這籹籽sd
眾所周知，現在AI技術已經上升到了國家戰略層面，老僧身邊也有很多研究AI技術的人才，其實，大家可能不知道，我國在人工智能領域有多項技術處於世界領先地位。
但若問AI技術目前是否發達，老僧認為，需要辯證來看，因為技術的變化是日新月異的。
相比過去十年、五年、甚至是一年來說，AI技術發生了翻天覆地的變化，肯定是發達的，過去我們無法想象語音識別、圖像識別、自動駕駛……但若要和未來五年、十年相比，則肯定要另當別論了。
我們達摩院前陣子發佈過一份《達摩院2020十大科技趨勢》，當時我們就預測過，目前人工智能正處於一個新階段，從感知智能向認知智能演進的新階段。
經過幾十年的發展，AI技術在“聽、說、看”等感知智能領域已經達到甚至超越了人類水準。目前，AI技術在金融、醫療、安防等多個領域實現了技術落地，且應用場景也愈來愈豐富，正實現全方位的商業化，引發了各個行業的深刻變革，也給我們的生活帶來了極大的便利。
例如近期我們達摩院和阿里雲聯合出品的“AI 輔診助手”，可以在20秒內完成對單個病例影像分析，準確率達到96%。相比影像醫生每15分鐘診斷一個病例，極大地提升了診斷識別效率。
不過，在需要外部知識、邏輯推理或者領域遷移的認知智能領域，AI技術還處於初級階段。認知智能是繼運算智能、感知智能之後的第三個層次，也是最難、最重要的技術領域。認知智能的發展將使大量繁瑣但很重要的工作變的更人性、更高效、更精準，在搜索、交互、翻譯、預測等方面幫助人類達到一個新高度。
與其思考AI技術是否發達，我們不如關心一下AI技術的未來趨勢。當下的AI技術處於從感知智能向認知智能演進的新徵程中，是過去幾十年發展來的技術峰值，也是未來人工智能發展的起點。
阿里達摩院掃地僧
作為一名AI領域的科技工作者，我來回答一下這個問題。
首先，當前AI產品的實際應用情況可以用一句話來概括，那就是“智商偏科，情商為零”，雖然這種說法存在一定的片面性，但是也能夠在很大程度上說明一定問題。總的來說，當前的AI依然處在行業發展的初期，也就是通常所說的弱人工智能階段。
影響AI發展的因素集中在三個方面，分別是算法、算力和數據，當然AI產品的應用與不同的場景也有較為密切的關係。
在當前產業互聯網的推動下，AI算法的迭代速度還是比較快的，當然這是從應用的角度來看。AI算法的迭代速度必然會隨著大數據和雲計算的發展而不斷提升，基於算法上的創新也是很多人工智能研發人員的重要工作任務。
數據對於人工智能產品的研發也具有非常重要的意義，因為無論是算法訓練還是算法驗證，都需要大量的數據作為支撐。隨著當前大數據技術體系的不斷髮展和成熟，數據對於人工智能的研發也在產生越來越積極的影響。目前很多智能體之所以有了越來越好的功能表現，一個重要的原因就是有了更多的數據支撐。
人工智能領域的研發對於算力的要求也非常高，目前在雲計算和邊緣計算的推動下，算力也有了較大幅度的提升，這對於未來智能體走向生產環境有非常直接的影響。5G通信的落地應用將加速邊緣計算的應用和發展，未來“雲+邊”的技術方式可以為人工智能產品提供更加有效的算力支撐。
最後，由於人工智能對於工業互聯網的發展具有重要的意義，所以未來人工智能領域的創新會越來越多。
我從事互聯網行業多年，目前也在帶計算機專業的研究生，主要的研究方向集中在大數據和人工智能領域，我會陸續寫一些關於互聯網技術方面的文章，感興趣的朋友可以關注我，相信一定會有所收穫。
如果有互聯網、大數據、人工智能等方面的問題，或者是考研方面的問題，都可以在評論區留言，或者私信我！
IT人劉俊明
全球人工智能還處於發展初期
<strong>什麼是人工智能？
1956年，在美國達特茅斯學院一次特殊的夏季言談會上，麻省理工學院教授約翰·麥卡錫第一次提出了人工智能概念。此後，人工智能迅速成為一個熱門話題。
儘管概念界定眾多，但科學界對人工智能學科的基本思想和基本內容達成的共識是：研究人類智能活動的規律，從而讓機器來模擬，使其擁有學習能力，甚至能夠像人類一樣去思考、工作。
在人工智能研究早期，有些科學家非常樂觀地認為，隨著計算機的普及和CPU計算能力的提高，實現人工智能指日可待。但後來事實證明，人工智能的發展並沒有預期的那麼美好。
20世紀50年代至70年代，人工智能力圖模擬人類智慧，但是受過分簡單的算法、匱乏得難以應對不確定環境的理論以及計算能力的限制，這一熱潮逐漸冷卻;20世紀80年代，人工智能的關鍵應用——基於規則的專家系統得以發展，但是數據較少，難以捕捉專家的隱性知識，加之計算能力依然有限，使得其不被重視，人工智能研究進入低潮期。
直到進入20世紀90年代，神經網絡、深度學習等人工智能算法以及大數據、雲計算和高性能計算等信息通信技術快速發展，人工智能才迎來了春天。
“大約在10年前，一種被稱為深度學習的新的機器學習方法，讓人工智能的算法更智能。”中國科學院自動化研究所研究員易建強說：“它是一種通過多層表示來對數據之間的複雜關係進行建模的算法。深度學習模仿人腦結構，具有更強的建模和推理能力，能夠更有效地解決多類複雜的智能問題。”
中國科學院院士譚鐵牛說：“當前，面向特定領域的專用人工智能技術取得突破性進展，甚至可以在單點突破、局部智能水平的單項測試中超越人類智能。”
這其中，比較著名的事件包括1997年“深藍”戰勝國際象棋世界冠軍，2011年IBM超級計算機沃森在美國電視答題節目中戰勝兩位人類冠軍，以及2016年和2017年阿爾法狗戰勝人類圍棋高手。
在不少人工智能專家看來，儘管經過近60年的發展，人工智能已經取得了巨大的進步，但總體上還處於發展初期。
人工智能創新創業日益活躍
當前，伴隨著人工智能研究熱潮，我國人工智能產業化應用也蓬勃發展。
智能產品和應用大量湧現。人工智能產品在醫療、商業、通信、城市管理等方面得到快速應用。目前已有1.5億支付寶用戶使用過“刷臉”功能，華為首次在全球將人工智能移動芯片用於手機。
人工智能創新創業也日益活躍，一批龍頭骨幹企業快速成長。據統計，當前中國的人工智能企業數量、專利申請數量以及融資規模均僅次於美國，位列全球第二。全球最值得關注的100家人工智能企業中我國有27家，其中，騰訊、阿里雲、百度、科大訊飛等成為全球人工智能領域的佼佼者，也成為建設國家新一代人工智能開放創新平臺的領頭羊。
2017年7月5日，百度首次發佈人工智能開放平臺的整體戰略、技術和解決方案。這也是百度AI技術首次整體亮相。其中，對話式人工智能系統，可讓用戶以自然語言對話的交互方式，實現諸多功能;Apollo自動駕駛技術平臺，可幫助汽車行業及自動駕駛領域的合作伙伴快速搭建一套屬於自己的完整的自動駕駛系統，是全球領先的自動駕駛生態。
2017年8月3日，騰訊公司正式發佈了人工智能醫學影像產品——騰訊覓影。同時，還宣佈發起成立了人工智能醫學影像聯合實驗室。
2017年10月11日，阿里巴巴首席技術官張建鋒宣佈成立全球研究院——達摩院。達摩院的成立，代表著阿里巴巴正式邁入全球人工智能等前沿科技的競爭行列。
此外，科大訊飛在智能語音技術上處於國際領先水平;依圖科技搭建了全球首個十億級人像對比系統，在2017年美國國家標準與技術研究院組織的人臉識別技術測試中，成為第一個獲得冠軍的中國團隊。
整體水平與發達國家仍有較大差距
<strong>
儘管我國在一些人工智能關鍵技術尤其是核心算法方面與發達國家水平相當，但我國人工智能整體發展水平與發達國家相比仍有較大差距，比如在高精尖零部件、技術工業、工業設計、大型智能系統、大規模應用系統以及基礎平臺等方面。專家們還指出，我國人工智能技術發展還面臨著體制機制、創新人才、基礎設施等方面的挑戰。
易建強說：“與人工智能發展成熟且處於前列的美國等相比，雖然中國在人工智能的論文數量方面超過美國，但中國學者的研究影響力尚不及美國或英國同行。”
這背後的一個重要原因就是人才短缺。據統計，美國半數以上的數據科學家擁有10年以上的工作經驗，而在中國，超過40%的數據科學家工作經驗尚不足5年。還有，在中國只有不到30所大學的研究實驗室專注於人工智能，輸出人才的數量遠遠無法滿足人工智能企業的用人需求。此外，中國的人工智能科學家大多集中於計算機視覺和語音識別等領域，其他領域的人才相對匱乏。
在產業應用方面，人工智能技術成果雖然已經在我國越來越多的領域應用，但專家表示也還存在一些問題。比如，除少數垂直領域憑藉多年大數據積累和業務流程優化經驗，催生出營銷、風控、智能投顧、安防等人工智能技術可直接落地的應用場景外，大多數傳統行業的業務需求與人工智能的前沿科技成果之間尚存在不小差距。面向普通消費者的移動互聯網應用與人工智能技術之間的結合尚處在探索階段。
“在人工智能生態系統方面，美國也更為完善和活躍，創業公司數量遠超中國。而且由研究機構、大學及私營企業共同組成的生態系統龐大、創新且多元。”易建強說。
專家建議，應建設開放共享的人工智能創新發展平臺，重視和加強人工智能前瞻性基礎研究，加大人才培養力度，在深化人工智能技術推廣應用、市場準入等方面建立更加寬鬆的政策環境，不斷提升信息化水平來支撐智能化發展，並積極引進培養更多有國際影響力的領軍人才。
Giggs456
由於自己從事AI領域，從實際使用的角度來回答一下。
AI技術可以簡單理解為人的各種能力的擴展或者延伸，比如腦力、語言溝通、視覺、聽覺、操作（手的能力）、行走（腿的能力）等各個方面。
腦力
現在AI的腦力剛剛處於起步階段。根據特定的規則、輸入相應的數據，可以進行一定程度的分析和預測。20年前，孫正義預測芯片的晶體管的數量在2018年左右會超過人腦的神經元的數量，事實上2018年左右出現超越。但是，這並不意味著芯片比人聰明。但是在大規模計算能力方面，AI已經走在人類的前面。在需要靈活性、自主性判斷方面，還有很長的路要走。總的來講，AI還處於人的嬰兒時代。
視覺
最近幾年，AI的視覺識別（機器視覺）能力已經得到大幅度提升。攝像頭、傳感器以及視覺計算，都極大地提升了AI的能力。在人臉識別、姿勢識別、行為識別等領域已經獲得了巨大的進展。比如人臉識別方面，日常生活中的主要應用場景的人臉識別基本上沒有什麼問題。
聽覺
目前，在相對安靜的環境中，AI能夠達到比較精準的識別度。但是在稍微嘈雜的環境（比如會議、展覽、車站等場所）中，識別率面臨比較大的問題。應該說還不足以滿足日常需要。比如，目前世面上的智能機器人在與人對話的時候，如果距離比較近，比較安靜，而且發音標準的話，基本上沒有什麼大的問題。但是稍微遠一些、稍微嘈雜一些、或者稍微帶一些方言的時候，就容易出現牛頭不對馬嘴的對話。與視覺相比，聽覺的路子更長。
操作
手的靈活程度是檢驗AI的一個重要部分。目前做得比較好的AI可以拿起茶杯、或者倒茶。但是，五個指頭的靈活程度幾乎沒法與人相比較。所以，在比較精細的操作方面，AI才剛剛起步。
行走
行走方面目前在逐漸取得重要進展。比如波士頓動力開發的機器人在行走方面已經比較自如，同時還可以作出後空翻方面的動作，表現出非常強的能力。再過5-10年，機器人達到比較順利的自主行走，應該不是一個懸念。
當然，還有其他各個方面的AI能力。這裡不一一闡述。AI能力正在以加速度實現擴張和增強，這些能力的融合與進化，將極大地改變人們的工作和生活。
機器人大王
很高興回答你的問題
AI：人工智能技術，相信很多人都在期待這項研究結果的普及，特別是虛擬現實這個模塊。看了很多宣傳視頻確實很棒，而且貼近生活。比如現在的網絡購物，通過AI技術就可以虛擬試穿，戴上頭盔足不出戶可以走遍全世界。
但是很遺憾，這項技術還是在發展初期階段，全世界的科學家都在努力的研究著，相信在不遠的將來一定能夠實現，讓更多的人享受科技帶來的高品質生活。讓我們共同期待吧……
以上是我個人觀點，有不到的地方請老師多多包涵
我是大萌，專注於科學領域的自媒體人，喜歡我就點個關注吧
小學生文文
基於對人工智能（AI）的廣泛接受的定義，也就是關於將某種人類級別的認知放入機器中的知識，當今尚不存在AI。
確切地說，具體術語是弱AI，這就是我們今天擁有的東西，實際目標是構建強AI。
人工智能是計算機科學/工程學領域的一個廣闊領域，旨在將人的智能融入機器中。到目前為止，我們已經成功地為機器提供了視覺，自然語言和遊戲方面的相當先進的感知技能。
但是，諸如推理，視覺理解，自然語言理解以及廣泛的功能之類的才是智能巔峰的東西仍然難以捉摸。
人們會害怕強大的AI，這是因為顯而易見的後果，例如失去工作或從地球上徹底殲滅人類。
媒體以及很多傳統工業企業營銷，非常熱衷挑起大多數人對AI的恐懼，因此他們的大多數作品都是吸引人的並且引起恐懼，例如“ 人工智能製造人工智能”，這種標題會成為流量的巨大誘餌，以便他們向其網站發送更多流量。 這種東西使大多數尚不瞭解AI當前侷限性的人感到迷惑。
在其他時候，研究人員應歸咎於諸如“超越人類水平的表現等等”之類的頭銜，這種事情可以使人們不寒而慄。 但是事實是，這種AI離我們很遙遠，所以我們可能應該更擔心的是一個巨大隕石撞擊地球，而不是擔心某個實驗室裡的科學家突然創造出了恐怖的強AI。
雖然人工智能領域已經取得並繼續取得巨大進步，但我們距離實際的強AI情況還非常遙遠。 因此，媒體更喜歡使用標題黨標題，而不是真的從深度技術來解讀實際情況，它們會掩蓋很多東西，從而吸引更多的受眾。
真正熱愛技術並且專業的人員不會恐懼，在未來強AI到來之前，無論是技術防護手段還是法律都會趨於完善，不太可能讓科技成為人類整體的墳墓。
因此，下次您從媒體文章中閱讀有關AI的文章時，請不要相信那些危言聳聽的一切。
希望本條回答可以幫助到更多人來正確地看待AI。
七色慧
簡單的說，現在處理弱人工智能時代，強人工時代還未來臨;
但是現在弱人工智能已經很強大了;
目前只能學習訓練一個項目，災難性遺忘了解一下，會下棋就不會做飯。
我不是小愛
上世紀90年代，隨著信息技術和人工智能的發展，智能製造技術引起發達國家的關注和研究，美國、日本等國紛紛設立智能製造研究項目基金及實驗基地，智能製造的研究及實踐取得了長足進步。
目前，智能製造產業鏈已涵蓋智能裝備(機器人、數控機床、服務機器人、其他自動化裝備)，工業互聯網(機器視覺、傳感器、RFID、工業以太網)、工業軟件(ERP/MES/DCS等)、3D打印以及將上述環節有機結合的自動化系統集成及生產線集成等。
在各國大力推動下，全球智能製造產業規模實現快速增長。據數據統計，2016年，我國智能製造行業產值規模達12233億元。據此測算，2016年，全球智能製造產值規模在8687億美元左右。
首先，全球自動化市場將逆勢增長。今年全球工業自動化設備市場將以1.5%的速度增長，2016年許多設備供應商收入下降，在眾多的設備投資市場存在不確定因素。
其次，雲計算分析將向邊緣計算轉移。預計今年內部雲系統和“邊緣”分析將擴大，再教育市場導致公司變得更加自信，遠程雲可以提供很好的支持。
第三，製造業外包不如升級自動化。今年間將有更多廠商選擇投資自動化生產，利用稅收優惠政策和熟練的勞動動力來增加營收，而不是選擇外包生產。
第四，IT和OT的融合將成新戰場。實現IT和OT的融合，與軟件廠商合作是自動化企業的未來發展路線。一些自動化廠商去年收購了軟件供應商，通過整合擴大他們的智能製造組合。預計軟件商將成為自動化公司爭奪的目標，收購和合作將加速。第五，連接標準將佔優勢。隨著終端用戶數量的增加，工業物聯網系統連接市場機會也會放大，新的連接標準有可能到來。預計OPC-UA技術架構和TSN時間敏感網絡標準將為未來連接帶來新標準。
最後，工廠車間人工智能使用率上升。隨著科技的進步，人工智能越來越多的參與到了我們的生活、工作中。未來的工廠，許多工作或許會由AI接手，讓效率提高。
智能製造是引領“第三次工業革命”浪潮的核心動力，智能製造所涵蓋的相關產業將成為未來世界工業發展領域的主導產業。正因此，智能製造產業在全球範圍內發展如火如荼，前景一片大好。
