為什麼「機場」成了 ai 獨角獸們的香餑餑？
這是一篇綜述性質的文章。標題命名考慮了一會兒，還是命名為人工智慧。
這裡的人工智慧包括了：
順便說一下，由於python的以下特性，特別適合人工智慧，因此在該領域得到廣泛使用：
以下舉例說明各種應用，包括功能和用到的技術。
簡單稱之為「千人千面」，根據使用者個體特點，例如興趣，年齡，地理位置，口味等，已經過往記錄，將商品按照相關度最高排序。目前已經應用得如火如荼。
工資可觀，門檻有高有低。
例如：專業術語稱之為「回歸」問題，就是被**值是個連續變化的值。
專業術語稱之為「分類」問題，就是被**值是個類別值。
正在走向成熟，工資高低都有，門檻高低不等。就業範圍日趨廣泛。
術語中，「檢測」基本等於「定位」。人臉檢測就是說可以檢測到影象中有人臉，而且能定位出人臉在影象中的位置。但是不需要識別是誰。
是目前比較成熟的技術，應用逐漸廣泛。
例如：不僅可以檢測到有人臉的位置，而且能認出是誰。
可以追溯到上個世紀
六、七十年代，經過幾十年的曲折發展已日趨成熟。可以說是當前深度學習最為成熟的應用，人臉識別準確率目前已經高於人眼的識別準確率。
例如：可以說是類似於身份證/簽名/指紋/聲紋等的身份鑑別技術。
檢測人體關鍵點在影象中的位置。包括肩肘等21個關節，或者區域性例如手上的關節。
正在日趨成熟。
slam（即時定位和地圖構建）等，這些技術的應用，有的已經成熟，有的正在發展。
影象中的文字，公式等識別
檢測影象中的車輛及其位置，甚至型號，狀態。
主要是自動駕駛中感知技術，例如紅綠燈檢測識別，車道線檢測識別，交通標識檢測識別。
這些應用，正在發展中，部分應用正逐漸落地成熟。
自然語音還不太成熟。機器對於自然語音的理解目前還存在很多未突破的地方。
工資高，門檻也高。貌似就業泡沫大。
語音識別目前發展的很好，基本連各地方言都可以非常精準的識別了，屬於成熟應用。
例如：
應用較多，有待更新。
所有這些應用都需要資料，資料可以來自於爬蟲。
隨著社會從資訊時代邁入資料時代，有「資料」的地方就會有「ai」。
bat的大佬說，大資料是石油，算力（伺服器）是引擎，演算法是形成於各種應用領域的神經網路，共同形成生產力。
人工智慧主要應用
僅供學習使用 2019 10 16 14 46 06 人工智慧主要應用 識別中的內容 物件。knn 卷積神經網路 分析文字中包含的 文字，是正面的 負面的 中性的。文字的表示 詞向量 tfidf 文字預處理 清洗 分類演算法，邏輯回歸 決策樹 樸素貝葉斯 分析乙個使用者會不會逾期。通過使用者的資訊，...
人工智慧與資訊社會 人工智慧應用
1.單選題 以下四個人工智慧的應用領域中 與其他三個不同的是 c a 影象識別與分類 b 醫學影像分析 c 語音識別 d 人臉識別與情感計算 2.單選題 將結構型的 空間解析度高 紋路細節清晰 與光譜解析度高 色彩豐富的處理成空間解析度和光譜解析度都高的過程稱為 d a 影象配準 b 影象識別 c ...
人工智慧簡史 人工智慧簡史
人工智慧簡史 在人工智慧的早期，計算機科學家試圖在計算機中重建人類思維的各個方面。這就是科幻 中的智力型別，即或多或少像我們一樣思考的機器。毫無疑問，這種型別的智慧型稱為可理解性。具有可理解性的計算機可用於探索我們如何推理，學習，判斷，感知和執行腦力活動。可懂度的早期研究集中於在計算機中對現實世界和...