人工智能应用及发展

人工智能使用最多的语言：Python，需要一些数学基础、机器学习的原理，以及应用场景（机器视觉）和文字识别。
人工智能的应用，指纹识别、刷脸解锁、金融、零售、教育、医疗、交通等。
指纹和刷脸解锁：样本采集、图片和纹路识别，转换数字信号，样本对比。
数据和技术的基础：数据的成熟度和技术的成熟度。
人工智能的应用基础：场景清晰度和AI应用历程。
看组织机构战略和文化。

使用率最高的行业：金融
金融行业场景：智能风控、智能支付、智能理赔、智能投研、智能投顾。

零售行业：设计、电商、供应链管理、收益管理、生产制造、线下。人工智能提升零售全流程运行效率，优化消费者体验。
智慧零售：提升全流程运行效率，提升用户体验
设计：配色参考、图片分析
电商：以图搜图、智能推荐
供应链管理：仓储设计、库存管理、区域划分、运输路径优化
收益管理：定价策略
生产制造：拍摄样品、智能质检
线下零售：选址、识别商品、智能监督、优化商品摆放、流量统计分析

智能教育（AI + 教育）：深入到学习的各个环节。最外围：伴读、搜题。次外围：测评，例如流利说。核心：起步阶段。关键场景：获取学习资料、沟通、测评、教学辅助、教学认知和思考、分层排课、图像识别批改阅卷等。

智慧医疗：从影像分析、辅助诊疗、健康管理等角度做好医患助手。
语言输入病例、影像分析（病灶识别、降低误诊、减少重复劳动、帮助医生发现罕见病）、综合性诊疗（虚拟医生、利用自然语言处理、知识图谱、计算机视觉、推理、诊疗）、健康管理（健康监测、预测）、医疗机器人（手术、康复机器人、提高精度）、药物研发（降低发现候选药物时长、降低新药研发成本）等。

智慧制造：助力生成制造优化、减少重复劳动、实现智能制造。
设备健康管理：基于特征分析和机器学习，进行设备故障预测和全生命周期管理，进行预测性维修，让设备长期受控，降低维保费用。
智能质检：利用计算机视觉进行产品缺陷检测，降低人工成本，提升品质。
工艺参数性能优化：结合专家经验和智能分析，挖掘数据背后的规律，调整工艺参数。
3D（智能无序）分拣运输机器人：借助3D视觉，物品识别、姿态估认、尺寸测量、运动规划，例如抓取不规则物品，且有效放置。

智慧健康：降低健康管理成本，实现交互革命，增强人类功能。健康数据管理、低成本康复管理、变革多维交互体验（AR/VR）、智能化康复设备制造、个性化增强人类功能（AI干预自闭症等）。

智慧交通：拥堵分析、路线优化、智能调度、辅助驾驶；交通信号灯智能匹配、车道偏离预警、碰撞预警、夜间辅助等。
航空优化：航线网络优化、机组排班优化、收益管理等。
自动驾驶：限定场景的自动驾驶。
共享单车：智能分析热力图、调度策略、未来需求预测、提升平台运营效率等。

人工智能的发展
政策支持人工智能走向泛在：分为四个阶段。
探索阶段：2012~2014
第一阶段：2015~2016，出标准，积累技术，市场热度上涨。
第二阶段：2017~2018，上升为重要战略
第三阶段：2019，强调与实践深度融合
第四阶段：2022~至今，如今人工智能上升为新基建。

需求：应用场景持续涌现。转型需求：人工红利转型为创新红利。
场景丰富：找大规模、多样——数据资源大。
抗疫：疫情常态化，无接触是重点。

供给：智能产业生态不断丰富。
技术：从实验室走向大规模的商用，从芯片、深度学习算法到AI几大应用领域。
数据：数据正式成为重要的生成要素，大数据推动AI算法不断优化，智能离不开数据。
市场：供需互相促进的正向市场环境建立，数据记录——模型优化——应用升级。
资本：走出炒作泡沫，聚焦价值领域。
平台：大厂普遍开放平台生态。

AI走向泛智能：智慧+、AI新基建、智能底座。