2021 巨献 —— 系列文章《AI 入行那些事儿》，为您讲述：
- 人工智能的基础原理、发展历程、当前应用
- 成为 AI 技术人员所需的入门技能和学习途径
- 以及求职、面试的全过程
目前真正实用的人工智能产品主要集中在图像处理、语音处理，和自然语言处理领域。
图像处理
图像处理领域中，最基本的技术是图像识别技术，现在应用最广泛也最成熟的就是人脸识别技术。无论在中国还是在美国，都有很多相关创业公司，其中不乏这种垂直领域的独角兽。
当前，人脸识别技术最大的应用是在安防领域。另外，对人体动作进行行为识别，或者通过一个人的身体特征和动作等进行身份识别的技术也都有了研究和应用。这些领域也成了招募人才最多的领域。如果我们浏览一下招聘网站，就会发现很多跟图像相关的招聘需求。
语音处理
在语音处理领域，语音识别和语音合成是当前比较典型的两种应用，它们的研究历史都很长了。目前语音处理的深度学习研究比图像处理的深度学习研究更进一步，产品的应用领域也更加多元。
像具有语音搜索功能的搜索引擎以及一些可以使用语音指令的程序就会用到语音识别技术，导航系统用真人声音来指路就用到了语音合成技术，而现在流行的AI音箱，同时用到了语音识别和语音合成的技术。
自然语言处理
发展程度紧随图像识别和语音识别之后的是自然语言处理，也就是通常所说的NLP（Natural Language Processing）。NLP的技术成熟程度和产品化程度都不如图像识别和语音识别，但它也有自己的突破性研究。
微软公司曾经进行过一个通过深度学习来做阅读理解的挑战，在这个挑战中，人工智能的阅读理解能力能够在一个数据集的基础上和人类的能力不相上下。
著名的微软小冰会作诗，会写故事，这些都是NLP功能，很多客服机器人也都用到了NLP。一般情况下，如果一个应用有语言理解或语言生成的能力，它就会用到NLP。
发展状况
语音和图像可以算是现在深度学习最前沿的两个落地点，NLP（自然语言处理：Natural LanguageProcessing）紧随其后。但无论是NLP当前研究的成熟程度，还是其产品化程度，相较于前面两个是有一定的劣势的，它没有语音和图像发展得这么完善。
不过NLP相关的突破性的研究也有很多，例如微软曾经做过一个通过深度学习来做阅读理解的挑战。在这个挑战当中，基于人工智能的阅读理解能力，能够在一个数据集的基础上与人类相抗衡。
大家可能用过微软小冰，它可以自动地写诗，可以写一个故事，类似这样的应用，实际上都属于NLP的一种处理结果。很多客服机器人，事实上也都涉及NLP。
通常来说，如果一个应用至少有语言理解的能力或语言生成能力，那么它就会涉及自然语言处理。
相关应用
现在几乎每个电商都会开发推荐系统，其中会用到用户画像，这其中会用到机器学习中的若干模型。
自动驾驶领域近年非常热门，和人工智能相关的爆点新闻多半都和自动驾驶有关。
物联网（IOT：Internet of Things）在发展早期只能进行数据收集，但在结合了人工智能之后，就能进行有深度的数据分析，也可以进一步和其它业务结合，开发出很多新的功能，这也是当前和人工智能相关的一个新尝试。
