需要明確的是，每種類型的人工智能技術(shù)都代表廣泛的類別，通常包括數(shù)十個(gè)甚至數(shù)百個(gè)基礎(chǔ)組件。反過(guò)來(lái)，通常將這些組件重組為更復(fù)雜的應(yīng)用程序，為企業(yè)創(chuàng)造價(jià)值。

例如，百貨商店人工智能機(jī)器人可以在工作中使用圖像識(shí)別、視頻和語(yǔ)音識(shí)別技術(shù)。圖像識(shí)別軟件將使其能夠檢查貨架上庫(kù)存的位置、價(jià)格和數(shù)量;視頻將幫助其避免遇到任何障礙，并確定其在商店中的位置;語(yǔ)音識(shí)別組件將使其能夠引導(dǎo)和娛樂(lè)客戶。

為了取得這種成就，這些業(yè)務(wù)中的人工智能技術(shù)通常結(jié)合了針對(duì)整個(gè)任務(wù)的特定部分量身定制的各種算法和技術(shù)。它們包括符號(hào)處理、統(tǒng)計(jì)分析、神經(jīng)網(wǎng)絡(luò)等等。

以下是對(duì)五種人工智能技術(shù)的深入闡述，這些技術(shù)隨著時(shí)間的推移而發(fā)展，從而極大地改變了企業(yè)處理、分析和生成數(shù)據(jù)的方式。

1.圖像識(shí)別

企業(yè)使用圖像識(shí)別的各種方式包括：在工廠生產(chǎn)線上進(jìn)行自動(dòng)檢查，在保險(xiǎn)中生成損壞估計(jì)，在圖像中識(shí)別物體，對(duì)人員進(jìn)行計(jì)數(shù)，控制制造過(guò)程，檢測(cè)諸如顧客進(jìn)入商店等事件以及生成真實(shí)世界的模型。

人工智能技術(shù)必須找到一種方法，采用各種人工智能算法可以處理的數(shù)字來(lái)描述世界。在視覺方面，研究人員發(fā)現(xiàn)了如何將一張圖片劃分成一個(gè)像素網(wǎng)格，這樣每個(gè)像素都可以表示為一個(gè)數(shù)字。在早期，采用一個(gè)數(shù)字來(lái)描述每個(gè)像素的亮度。后來(lái)，人們發(fā)現(xiàn)可以用三個(gè)或更多的數(shù)字來(lái)描述每個(gè)像素中不同顏色的亮度。

20世紀(jì)60年代，研究人員開始探索如何使用原始形式的光學(xué)字符識(shí)別(OCR)技術(shù)的軟件圖像識(shí)別功能來(lái)識(shí)別數(shù)字文檔中的字符。其他研究人員開始探索基于圖像的場(chǎng)景解釋技術(shù)，試圖從二維圖像重建三維圖像。多年來(lái)，這些技術(shù)已成為機(jī)器視覺行業(yè)工具包的一部分。

后來(lái)，研究人員發(fā)現(xiàn)可以將圖像識(shí)別組織為一個(gè)分層過(guò)程，以使其更易于解釋日益復(fù)雜的現(xiàn)象。例如，黑色和白色像素可能被識(shí)別為線條和曲線，而線條和波浪形又被識(shí)別為數(shù)字的一部分。訓(xùn)練算法來(lái)學(xué)習(xí)基于這些曲線圖案而不是每個(gè)像素的亮度來(lái)解釋字符的方法要容易得多。類似地，更容易根據(jù)圖像是否包含兩只眼睛和適當(dāng)形狀的耳朵來(lái)確定圖像是否是貓，而不是根據(jù)每個(gè)像素中顏色的原始亮度來(lái)確定。

這種處理方式有望推進(jìn)圖像識(shí)別領(lǐng)域。然而直到2012年左右，隨著AlexNet(一種設(shè)計(jì)用于支持圖像識(shí)別的八層卷積神經(jīng)網(wǎng)絡(luò))的發(fā)展，研究人員才發(fā)現(xiàn)如何擴(kuò)大這個(gè)過(guò)程以識(shí)別成千上萬(wàn)種不同類型的物體。

諸如AlexNet之類的深度學(xué)習(xí)技術(shù)的優(yōu)點(diǎn)在于，該模型可以自動(dòng)學(xué)習(xí)以不需要人類以編程方式指定每個(gè)步驟的方式來(lái)執(zhí)行各種圖像識(shí)別任務(wù)。研究人員指出了如何將神經(jīng)網(wǎng)絡(luò)應(yīng)用于不同類型的問(wèn)題，該功能也促進(jìn)了深度學(xué)習(xí)在其他類型的應(yīng)用程序中的使用。

如今，圖像識(shí)別用于識(shí)別貨架上的產(chǎn)品、圖片或視頻中的人物，生產(chǎn)流水線上的缺陷以及自動(dòng)駕駛汽車在街道上遇到的物體。隨著冠狀病毒疫情的出現(xiàn)，很多企業(yè)正在開發(fā)應(yīng)用程序以監(jiān)視社交距離的規(guī)則。

對(duì)于企業(yè)領(lǐng)導(dǎo)者來(lái)說(shuō)，一個(gè)關(guān)鍵的見解是，通常有可能通過(guò)在應(yīng)用程序中使用多種類型的圖像識(shí)別來(lái)創(chuàng)造更多的價(jià)值。例如，智能文檔處理和文檔智能結(jié)合了一組人工智能技術(shù)，其中包括自然語(yǔ)言處理和機(jī)器學(xué)習(xí)，以捕獲難以識(shí)別的格式中的數(shù)據(jù)并將其分類。與光學(xué)字符識(shí)別(OCR)結(jié)合使用，智能文檔處理可以分析文檔的視覺布局，以確定哪個(gè)部分代表產(chǎn)品、發(fā)票金額或銷售條款，并將該信息提供給其他業(yè)務(wù)應(yīng)用程序。

值得注意的是，企業(yè)中大多數(shù)圖像識(shí)別應(yīng)用程序都是高度場(chǎng)景相關(guān)的。供應(yīng)商和研究人員經(jīng)常宣傳新的圖像識(shí)別改進(jìn)，例如在識(shí)別腫瘤方面擊敗了醫(yī)學(xué)專家的軟件。但是在實(shí)踐中，僅當(dāng)圖像以正確的角度捕獲時(shí)，人工智能才可以使用一組特定的設(shè)備來(lái)處理這些放射線圖像，而人類則善于分析從許多不同角度捕獲的各種圖像。

研究人員還發(fā)現(xiàn)，在這些圖像識(shí)別應(yīng)用程序的一些實(shí)現(xiàn)中也潛藏著偏見。為了減少偏見，專家建議對(duì)這些應(yīng)用程序進(jìn)行數(shù)據(jù)訓(xùn)練，這些數(shù)據(jù)代表將要處理的特定類型的圖像。

2.語(yǔ)音識(shí)別

需要多種算法將語(yǔ)音轉(zhuǎn)換為文本并準(zhǔn)備進(jìn)行數(shù)字處理。盡管語(yǔ)音識(shí)別系統(tǒng)變得越來(lái)越好，但是即使是當(dāng)今最好的語(yǔ)音識(shí)別系統(tǒng)也仍然容易出錯(cuò)，因此在安全關(guān)鍵型應(yīng)用(例如醫(yī)療數(shù)據(jù)捕獲)中需要進(jìn)行一些驗(yàn)證。

貝爾實(shí)驗(yàn)室的研究人員于1952年開發(fā)了首個(gè)用于識(shí)別單個(gè)數(shù)字的語(yǔ)音識(shí)別系統(tǒng)。到1962年，IBM公司推出了Shoebox機(jī)器，該機(jī)器可以理解16個(gè)單詞。到1980年代中期，研究人員開始使用統(tǒng)計(jì)技術(shù)(例如隱馬爾可夫模型)來(lái)開發(fā)可以理解2萬(wàn)個(gè)單詞的應(yīng)用程序，但其單詞之間會(huì)有停頓。第一款消費(fèi)者聽寫產(chǎn)品Dragon Dictate于1990年發(fā)布，可以根據(jù)語(yǔ)音自動(dòng)鍵入文字。然后，AT&T公司推出了一種語(yǔ)音識(shí)別應(yīng)用程序，該程序無(wú)需人工即可路由呼叫。這些早期的系統(tǒng)或者具有適合特定環(huán)境的小型詞匯表，需要由單個(gè)聲音進(jìn)行大量訓(xùn)練。

研究人員從2010年開始發(fā)現(xiàn)了將深度神經(jīng)網(wǎng)絡(luò)應(yīng)用于語(yǔ)音識(shí)別的方法。這一增長(zhǎng)的主要推動(dòng)力之一是需要找到更好的方法來(lái)代表不同類型智能音箱的聲音特征。這要求探索出更好的方法，將原始音頻數(shù)據(jù)轉(zhuǎn)換為人類習(xí)慣于收聽的獨(dú)特聲音(稱為音素)(例如，“汽車”一詞中的“c”)。

研究人員還將基本的語(yǔ)音識(shí)別結(jié)果與更好的場(chǎng)景結(jié)合起來(lái)，以區(qū)分同音異義詞(bear/bare)。云計(jì)算服務(wù)現(xiàn)在提供了各種核心的語(yǔ)音轉(zhuǎn)文本服務(wù)，開發(fā)人員隨后將其融入各種企業(yè)工作流程中。

基本的語(yǔ)音識(shí)別功能通過(guò)云計(jì)算服務(wù)(如微軟Cortana、谷歌Now和蘋果Siri)嵌入到現(xiàn)代智能手機(jī)和電腦中。亞馬遜公司利用語(yǔ)音識(shí)別技術(shù)推出了一種新的方式，通過(guò)Alexa語(yǔ)音服務(wù)在智能手機(jī)之外連接互聯(lián)網(wǎng)。這些服務(wù)通常在云平臺(tái)中完成繁重的工作。最近，谷歌公司通過(guò)開發(fā)更有效的算法來(lái)提高標(biāo)準(zhǔn)，這些算法可以在其Pixel手機(jī)上本地運(yùn)行語(yǔ)音識(shí)別應(yīng)用程序。

語(yǔ)音識(shí)別技術(shù)在企業(yè)中的使用正在增加。一些供應(yīng)商還開始開發(fā)用于自動(dòng)記錄電話會(huì)議和現(xiàn)場(chǎng)會(huì)議的應(yīng)用程序，以達(dá)到合規(guī)目的或更好地記錄決策過(guò)程。自動(dòng)化語(yǔ)音識(shí)別還可以幫助監(jiān)視呼叫中心的活動(dòng)，以確保工作人員遵循正確的程序，從而使管理人員不必聽到每個(gè)呼叫。語(yǔ)音識(shí)別應(yīng)用程序也正用于為國(guó)際旅行者自動(dòng)進(jìn)行語(yǔ)言翻譯。這項(xiàng)人工智能技術(shù)的其他商業(yè)應(yīng)用包括家庭自動(dòng)化、視頻游戲交互以及將視頻編入索引的自動(dòng)隱藏式字幕。

3.聊天機(jī)器人

對(duì)話式人工智能技術(shù)允許應(yīng)用程序以自然的方式與人類交互。第一個(gè)聊天機(jī)器人Eliza于1964～1966年在MIT人工智能實(shí)驗(yàn)室開發(fā)。最早的聊天機(jī)器人在詞匯量和可以允許的交互類型方面受到限制。這些應(yīng)用程序使用決策樹，該決策樹根據(jù)查詢或用戶對(duì)問(wèn)題的答案沿各種路徑進(jìn)行操作。在20世紀(jì)80年代到90年代，這些技術(shù)擴(kuò)展到了自動(dòng)電話應(yīng)用程序，在其中，通過(guò)使用IVR技術(shù)的撥號(hào)音響應(yīng)或簡(jiǎn)單詞匯來(lái)控制交互。

最近，由于用于解釋和響應(yīng)文本查詢的更好的自然語(yǔ)言處理技術(shù)，以及與其他服務(wù)的更好集成，使得企業(yè)能夠更容易地自動(dòng)設(shè)置能夠響應(yīng)常見問(wèn)題的聊天機(jī)器人，聊天機(jī)器人的應(yīng)用程序激增，接受命令或自定義對(duì)給定用戶的響應(yīng)。最近聊天機(jī)器人可應(yīng)用程序的一個(gè)關(guān)鍵見解是開發(fā)用于表示用戶意圖和適當(dāng)響應(yīng)的應(yīng)用程序編程框架。

面向外部的聊天機(jī)器人可以幫助實(shí)現(xiàn)客戶交互的許多方面的自動(dòng)化。它們還允許企業(yè)以一種更具吸引力的方式跨各種社交媒體渠道(例如Facebook)進(jìn)行推廣。

企業(yè)的應(yīng)用程序開發(fā)和部署方面已經(jīng)看到了使用聊天機(jī)器人技術(shù)的爆炸式增長(zhǎng)，該技術(shù)將聊天機(jī)器人與可自動(dòng)配置應(yīng)用程序和基礎(chǔ)設(shè)施并生成報(bào)告的操作工具結(jié)合在一起。聊天機(jī)器人集成使團(tuán)隊(duì)可以記錄其流程，從而更輕松地應(yīng)對(duì)重復(fù)出現(xiàn)的問(wèn)題，或者確定過(guò)去特定流程的執(zhí)行方式。

聊天機(jī)器人工具開始進(jìn)入業(yè)務(wù)的其他方面，以幫助記錄部門內(nèi)部或部門之間的各種通信，特別是隨著越來(lái)越多的公司采用Slack和MicrosoftTeams等消息傳遞應(yīng)用程序。財(cái)務(wù)部門可以使用聊天機(jī)器人來(lái)生成和跟蹤重要業(yè)務(wù)指標(biāo)的狀態(tài)。銷售團(tuán)隊(duì)可以使用聊天機(jī)器人收集有關(guān)關(guān)鍵客戶的數(shù)據(jù)。

聊天機(jī)器人還可以幫助促進(jìn)其他類型的內(nèi)部交互。例如，員工可能會(huì)詢問(wèn)人力資源聊天機(jī)器人，以詢問(wèn)有關(guān)其福利狀態(tài)的問(wèn)題或要求休假。企業(yè)還使用聊天機(jī)器人來(lái)自動(dòng)化與IT系統(tǒng)管理的交互，以處理簡(jiǎn)單問(wèn)題或自動(dòng)分類更復(fù)雜的問(wèn)題。

4.自然語(yǔ)言的產(chǎn)生

隨著數(shù)據(jù)量的增長(zhǎng)，可能很難為員工或客戶確定正確的信息優(yōu)先級(jí)。自然語(yǔ)言生成(NLG)應(yīng)用程序可以幫助查找、組織和總結(jié)給定用戶的最適當(dāng)見解。

根據(jù)業(yè)務(wù)用例的不同，這種人工智能技術(shù)有不同的風(fēng)格。自然語(yǔ)言生成開始作為商業(yè)智能和分析應(yīng)用程序的前端添加，作為Gartner公司創(chuàng)造的一個(gè)新的應(yīng)用程序類別的一部分。這些技術(shù)結(jié)合了解釋純文本查詢和生成純英語(yǔ)分析的適當(dāng)摘要的能力。例如，美國(guó)航空航天局(USAA)構(gòu)建了一個(gè)自然語(yǔ)言生成(NLG)應(yīng)用程序，以改進(jìn)它向商業(yè)用戶提供的關(guān)于不同保險(xiǎn)產(chǎn)品銷售情況的答案。

這種人工智能技術(shù)的另一個(gè)特點(diǎn)是改進(jìn)了向用戶展示產(chǎn)品信息的方式。在這些類型的應(yīng)用程序中，自然語(yǔ)言生成引擎可以根據(jù)用戶的偏好自定義產(chǎn)品的描述。例如，可能會(huì)向更多的技術(shù)用戶深入介紹諸如新手機(jī)耳機(jī)之類的產(chǎn)品的技術(shù)特性，而會(huì)向注重時(shí)尚的買家提供有關(guān)其外觀和感覺的審美描述。自然語(yǔ)言生成(NLG)還可以幫助改善將內(nèi)容翻譯到新市場(chǎng)的方式。

Trulia公司正在使用自然語(yǔ)言生成(NLG)自動(dòng)生成用于房地產(chǎn)列表的社區(qū)描述。自然語(yǔ)言生成(NLG)還被用于為美聯(lián)社制作基本的新聞文章。Esquire Singapore公司甚至精心制作了一本特刊，里面刊載了人工智能應(yīng)用的故事。然而，這項(xiàng)人工智能技術(shù)還處于起步階段，專家提醒企業(yè)和醫(yī)療等關(guān)鍵任務(wù)應(yīng)用需要新型的質(zhì)量控制。

盡管如此，企業(yè)仍可能會(huì)受益于自然語(yǔ)言處理框架的各種最新改進(jìn)。新的自然語(yǔ)言處理指標(biāo)正在出現(xiàn)，以幫助企業(yè)評(píng)估給定框架的效用并改善自然語(yǔ)言生成(NLG)應(yīng)用程序的這些實(shí)現(xiàn)。

5.情緒分析

人們?cè)谧珜懹嘘P(guān)事件、品牌、政客和其他事物的文章時(shí)，通常會(huì)表達(dá)出不同的情感類型和強(qiáng)度。情緒分析領(lǐng)域始于20世紀(jì)50年代，當(dāng)時(shí)市場(chǎng)營(yíng)銷人員分析了書面文件的語(yǔ)氣。但這是一個(gè)非常人工的過(guò)程。不過(guò)，現(xiàn)在幾乎每個(gè)人都在社交媒體、博客、新聞評(píng)論、評(píng)論、支持論壇和與公司的通信中留下了情感的數(shù)字痕跡。

包括自然語(yǔ)言處理、機(jī)器學(xué)習(xí)和統(tǒng)計(jì)在內(nèi)的各種人工智能技術(shù)都用于分析這些數(shù)字足跡的情感基調(diào)。這些工具有助于跟蹤產(chǎn)品或服務(wù)的更改如何影響客戶，而無(wú)需直接詢問(wèn)人們。它也有助于密切關(guān)注競(jìng)爭(zhēng)對(duì)手的產(chǎn)品和活動(dòng)。

情緒分析的另一個(gè)用例可以識(shí)別所謂的品牌影響者，從而使企業(yè)與個(gè)人建立更牢固的關(guān)系，他們可以就如何改善服務(wù)或產(chǎn)品提供更好的建議。

情緒分析還可以幫助確定有關(guān)客戶或潛在客戶可能感興趣的事物的重要趨勢(shì)，以便企業(yè)可以改善其當(dāng)前產(chǎn)品或創(chuàng)建新產(chǎn)品以滿足這些需求。企業(yè)還可以使用情緒分析來(lái)確定其品牌可能受損的特定原因，例如等待時(shí)間長(zhǎng)、質(zhì)量差或構(gòu)思不佳。

企業(yè)在內(nèi)部也在業(yè)務(wù)中使用這項(xiàng)人工智能技術(shù)來(lái)幫助理解和提高員工的士氣和福利。在這個(gè)用例中，情緒分析可以分析員工的職位，以幫助理解重要的問(wèn)題或管理人員的變化可能對(duì)他們產(chǎn)生的影響。

更復(fù)雜的情感分析應(yīng)用程序使用人工智能來(lái)理解聲音和面部表情所傳達(dá)的情感。該分析可以幫助識(shí)別支持電話期間的情緒變化，或評(píng)估顧客對(duì)商店貨架上新產(chǎn)品的看法。Netflix甚至嘗試使用面部表情情感分析來(lái)改進(jìn)電影預(yù)告片。然而，一些研究人員警告說(shuō)，情緒分析的這些應(yīng)用可能會(huì)受到可靠性、特異性和概括性問(wèn)題的影響。