智能家居新闻，据报道，日本计划在2020年充分利用AI来加强应对网络攻击的能力。
通过学习和分析共同点和根据过去网络攻击的迹象，日本相关单位将更有效地抵御新的病毒攻击；而在中国，通过“天网”监控系统，仅用了7分钟就抓获了全国范围内的犯罪嫌疑人，而其背后正是利用人脸识别技术完成了这一不可能的任务。
人工智能几乎无处不在，在华尔街尤其如此。
投资专家承认，从大数据中获取洞察力的学习机器正在准备处理99%的投资交易，人工智能将很快接管投资世界。
人工智能和大数据的普及还不止于此。
在商业评论网站Glassdoor的最新报告中，数据科学家排名第一。
据Glassdoor称，目前美国有超过4000个数据科学家职位空缺，雇主之间对数据科学家人才的竞争已将数据科学家的年薪中位数推至11万美元。
人工智能在制造业的应用对于制造业来说，传统的质量检测手段逐渐落后，导致被检产品数值不一致，甚至检测效率降低。
因此，在制造领域，利用深度学习技术不仅可以大幅提高机器视觉的检测效率，而且以往肉眼容易忽视或无法察觉的细节也可以一一精挑细选。
当人工智能引入制程检验流程时，机器会通过自学习提前识别各种良品和不良品的特征，然后根据分析结果快速筛选出生产线上的不良品。
百度前首席科学家吴恩达也表示，人工智能技术非常适合解决制造业面临的质量和良率不稳定、生产线设计缺乏灵活性、产能管理困难、生产成本上升等挑战。
人工智能在医疗领域的应用聪明人认为，医疗技术一直是人类一生学习的目标。
因此，深度学习在医学领域具有巨大的潜力，可以帮助医学诊断更加准确、高效。
在深度学习在医疗领域的应用中，图像识别技术已被广泛用于辅助医生解读医学影像，包括谷歌研究团队使用深度学习来诊断糖尿病视网膜病变、乳腺癌肿瘤转移等。
谷歌团队应用深度学习技术学习技术，并在专业医生的协助下，从12.8万张视网膜眼底图像的数据集中创建了一个具有专业医生判断病变能力的模型。
人工智能与自动驾驶的结合 当人类讨论人工智能如何改善生活质量时，自动驾驶无疑是最受关注的话题。
安全是自动驾驶普及的重要关键。
除了通过摄像头或各种传感器等外部车载设备保证驾驶过程的安全外，让车辆本身更加智能，能够独立判断和分析路况，是加速自动驾驶的重要一步。
对驱动发展最有效的帮助。
机器一旦具备了自主学习的能力，就可以在不断学习的过程中逐步提高驾驶技能，提高车辆行驶安全性。
大陆地平线机器人汽车业务总监李兴宇指出，自动驾驶的发展过程是建立在一个非常复杂的系统之上的。
深度学习不仅可以做得和人类一样好，甚至可以做得比人类更好。
如此复杂的驾驶环境恰恰是深度学习最能发挥优势的地方。
从另一个角度来说，就是驾驶员与汽车之间的微妙关系。
目前自动驾驶的定义是汽车能够自行判断路况并做出决策。
未来更深层次的将是汽车与驾驶员的配合。
简单来说，就是让汽车懂你。
因此，在未来的自动驾驶领域，我们还必须面临驾驶习惯，甚至驾驶风格的学习。
这感觉就像汽车成为了驾驶员的驾驶管家。
总体来说，人工智能未来有着无限的应用前景，而从智能家居的角度来看，它是未来建设智能家居乃至智慧城市的重要组成部分。