到2030年，人工智能對全球經(jīng)濟的潛在貢獻將達到15.7萬億美元，到2030年，人工智能對當?shù)亟?jīng)濟的GDP貢獻高達26%。到2025年，人工智能(AI)將通過高效處理當今的一些復雜任務(wù)來顯著改善我們的日常生活。

　　人工智能涉及開發(fā)計算系統(tǒng)的領(lǐng)域，這些系統(tǒng)能夠執(zhí)行人類很擅長的任務(wù)，例如識別物體、識別和理解語音以及在受限環(huán)境中進行決策。人工智能的一些經(jīng)典方法包括(非詳盡列表)搜索算法，如寬度優(yōu)先、深度優(yōu)先、迭代深化搜索、AI算法，以及邏輯領(lǐng)域，包括謂詞演算和命題演算。還開發(fā)了局部搜索方法，例如模擬退火、爬山、波束搜索和遺傳算法。

　　機器學習被定義為應(yīng)用統(tǒng)計方法使計算機系統(tǒng)能夠從數(shù)據(jù)中學習以實現(xiàn)最終目標的人工智能領(lǐng)域。該術(shù)語由Arthur Samuel于1959年引入。深度學習是指具有多個隱藏層的神經(jīng)網(wǎng)絡(luò)領(lǐng)域。這種神經(jīng)網(wǎng)絡(luò)通常被稱為深度神經(jīng)網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)是受生物學啟發(fā)的網(wǎng)絡(luò)，它以分層方式從數(shù)據(jù)中提取抽象特征。將在未來十年發(fā)揮作用的關(guān)鍵技術(shù)包括生成對抗網(wǎng)絡(luò)(GAN)、循環(huán)神經(jīng)網(wǎng)絡(luò)，包括長短期記憶網(wǎng)絡(luò)(LSTM)、自注意力(self-attention)、(NLP和可能的時間序列)和膠囊網(wǎng)絡(luò)(一個正在進行的研究領(lǐng)域)。本系列的后續(xù)部分將更詳細地討論深度強化學習。

　　狹義人工智能：機器被設(shè)計為執(zhí)行單個任務(wù)并且機器很擅長執(zhí)行該特定任務(wù)的人工智能領(lǐng)域。然而，一旦機器經(jīng)過訓練，它就不會泛化到看不見的領(lǐng)域。這就是我們今天擁有的人工智能形式，例如谷歌翻譯。

　　通用人工智能(AGI)：一種人工智能形式，可以完成人類可以完成的任何智力任務(wù)。它更有意識，做出的決定類似于人類做出決定的方式。AGI 在這一刻仍然是一個愿望，對它的到來有各種預(yù)測。它可能會在未來20年左右出現(xiàn)，但它面臨著與硬件、當今強大機器所需的能源消耗以及解決災(zāi)難性記憶損失相關(guān)的挑戰(zhàn)，即使是當今最先進的深度學習算法也可能會受到影響。

　　超級智能：是一種在所有領(lǐng)域都超過人類表現(xiàn)的智能形式(由Nick Bostrom定義)。這指的是一般智慧、解決問題和創(chuàng)造力等方面。

　　人工智能將成為所有組織的核心

　　在邊緣處理AI工作負載的一個主要優(yōu)勢是，相對于等待來自遠程基于云的服務(wù)器的查詢響應(yīng)，延遲大大減少。因此，未來的攝像機、機器人和計算機將能夠做出改進和更明智的判斷，而不是不斷地查詢遠程云服務(wù)器并在做出決定之前等待。例如，自動駕駛汽車需要實時決定是左轉(zhuǎn)還是右轉(zhuǎn)，而不是等待服務(wù)器做出響應(yīng)。此外，使用計算機視覺的無人機將通過在設(shè)備上使用人工智能來調(diào)整自己的飛行路徑來提高可靠性。

　　隨著傳感器在智慧城市中的廣泛應(yīng)用，設(shè)備上的人工智能可以通過使用嵌入式傳感器來改善第一響應(yīng)者的通知時間“在路燈等城市基礎(chǔ)設(shè)施中，評估背景噪音并確定是否存在緊急情況。人工智能還可以讓交通攝像頭通過車牌的光學識別以及圖案和顏色匹配來立即識別車輛。

　　這將為急救人員在到達現(xiàn)場之前了解情況節(jié)省寶貴的時間。此外，在邊緣采用AI將能夠立即識別制造設(shè)施中業(yè)務(wù)流程的中斷，從而向工廠中的人員提出有關(guān)導致問題的原因(例如組件故障)以及如何產(chǎn)生的建議以最好的方式對事件做出反應(yīng)，以將損失降到最低，并在最快的時間內(nèi)恢復正常運營。

　　在此期間，深度強化學習將頻繁部署到我們周圍的日?；顒又?。熱點容易出現(xiàn)在道路交叉口，車輛之間的有效通信具有挑戰(zhàn)性。無人機可以作為中繼器，具有價格低廉、部署方便、視距鏈接、機動靈活等優(yōu)點。