人工智能的十大應用-有解無憂

導讀：人工智能已經逐漸走進我們的生活，并應用于各個領域，它不僅給許多行業帶來了巨大的經濟效益，也為我們的生活帶來了許多改變和便利，下面，我們將分別介紹人工智能的一些主要應用場景，

作者：王健宗何安珣李澤遠

來源：大資料DT（ID：hzdashuju）

01 無人駕駛汽車

無人駕駛汽車是智能汽車的一種，也稱為輪式移動機器人，主要依靠車內以計算機系統為主的智能駕駛控制器來實作無人駕駛，無人駕駛中涉及的技術包含多個方面，例如計算機視覺、自動控制技術等，

美國、英國、德國等發達國家從20世紀70年代開始就投入到無人駕駛汽車的研究中，中國從20世紀80年代起也開始了無人駕駛汽車的研究，

2005年，一輛名為Stanley的無人駕駛汽車以平均40km/h的速度跑完了美國莫哈維沙漠中的野外地形賽道，用時6小時53分58秒，完成了約282千米的駕駛里程，

Stanley是由一輛大眾途銳汽車經過改裝而來的，由大眾汽車技術研究部、大眾汽車集團下屬的電子研究作業實驗室及斯坦福大學一起合作完成，其外部裝有攝像頭、雷達、激光測距儀等裝置來感應周邊環境，內部裝有自動駕駛控制系統來完成指揮、導航、制動和加速等操作，

2006年，卡內基梅隆大學又研發了無人駕駛汽車Boss，Boss能夠按照交通規則安全地駕駛通過附近有空軍基地的街道，并且會避讓其他車輛和行人，

近年來，伴隨著人工智能浪潮的興起，無人駕駛成為人們熱議的話題，國內外許多公司都紛紛投入到自動駕駛和無人駕駛的研究中，例如，Google的Google X實驗室正在積極研發無人駕駛汽車Google Driverless Car，百度也已啟動了“百度無人駕駛汽車”研發計劃，其自主研發的無人駕駛汽車Apollo還曾亮相2018年央視春晚，

但是最近兩年，發現無人駕駛的復雜程度遠超幾年前所預期的，要真正實作商業化還有很長的路要走，

02 人臉識別

人臉識別也稱人像識別、面部識別，是基于人的臉部特征資訊進行身份識別的一種生物識別技術，人臉識別涉及的技術主要包括計算機視覺、影像處理等，

人臉識別系統的研究始于20世紀60年代，之后，隨著計算機技術和光學成像技術的發展，人臉識別技術水平在20世紀80年代得到不斷提高，在20世紀90年代后期，人臉識別技術進入初級應用階段，目前，人臉識別技術已廣泛應用于多個領域，如金融、司法、公安、邊檢、航天、電力、教育、醫療等，

有一個關于人臉識別技術應用的有趣案例：張學友獲封“逃犯克星”，因為警方利用人臉識別技術在其演唱會上多次抓到了在逃人員，

2018年4月7日，張學友南昌演唱會開始后，看臺上一名粉絲便被警方帶離現場，實際上，他是一名逃犯，安保人員通過人像識別系統鎖定了在看臺上的他；

2018年5月20日，張學友嘉興演唱會上，犯罪嫌疑人于某在通過安檢門時被人臉識別系統識別出是逃犯，隨后被警方抓獲，隨著人臉識別技術的進一步成熟和社會認同度的提高，其將應用在更多領域，給人們的生活帶來更多改變，

03 機器翻譯

機器翻譯是計算語言學的一個分支，是利用計算機將一種自然語言轉換為另一種自然語言的程序，機器翻譯用到的技術主要是神經機器翻譯技術（Neural Machine Translation，NMT），該技術當前在很多語言上的表現已經超過人類，

隨著經濟全球化行程的加快及互聯網的迅速發展，機器翻譯技術在促進政治、經濟、文化交流等方面的價值凸顯，也給人們的生活帶來了許多便利，例如我們在閱讀英文文獻時，可以方便地通過有道翻譯、Google翻譯等網站將英文轉換為中文，免去了查字典的麻煩，提高了學習和作業的效率，

04 聲紋識別

生物特征識別技術包括很多種，除了人臉識別，目前用得比較多的有聲紋識別，聲紋識別是一種生物鑒權技術，也稱為說話人識別，包括說話人辨認和說話人確認，

聲紋識別的作業程序為，系統采集說話人的聲紋資訊并將其錄入資料庫，當說話人再次說話時，系統會采集這段聲紋資訊并自動與資料庫中已有的聲紋資訊做對比，從而識別出說話人的身份，

相比于傳統的身份識別方法（如鑰匙、證件），聲紋識別具有抗遺忘、可遠程的鑒權特點，在現有演算法優化和隨機密碼的技術手段下，聲紋也能有效防錄音、防合成，因此安全性高、回應迅速且識別精準，

同時，相較于人臉識別、虹膜識別等生物特征識別技術，聲紋識別技術具有可通過電話信道、網路信道等方式采集用戶的聲紋特征的特點，因此其在遠程身份確認上極具優勢，

目前，聲紋識別技術有聲紋核身、聲紋鎖和黑名單聲紋庫等多項應用案例，可廣泛應用于金融、安防、智能家居等領域，落地場景豐富，

05 智能客服機器人

智能客服機器人是一種利用機器模擬人類行為的人工智能物體形態，它能夠實作語音識別和自然語意理解，具有業務推理、話術應答等能力，

當用戶訪問網站并發出會話時，智能客服機器人會根據系統獲取的訪客地址、IP和訪問路徑等，快速分析用戶意圖，回復用戶的真實需求，同時，智能客服機器人擁有海量的行業背景知識庫，能對用戶咨詢的常規問題進行標準回復，提高應答準確率，

智能客服機器人廣泛應用于商業服務與營銷場景，為客戶解決問題、提供決策依據，同時，智能客服機器人在應答程序中，可以結合豐富的對話語料進行自適應訓練，因此，其在應答話術上將變得越來越精確，

隨著智能客服機器人的垂直發展，它已經可以深入解決很多企業的細分場景下的問題，比如電商企業面臨的售前咨詢問題，對大多數電商企業來說，用戶所咨詢的售前問題普遍圍繞價格、優惠、貨品來源渠道等主題，傳統的人工客服每天都會對這幾類重復性的問題進行回答，導致無法及時為存在更多復雜問題的客戶群體提供服務，

而智能客服機器人可以針對用戶的各類簡單、重復性高的問題進行解答，還能為用戶提供全天候的咨詢應答、解決問題的服務，它的廣泛應用也大大降低了企業的人工客服成本，

06 智能外呼機器人

智能外呼機器人是人工智能在語音識別方面的典型應用，它能夠自動發起電話外呼，以語音合成的自然人聲形式，主動向用戶群體介紹產品，

在外呼期間，它可以利用語音識別和自然語言處理技識訓取客戶意圖，而后采用針對性話術與用戶進行多輪互動會話，最后對用戶進行目標分類，并自動記錄每通電話的關鍵點，以成功完成外呼作業，

從2018年年初開始，智能外呼機器人呈現出噴井式興起狀態，它能夠在互動程序中不帶有情緒波動，并且自動完成應答、分類、記錄和追蹤，助力企業完成一些煩瑣、重復和耗時的操作，從而解放人工，減少大量的人力成本和重復勞動力，讓員工著力于目標客群，進而創造更高的商業價值，當然智能外呼機器人也帶來了另一面，即會對用戶造成頻繁的打擾，

基于維護用戶的合法權益，促進語音呼叫服務端健康發展，2020年8月31日國家工信部下發了《通信短資訊和語音呼叫服務管理規定（征求意見稿）》，意味著未來的外呼服務，無論人工還是人工智能，都需要持證上崗，而且還要在監管的監視下進行，這也對智能外呼機器人的用戶體驗和服務質量提出了更高的要求，

07 智能音箱

智能音箱是語音識別、自然語言處理等人工智能技術的電子產品類應用與載體，隨著智能音箱的迅猛發展，其也被視為智能家居的未來入口，究其本質，智能音箱就是能完成對話環節的擁有語音互動能力的機器，通過與它直接對話，家庭消費者能夠完成自助點歌、控制家居設備和喚起生活服務等操作，

支撐智能音箱互動功能的前置基礎主要包括將人聲轉換成文本的自動語音識別（Automatic Speech Recognition，ASR）技術，對文字進行詞性、句法、語意等分析的自然語言處理（Natural Language Processing，NLP）技術，以及將文字轉換成自然語音流的語音合成技術（Text To Speech，TTS）技術，

在人工智能技術的加持下，智能音箱也逐漸以更自然的語音互動方式創造出更多家庭場景下的應用，

08 個性化推薦

個性化推薦是一種基于聚類與協同過濾技術的人工智能應用，它建立在海量資料挖掘的基礎上，通過分析用戶的歷史行為建立推薦模型，主動給用戶提供匹配他們的需求與興趣的資訊，如商品推薦、新聞推薦等，

個性化推薦既可以為用戶快速定位需求產品，榷訓用戶被動消費意識，提升用戶興致和留存黏性，又可以幫助商家快速引流，找準用戶群體與定位，做好產品營銷，

個性化推薦系統廣泛存在于各類網站和App中，本質上，它會根據用戶的瀏覽資訊、用戶基本資訊和對物品或內容的偏好程度等多因素進行考量，依托推薦引擎演算法進行指標分類，將與用戶目標因素一致的資訊內容進行聚類，經過協同過濾演算法，實作精確的個性化推薦，

09 醫學影像處理

醫學影像處理是目前人工智能在醫療領域的典型應用，它的處理物件是由各種不同成像機理，如在臨床醫學中廣泛使用的核磁共振成像、超聲成像等生成的醫學影像，

傳統的醫學影像診斷，主要通過觀察二維切片圖去發現病變體，這往往需要依靠醫生的經驗來判斷，而利用計算機影像處理技術，可以對醫學影像進行影像分割、特征提取、定量分析和對比分析等作業，進而完成病灶識別與標注，針對腫瘤放療環節的影像的靶區自動勾畫，以及手識訓節的三維影像重建，

該應用可以輔助醫生對病變體及其他目標區域進行定性甚至定量分析，從而大大提高醫療診斷的準確性和可靠性，另外，醫學影像處理在醫療教學、手術規劃、手術仿真、各類醫學研究、醫學二維影像重建中也起到重要的輔助作用，

10 影像搜索

影像搜索是近幾年用戶需求日益旺盛的資訊檢索類應用，分為基于文本的和基于內容的兩類搜索方式，傳統的影像搜索只識別影像本身的顏色、紋理等要素，基于深度學習的影像搜索還會計入人臉、姿態、地理位置和字符等語意特征，針對海量資料進行多維度的分析與匹配，

該技術的應用與發展，不僅是為了滿足當下用戶利用影像匹配搜索以順利查找到相同或相似目標物的需求，更是為了通過分析用戶的需求與行為，如搜索同款、相似物比對等，確保企業的產品迭代和服務升級在后續作業中更加聚焦，

關于作者：王健宗，博士，某大型金融集團科技公司資深人工智能總監、高級工程師，中國計算機學會大資料專家委員會委員、高級會員，美國佛羅里達大學人工智能博士后，曾任美國萊斯大學電子與計算機工程系研究員、美國惠普公司高級云計算解決方案專家，

何安珣，某大型金融集團科技公司高級演算法工程師，中國計算機學會會員，中國計算機學會青年計算機科技論壇（YOCSEF深圳）委員，擁有豐富的金融智能從業經驗，主要研究金融智能系統框架搭建、演算法研究和模型融合技術等，致力于推動金融智能的落地應用與價值創造，

李澤遠，某大型金融集團科技公司高級人工智能產品經理，中國計算機學會會員，長期致力于金融智能的產品化作業，負責技術服務類的產品生態搭建與實施推進，

本文摘編自《金融智能：AI如何為銀行、保險、證券業賦能》，經出版方授權發布，