人工智能如何颠覆我们生活的方方面面？
参考来源 / IEC:《Artificial intelligence across industries》白皮书
编译 / Helen
正如软银集团董事长兼总裁孙正义所言，“人工智能掀开了人类历史的新篇章，为关键挑战和风险寻求答案。我们生活在一个非常有趣的时代，正在见证历史上这一全球变化的开端，同时也可以引领这一变化。”
本篇是人工智能专辑文章的第三篇，打开脑洞，例说人工智能如何颠覆我们生活的方方面面。
随着芯片、数据集和平台的日趋成熟，图像识别和自然语言处理等算法开发技术不断突破，人工智能催生了许多新技术和新产品，能够支持更广泛的实际应用。麦肯锡预计，到2025年，全球人工智能应用市场总值将达到 1260亿美元，人工智能将成为许多智能产业发展的突破点。
人工智能与智能家居
在AI技术的驱动下，智能家居逐渐向控制中心发展，形成一个完整的智能家居生态系统，由硬件、软件系统和基于云的平台组成。
▲ 智能家居应用场景
冰箱、空调、洗衣机、热水器、厨房电器、音箱和许多其它反映了“万物互联”概念的智能电器，可以互连和相互控制，通过语音识别、视觉识别、深度学习领域模型、用户画像和其他技术手段，收集大量数据进行预测和分析，提供个性化服务，使家庭更安全、舒适和节能。
机器学习、模式识别和物联网技术不断提高交互性，智能家居正逐渐从以手机为中心向创新的人机交互模式发展，从被动智能转变为主动智能，甚至在某些决策任务中取代人类。AI将为智能家居市场打开更广阔的发展空间。
智能电视控制系统 智能电视控制系统可以通过内置摄像头采集家庭成员的面部图像，并提供个性化服务。例如，可以根据坐在电视前面的人切换到其偏爱的电视频道。孩子正在看电视时，也可以自动激活家长控制功能。系统可以根据当前场景计算最佳观看距离。屏幕的音量、亮度和饱和度可以自动调节。电视还可以检测观众是否睡着了，然后降低音量、亮度和饱和度。
浴室自助服务系统 非接触控制功能，如语音控制功能非常适合浴室应用。智能自助浴室系统通过多方向语音交互为用户提供便捷、互动的功能和丰富的信息。用语音控制镜子的角度、淋浴喷头的喷洒强度、角度及温度。还可以通过语音控制从平板电脑等其他家用电器获得关于美容、音乐、健身等内容推荐。
智能食物识别系统 通过手机实现与冰箱的实时交互。高清摄像头可对冰箱内部的食材进行识别，支持一键式购物、预定购物、规划合理膳食以及提前提醒食材情况。同时，每天的食物消耗被记录在一个云数据库中， 结合大数据分析，提供对饮食习惯的评估以及有关均衡和健康饮食的建议。
▲ 智能食物识别系统
人工智能在智能家居的应用挑战包括：
- 技术限制，如实时学习、检测概率和嵌入式处理能力。
- 数据可用性问题，难以收集足够多的可靠数据进行机器学习的分析。
- 算法的鲁棒性，算法需要能够适应不同的数据流，具备高度的鲁棒性。
- 个性化、隐私和安全性，智能终端可能被非法入侵和控制，个人信息可能会泄露。当在关键的私人区域(例如浴室)配备智能设备时，必须保证对信息进行保密处理。
人工智能与智能制造
在智能工厂里，来自供应链、设计团队、生产线和质量控制部门的数据被连接在一起，形成高度集成的智能平台。通过机器学习，提供预测性见解管理从工厂效率、选择最佳供应商、根据需求衡量定价等方面，可以使制造更快、更灵活。人工智能还能管理劳动力需求和机械调度时间表等资本效率，以实现按需生产、提高运营效率、减少停机时间并最终实现成本节约。
预测性维护 利用实时采集的设备运行数据，预测性维护可以通过机器学习算法识别故障信号，从而实现对故障设备的早期检测和维护。
硬件或服务在发生故障之前都会出现不稳定或降级的运行状态。故障之后的被动处理不仅会影响服务体验，而且需要花费很长时间进行故障排除。通过对设备或网络的KPI预测，可以防止服务中断 、网络资源效率低下和性能恶化。
▲设备/网络故障预测的两种情形
快速定位故障有助于缩短故障恢复时间并减少损失。发生故障之后，收集日志、警报、KPI、配置和拓扑等网络性能和状态数据。然后进行相关分析以确定哪些度量或参数异常，可以快速定位故障设备并确定故障的根本原因。
协作机器人 协作机器人可以在生产过程中与人类一起工作，但有一个重要的先决条件 :必须确保机器人不会对人类造成伤害。需要执行的任务越复杂， 这个要求越重要。为最大程度地减少这种巨大潜在风险，使用手势和意图识别等AI技术可使机器人适应人类的行为，防止各种受伤的机会。例如，可以对由照相机或雷达收集的传感器数据融合进行评估，使机器人动态适应其环境。使用算法，根据这些融合的传感器数据对工人当前打出的手势进行分类。
▲人机交互
质量控制 过去，产品表面缺陷、内部故障和边缘损坏等缺陷是通过人类视觉进行检测的。高工作强度引起的疲劳会导致较高的次品率，特别是在芯片行业、家用电器行业或纺织行业。智能在线检测技术靠传感器获取产品图像，依靠计算机视觉算法提高检测速度和质量，并避免由于漏检或误检而造成的损失。同时，通过分析造成产品缺陷的原因，可以降低产品的报废率， 优化产品设计和制造，降低质量控制成本。自动图像识别(AIR)是来自集成电路后端制造的一个示例。通过将计算机软件和成像硬件技术相结合，可以提高和优化视觉检测的准确性和可靠性。
▲视觉检测
制造业应用人工智能面临的挑战包括：
- 必须始终保持对这些机器的控制权 为了避免任何滥用或误用，智能制造应该对AI采用“指挥官”方法，要求机器始终是机器。
- 数据采集和算法的鲁棒性 必须始终确保算法按预期运行。尤其是在危险环境下与人合作时，整个系统必须始终以可预测的方式运行。
- 机器换人带来的风险 人类目前所做的工作可能会越来越多地被机器人接管。人类需要掌握新的技能和能力来应对机器人和自动化的更多使用。
- 高质量的数据 智能制造中的其他挑战包括提供大量用于训练AI算法的高质量数据，以及需要将这些数据构造成有意义的信息和领域模型。
人工智能与智能交通
随着车辆数量的急剧增加，交通管理和交通拥堵控制等服务以及最近无人驾驶车辆的激增，都要求大规模使用AI技术（例如图像分析、路线优 化、对象识别）。AI提供的能力不仅将部署在终端设备（例如手机）上，而且还将部署在边缘（如汽车）和云（数据中心）中。
▲ AI技术在智能交通中的应用
自动驾驶 自动驾驶也称无人驾驶，依靠智能路径规划技术、计算机视觉和全球定位系统技术使车载计算系统安全运行，无需人工干预。美国国家公路交通安全管理局(NHTSA)定义了自动驾驶的五个等级，其中最高级是全工况自动驾驶(4级)，车辆执行所有安全关键型驾驶功能。自动化程度越高，越需要在车辆内部和云中应用AI技术：
- 控制车辆。包括启动、制动、转弯和其他自动驾驶能力，而无需人工干预。
- 识别驾驶员状态、车况、路况和周围环境(例 如行人、动物、障碍物)。
- 实现车队管理或组队车辆的自动驾驶，可广泛 用于物流和送货服务。
▲ 利用AI技术实现自动驾驶汽车
交通管理 据《经济学人》报告，2013年，法国、德国、英国和美国的交通拥堵造成的支出已达2,000 亿美元(占GDP的0.8%)。优化交通流、减少交通拥堵并尽量减少车辆排放将大大有助于提高生产率、生活质量和保护环境。为了实现这些目标 ，需要更广泛和更好地利用AI技术。这方面的应用包括：
- 交通信号灯优化：AI算法确定交通信号灯的切换，分析和预测实时交通状况，优化车辆和行人的通行。
- 交通流分析。使用机器学习和数据挖掘， 分析和交叉实时交通数据(例如车辆、行人、交通拥堵、事故 )，进行交通路线优化、交通控制以避免拥堵和减少排放。
- 违章检查。AI可以分析更多视频和图像，降低人工成本、提高准确性并增强性能。
- 其他应用：智能停车场、监控摄像头或智能物流。
机器人交警 用人工智能技术，智能机器人交警能够监控交通状况、获取交通信息并在具有挑战性的路口执行交通命令。他们还可以通过手臂指令、灯火提示、语音警报和传递安全消息提醒行人遵守交通法规 ，增强安全意识。此外 ，机器人可以使用图像识别记录行人的违规行为， 增强路口的整体安全性。
人工智能在智能交通应用中的挑战 ：
- 安全、安保和隐私 由于每辆车都内置有传感器，并且实施了先进的AI技术以实现自动驾驶，因此，数据甚至人类的命运都落到了计算机的手中。
- 与智能交通相关的政策、法律、法规和标准 比如确保所收集数据的安全传输 、存储和处理的技术实现标准，汽车制造商或服务提供商使用AI应遵循的法规。
- 异构计算平台的可用性 整合多方数据，并传输、存储和分析; 快速有效地运行AI工作负载(例如模型训练和推理)，支持交通管理和自动驾驶的实时(或半实时)决策；可扩展性。
- 一个完整的AI堆栈。终端设备、边缘设备和云都需要图像分析和面部识别的功能。例如，驾驶员在其手机中安装支持AI的软件，以预处理与驾驶员状态有关的数据。边缘组件(在车辆内)可以处理车辆产生以及从环境中收集的大量数据。同时，云 /数据中心将从所有车辆、交通流、环境以及历史数据中收集大量数据，以执行路线优化、交通指导或其他形式的宏观管理等分析。
人工智能与智能能源
智能能源的目的不仅是提高能源生产、传输和消费中的收益率，还在于实现有效的能源管理。物联网、大数据和人工智能正在成为能源领域技术创新的动力。它可以改善生产和消费阶段的供需估算，并为在不同建筑物和设备之间进行能源交易提供服务。通过分析收集的信息，实现前所未有的节能优化。根据IDC的数据，到2020年，智能能源市场规模可能达到5160亿美元。
电网管理和运营 AI技术可以进行智能电网内电力设备的实时监控、运行和维护，在故障初始阶段进行故障诊断并提供补救措施，以提高设备的运行稳定性和发电效率。通过机器学习识别各种操作条件下的微小模式变化，以实施有效的预防性维护。AI还可以高精度地预测电力的峰值需求和供应，助消费者大大减少电费支出。
消费者参与和服务 智能电网通常配备有分布式先进计量基础设施 (AMI)和智能电表，它们支持能源生产者和消费者之间的双向通信。门户网站可用于收集和显示各种与能源有关的数据并识别消费习惯，以便使用各种AI算法来调整电力生产和消费者价格。另一方面，先进的平台使大型工业用户可以根据自己的具体业务需求进行更复杂的电力交易。
集成式智能能源平台 智能能源平台通过人工智能技术来实现各种服务。例如，韩国公用事业公司KEPCO的HUB- PoP(超连接的泛在网桥-平台的平台)，提供了一个统一的、基于云的平台，连接了电网运营、管理支持、客户管理以及包括可再生能源在内的新能源业务等各个子系统，并可以在该平台上执行数据分析和AI算法，为客户提供各种创新服务。
▲ 基于AI技术用于电能管理的HUB-PoP
能源市场应用AI面临的挑战 ：
- 投资回报慢 考虑到能源基础设施的规模和寿命，新设备和技术引入缓慢，而且很复杂。与其他发展快速的行业相比，获得适当的投资回报要花费更多时间。
- 分布式数据的统一收集与处理 输入数据的分布对能源网络的分析提出了挑战。为了通过AI算法检测输入数据之间的相关性，必须首先对其进行收集和标准化。
- 数据的隐私和安全 电能消耗和模式分析可以确定一个人何时在家以及他/她在做什么。数据隐私挑战是公用事业需要采取适当的安全和政策措施解决的一个主要问题。
人工智能应用市场的落地及推进与其标准化进程息息相关。下期，我们为大家解读人工智能应用的标准化进程及挑战。
