标题图

随着AlphaGo的人机大战不断，大数据、人工智能、机器学习，近两年各种术语在关注者眼中变得像大牌明星一样流行，相关概念也在风起云涌。资本市场（甚至超过房地产行业？）。 然而，这些高级的词语对我们的生活意味着什么呢？

大数据是人工智能的前提。 没有数据的“喂养”，机器就没有“数字”可以学习，也就没有智能。 且不说围棋大师AlphaGo、IBM的Watson等“大杀器”，那些更贴近我们日常生活的应用都是大规模数据训练的结果。

例如，语音识别需要足够的语料和人工字幕作为训练样本进行训练，才能得到更好的模型； 以图像识别为例，算法的进步是一方面，海量图像本身以及相应的标注是由相关的智能应用生成的。 重要前提。 而机器对自然语言的“理解”，将人工智能助手推向了一个新的水平。

1 语音识别+实时翻译，语言不再是问题

谷歌于 201x 年在 YouTube 上推出了自动字幕系统。 英文字幕生成体验再好不过了：与语音同步，除了符号外，错字很少（这在英文环境下不是问题，完全不影响理解）。

谷歌实时字幕技术

自动字幕系统技术要求很高。 与普通输入法中使用的语音识别不同，自动字幕需要在语音出现的同时识别语音并生成文本。 实时意味着计算性能和算法都要提高。 要求更高。

在实时语音识别的基础上，再加上机器翻译，随着处理效率和准确性的提高，显然不同语言之间的沟通问题将得到有效解决。

在中国，科大讯飞在实时语音识别方面也做得很好。 据介绍，中文识别准确率颇具竞争力。

没注意到国内视频网站推出了自动字幕系统。 如果您需要使用相关接口，可以尝试科大讯飞语音听写或微软Bing语音API。

2 图像标注、行走数据库

深度学习技术突破后，图像相关的识别和标注已经取得了重大进展。谷歌训练机器自动识别猫和狗已经是旧闻了。 政府和个人已经可以使用更多应用程序。

图像标注和监控

目前可以通过相关API直接标记图片的内容范围：包括人物、情绪（开心、悲伤、惊讶……）、是否包含成人内容等。如果应用在安全层面，所有元素可以识别监控视频内容并形成动态数据（包括物体类别、颜色、主要特征），为需要监控时提取目标元素提供最大的便利。

微软图像注释API

图像分类

几年前做项目时，客户也提出了对照片进行分类的想法：我拍了太多照片，有儿童的，有成人的，自己整理起来太麻烦。 能不能自动分类？ 当时我觉得这太超前了。 。

现在，iPhone内置的图片应用程序可以根据面部识别自动对图片进行分类，即将所有具有相同面孔的照片归为一组。 我相信其他类似的、更智能的照片归档应用程序很快就会出现。

物体识别

APP-识花

该应用程序已经在植物识别领域取得进展。

试想一下，当你出去公园时，总会遇到一些不知名的美丽植物。 借助深度学习技术，这个问题就可以轻松解决。 只需拍照，应用程序就会自动识别植物名称。

3位智能助手，人人都可以享受私人管家

IM时代，各种聊天机器人层出不穷，并有大规模文本语料库的支撑。 iPhone自带的Siri让语音交互和语音控制为大众所熟悉。 随着语音交互和机器语义理解的提高，以及远场拾音和可扩展技能（应用和控制设备），语音智能助手在智能家居中展现出了一定的能力。

智能灯应用实例

特定的消费者级应用程序已经生产出来。 亚马逊的Echo、谷歌的Google home、Rokid（国内初创公司）的Pebble等都发布了人工智能助理产品。

这类助手的“可扩展技能”都是开放的，类似于苹果的App Store。 每个技能都是一个应用，或者说是智能助手的一个技能。 开发者可以通过该接口开发相应的技能应用。 目前，Echo已经积累了数万项技能，比如智能窗帘控制、插座开关以及相应的电器控制，都只需要像对Siri说话一样通过喊叫即可完成。

概括

人工智能显然不再是一个概念或只是一个嗡嗡声。 我相信，未来我们会习惯各种智能产品的陪伴，就像我们现在使用电和水一样自然。

在各种技术开放、大公司开源算法、算力成本不断降低的背景下，如何寻找智能应用点以及相应训练所需的大规模数据成为大数据和人工智能应用的关键点。智力。

如果您有好的标签数据，或者您期望人工智能解决的行业问题，请尽快留言！

参考：

1.微软牛津人工智能平台

2.行石APP（植物识别）

3.知乎智能助手相关话题