用人工智能的領(lǐng)域。人工智能的商業(yè)應(yīng)用勢(shì)必會(huì)在傳統(tǒng)的線下行業(yè)得到運(yùn)用，甚至是更加聚焦的垂直行業(yè)里面。但是，在這些行業(yè)里面，數(shù)據(jù)往往都是很少量的，沒有大量的LG數(shù)據(jù)以及用戶行為數(shù)據(jù)。通過人工智能，在行業(yè)領(lǐng)域內(nèi)，形成一套新的、完整的知識(shí)體系，從而幫助這些企業(yè)進(jìn)行決策。
在郭繼軍看來，找到合適的領(lǐng)域之后，最為重要一點(diǎn)便是解決如何提高數(shù)據(jù)挖掘能力的難題。大數(shù)據(jù)是企業(yè)能否實(shí)現(xiàn)人工智能的關(guān)鍵性因素。在深度學(xué)習(xí)之前，可能因?yàn)樗懔Φ脑?，沒有辦法理解和洞察企業(yè)的非結(jié)構(gòu)化數(shù)據(jù)，但是基于深度學(xué)習(xí)的人工智能現(xiàn)在具備這樣的能力。所以對(duì)于現(xiàn)階段的人工智能來講，不是懼怕數(shù)據(jù)太多，而是怕沒有數(shù)據(jù)可進(jìn)行分析。