人工智能是一门结合了计算机科学、生理学和哲学的交叉学科。
凡是用机器代替人类实现认知、识别、分析、决策等功能的行为，都可以被认为是人工智能技术的运用。
人工智能作为一项基础技术，被广泛应用于多个行业。
五道集团于12月17日发布《 AI研究报告—人工智能领域的未来和挑战》，对未来人工智能领域的行业生态和应用进行了分析和预测。
人工智能的现状我们根据强度将人工智能分为三类： 弱人工智能：只擅长某种单方面应用，在特定领域之外不具备有效解决能力的人工智能；强人工智能：人类级别的人工智能，各方面都可与人类相媲美，无法轻易区分人类和机器；超级人工智能：可以在各个领域超越人类，在创新创造力领域超越人类，可以解决任何人类无法解决的问题。
我们认为，从目前人工智能的应用场景来看，当前的人工智能仍然是弱人工智能，主要集中在特定的应用领域，比如图像识别、语音识别等生物特征分析，比如智能搜索、智能推荐、智能识别等。
分类等。
智能算法等。
对于垂直行业来说，人工智能大多起到辅助作用，辅助人类工作，比如现在的智能投资顾问、自动驾驶汽车等。
但是，人工智能完全脱离人类并且能够达到甚至超越人类的技术目前还没有实现。
完成。
我们预测，未来，随着计算能力、数据量的大幅提升和算法的改进，弱人工智能将逐步转变为强人工智能，机器智能将从感知、记忆、存储向认知、自主学习迈进。
、决策、执行。
等级。
人工智能产业未来格局 1、巨头掌握基础层资源，成为生态建设者。
人工智能基础平台需要三大要素：超级算力、顶尖深度学习算法人才、海量数据资源。
一切都有着极高的门槛，这就决定了基础层只能是少数巨头掌控的区域。
科技巨头对基础设施和技术进行长期投资，同时以场景应用作为流量入口，积累应用，成为主导应用平台。
他们将成为人工智能生态系统的构建者（如谷歌、亚马逊、Facebook、阿里云等）。
当一个行业应用场景的数据资源相同时，底层企业可以基于最基本的神经网络模型算法进行相应的适配和改进，往往表现出其他企业无法超越的优势。
2、人工智能正在成为基础设施，AI-aaS降低企业智能化实施门槛。
国内外科技巨头（谷歌、微软、百度、阿里巴巴等）、AI初创企业（Face++等）、上市公司（汉王科技等）纷纷推出AIaaS。
（Applied Artificial Intelligence-as-a-Service，人工智能即服务），将成熟的人工智能技术作为基础设施或基于工具的产品提供给其他公司，以“按需付费”的形式衍生出一种新的盈利形式go”模型——AIaaS。
3、场景应用首先在数字化程度高的行业爆发。
未来3-5年，人工智能的主要趋势将是完成特定任务的服务智能，数字化程度高的行业将首先启动。
在服务智能场景中，在数据可用性较高的行业，人工智能将首先用于解决行业痛点，并在大量场景应用中爆发。
安防、医疗、金融、教育、零售等行业数据电子化程度高、数据相对集中、数据质量较高。
因此，大量的人工智能场景应用将首先在这些行业中涌现。
安防是我国人工智能最早产业化的行业。
近年来，由于国家“平安城市”建设的推进，政府在安防领域的投入较大。
全国一半以上的摄像机已完成高清摄像机的部署。
警务电子化、信息化逐步完成，为人工智能技术的部署提供了基础。
健康）状况。
而随着安防数据的爆发式增长，智能安防成为安防领域的新需求。
人工智能技术方面，应用于安防领域的主要技术是基于图像识别的人脸识别、车辆识别、人群和行为识别技术以及基于语义理解的警务数据分析和理解技术。
4.中国芯片产业有望弯道超车。
深度学习需要非常高的计算能力，以至于有人称之为“暴力计算”。
当前人工智能计算中普遍采用传统CPU，但由于内部结构原因，在性能和效率方面并不是最优选择。
GPU在浮点运算和并行计算方面优于CPU，而FPGA则具有良好的综合性价比。
人工智能ASIC专用芯片效率最高，未来前景广阔。
PC时代，CPU被国际巨头垄断。
目前，中国人工智能产业生态领先全球。
在人工智能芯片领域，发展潜力巨大，如深鉴科技（FPGA）、寒武纪科技（ASIC）等公司开发的芯片产品。
均处于领先地位。
人工智能行业机器视觉未来发展趋势 1、从表面感知到深度认知。
数据驱动的深度学习算法利用一个函数实现对很多场景和物体的精确分类，但泛化能力较差，遇到新的测试题时缺乏分析能力。
问题的解决依赖于基于先验假设的常识和逻辑推理的建立，这将计算机视觉与语言联系起来，从感知智能上升到认知智能。
此外，分类只是视觉系统应具备的基本功能之一。
最终目标应该是打造一个能够与世界互动的机器人智能视觉系统。
机器人需要解决的更全面、更复杂的现实生活问题将驱动其选择感知内容。
事物和感知的准确性支持任务的成功完成。
2、算法迭代加速，赋能各领域业务。
虽然最终的愿景还有很长的路要走，但日益提升的分类任务准确率已经解锁，并将继续解锁更多场景应用。
正如过去五年计算机视觉技术在人脸识别方面不断取得突破一样，误报率从每年千分之一下降到每年十亿分之一（通过率90%时），商业服务、商业服务等诸多场景城市安全、大众娱乐等都经历了不同程度的智能化升级。
商品、道路环境、医学图像、遥感图像等更多物体的识别和分类问题将逐渐突破工业化的红线，从仅仅辅助和补充。
将非关键应用扩展到能够有效提升核心业务效率的关键应用。
各行各业的创新智能应用将层出不穷，人脸识别的性能将不断提升，追求百亿、千亿规模的可行性。
3、技术供应商将不断完善商业服务链。
对于更广泛的传统行业或线下使用场景的潜在客户来说，计算机视觉技术的实施往往涉及针对特定业务场景的硬件设备、软件集成和本地计算设施的修改。
部署、算法和技术的实际效果需要在深入了解客户真实业务场景的基础上进行针对性开发。
不断增长的市场需求需要更加全面、及时的售前、售中和售后服务。
但对于视觉技术所能提供的有效帮助还缺乏足够的认识，或者一些业务场景暂时缺乏科学完整的评估标准或相对同化的技术。
其中，营销和销售的重要性尤为突出。
我们不仅要关注前沿算法研发，还要关注当前的商业落地和市场拓展。
这些都对主要依靠高科技人才的计算机视觉企业提出了更为全面的挑战。
人工智能发展的最终目标是像人脑一样思考。
目前的人工智能已经具备了学习和存储记忆的能力。
人工智能最难突破的就是人脑的创造能力。
创造力需要基于神经元和突触递质传输的化学环境。
当前的人工智能是基于芯片和算法框架的。
如果未来能够模拟出类似于大脑中突触传递的化学环境，人工智能与计算机和化学相结合，很可能会带来另一个难以想象的未来世界。