传统行业留意，机器智能+的时代快到了

                                                               — Kevin Kelly

原先阿兰·图灵认为到1950年计算机就会思考。1997年，超级计算机深蓝击败了国际象棋世界冠军卡斯帕罗夫。2011年，IBM的Watson成为了Jeopardy知识竞赛的最佳选手。2015年，一辆汽车自行横跨了美国。

这些成绩的取得均有赖于机器智能，后者是人工智能、机器学习、深度学习等相关领域的统称。几何增长的计算能力、更大的数据、更强的算法，这一波完美风暴推动了这些领域在近年取得了快速增长。成千上万的机器智能初创企业涌现（参见机器智能公司一览图），其中不少随时准备着要在未来的5到10年时间内改变世界。

在迄今我见过的团队和公司里面，最有趣的是结合了机器智能专业知识以及像计算机视觉、自然语言或语音识别之类技术的那些。如果计算机能够思考，然后再赋予其看、读或者写的能力，就会有令人惊艳的可能性出现。突然之间，计算机就能完成各种此前只能由人来处理的事情了。有两类任务值得考虑：一是“沟通任务”，二是“视觉任务”。

沟通任务

即计算机尝试学习解释和制作书写和口语内容。Summly每天利用自然语言处理（NLP）大概要对20万篇新闻进行摘要，同时还要为用户提供个性化的内容流。Siri和Google Now将NLP与语音识别技术结合，用户可以口头提问并收到口头回答。Viv等正在开发的技术更进一步：他们要做的是赋予计算机会话式的记忆，并且允许追问和澄清。换句话说，这样的对话才是合适的。

这种科幻小说一直以来设想的交互模式正在变成商业化的现实。这种创新是基础性的，因为它让我们能够跟没有自然视觉UI的机器，如汽车、可穿戴设备、机器人或者甚至你的房子交互。

更近一些（1到5年）的机会是对所有目前由人类执行的沟通任务类型进行自动化的可能性。怎样才能识别出哪一项任务自动化的条件已经成熟了呢？所创造的价值又在哪里呢？要想回答这些问题必须审视那些遵循模式的交互，然后再从中寻找目前很费时的任务。经过分析，以下满足上述条件：

医疗诊断：跟医生的互动大体上包括一系列症状描述，然后推断最有可能的疾病。对于掌握语言技能的智能计算机来说，这是一种理想的案例。很有可能IBM的Watson很快就会成为全世界最好的医生。它已经接触到了最新的医疗知识，精确且始终如一，理论上可以24小时为每一个人服务。

会议安排：传统上这属于秘书和行政助理的角色。我的个人助手叫Amy Ingram。“她”是x.ai的成果结晶，几乎没有人意识到跟他们对话的不是人。从Claralabs等也可以获得类似的服务。

语言学习：想学中文？如果有位讲着一口流利普通话的对话伙伴就好了，如果他永远都不会介意纠正你的错误，永远都不会感到厌烦则更佳。要不来一位精通万国语言的全天候实时翻译怎样？

新闻报道：Narrative  Science等正在训练计算机写新闻故事。当然，要写出像大西洋周刊那样的观点文章还欠火候，但是机器人写赛事结果、财经报道已经是信手拈来。

人员招聘：招聘人员在很大程度上算是应征者与雇主之间基于一组定义好的特性（位置、行业、技能、经验）进行联系的中介。期待利用机器智能和NLP来自动识别和推荐候选者的公司早日出现。当然，其第一场面试也一定是有计算机主持的。[page]

网上旅行社：flightcentre.com上面帮助你找布拉格的酒店的那位“实时助理”究竟是人还是机器人？如果是在2017年，我已经有确定的答案。

法律任务：诉讼的取证过程需要许多资历浅的律师梳理堆积如山的文档来寻找蛛丝马迹。像Equivio这样的组织则结合了机器智能与NLP对这一职能进行自动化，结果是，喝了8杯咖啡的那位帮办忙到凌晨2点还没弄完的事情早已被计算机搞定，结果不仅更加精确，而且它既不用喝咖啡也不用睡觉。

呼叫中心：呼叫中心的家伙都是经过培训的，其回答都有脚本支持，针对不同情况作出不同的响应。但是未必所有人都能记得，或者有的记得也不遵循。这些情况你应该多多少少都经历过。如果让智能计算机利用NLP及语音识别技术来替代的话就好了。做得好的话其市场规模是巨大的。   

视觉任务

2015年2月，计算机视觉取得了一项突破：机器眼力比人更高了。说得更确切一点，是指计算机查阅一系列图片并对其进行分类的精确度已经比人要高了。把这种水平的计算机视觉（看的能力）与机器智能（思考能力）结合起来的话，就会有令人着迷的可能性出现。

有很多工作都需要人看图像然后对内容进行评估。比如机场安保就是明显的例子，安保要扫描箱子然后看里面是否有枪支等违禁品，又比如放射科医师，经过5年以上的训练才能准确通过X光片诊断出疾病。

我相信，用不了多久让计算机执行这类任务就将变成现实，结果不仅更快更精确而且成本更低。下述的可能性将会颠覆一个个的行业：

汽车：自动驾驶汽车是结合计算机视觉与机器学习的最先进案例。

农业：与其花钱请人开车兜一圈查看作物情况，为什么不让能够根据卫星图像监控作物的计算机代办呢？

军事：座舱显示器及无人机侦测对象并用机器智能自动识别对方是否构成威胁（我敢打赌CIA的风投机构在该领域已经进行了一堆未宣布的投资……）

基础设施：Google的Street View是全球大部分地区的街道图像。市政部门肯定喜欢这个主意：用算法自动从中找出需要维护的道路和建筑，而不是让巡查员开车到处找。

医疗：检查皮肤癌为什么一定要去见医生？发张雀斑的图片过去让计算机分析一下不就出来了？同样地，像核磁共振、X光等诊断也应该可以这样。  

建筑维护：安检需要检查石油管道、炼油厂等有没有漏油的地方。是不是可以让带摄像头的无人机飞行巡检然后让计算机实时分析连续镜头？

巡检工作有成千上万个垂直领域可以自动化，其中有很多还是相当晦涩难掌握的。KeyMe寻求通过照片来自动化一个60亿美元的锁匠市场。Tractable正在帮助管道工确认管道是否焊接好了。

所以传统行业请留意了，互联网还没+好，机器智能+的时代也快要到了。