现如今，我们可以看到“AI+传统行业”，覆盖了医疗、金融、教育、文娱、零售、物流、政务、安防等诸多垂直领域。

▲人工智能行业应用（来源：前瞻产业研究院整理）

传统企业如何在更短的时间内利用AI助力业务突破，欢迎点击链接或扫码下方二维码，我们将为您提供免费咨询服务：https://jinshuju.net/f/zL637q

如果您希望学习更多AI与深度学习相关技术，欢迎添加小助手 gitee2013 回复关键字“AI”进群交流~我们也将提供一系列深度学习资料包：D

AI技术已经开始影响到我们生活的方方面面。AI技术目前分为四个大类：自然语言处理（NLP技术）、计算机视觉（CV技术）、智能语音技术（Speech）、智能推荐技术。

• 典型案例

计算机视觉技术（CV）应用举例

想象一下人类视觉所允许的一切，你就可以开始实现几乎无穷无尽的计算机视觉应用。

• 自主车辆

自动驾驶汽车需要计算机视觉。特斯拉(Tesla)、宝马(BMW)、沃尔沃(Volvo)和奥迪(Audi)等汽车制造商使用多个摄像头、激光雷达、雷达和超声波传感器从环境中获取图像，这样他们的自动驾驶汽车就能探测目标、车道标记、标志和交通信号，从而安全驾驶。

• 谷歌翻译软件

你所需要做的就是把手机摄像头对准这些单词，让谷歌翻译应用程序几乎立刻告诉你它在你喜欢的语言中的意思。通过光学字符识别来查看图像和增强现实来叠加一个精确的翻译，这是一个使用计算机视觉的方便工具。

• 面部识别

中国在使用人脸识别技术方面无疑处于领先地位，他们将其用于警察工作、支付识别、机场安检，以及其他许多应用。

▲北京天坛公园分发厕纸、防止厕纸被盗

• 医疗保健

由于90％的医疗数据都是基于图像的，因此医学中的计算机视觉有很多用途。从启用新的医疗诊断方法到分析X射线，乳房X光检查和其他扫描，以及监测患者以更早发现问题并协助手术。

• 实时运动跟踪

足球和冰球在电视体育节目中的跟踪已经很常见了一段时间，但计算机视觉还有助于比赛和策略分析、球员表现和评级，以及跟踪体育节目中品牌赞助的可见性。

▲通过训练人工智能从声音传感器阵列中筛选信号，系统可以学会分析你的动作——站立、坐着、跌倒、行走

• 农业

约翰迪尔(John Deere)在2019年国际消费电子展(CES 2019)上展示了一种半自动联合收割机，它利用人工智能和计算机视觉来分析收获时的粮食品质，并找出穿过作物的最佳路径。

▲计算机视觉识别杂草有望将所需除草剂的数量减少90%

• 制造业

计算机视觉实现预测性维护，在设备故障导致昂贵的停机之前，用计算机视觉对设备进行监控，以便进行干预。对包装和产品质量进行监控，并通过计算机视觉减少不合格品。

▲智能维护持续改善设备运维绩效。

自然语言处理技术（NLP)应用举例

下面做一些比较简单的举例：

1.词法分析（分词、词性、实体）：

–应用：优酷、YunOS、蚂蚁金服、推荐算法、资讯搜索等

2.句法分析：

–新闻领域、商品评价、商品标题、搜索Query

–应用：资讯搜索、评价情感分析

3.情感分析（情感对象、情感属性、情感属性关联）：

–应用：商品评价、商品问答、品牌舆情、互联网舆情

4.句子生成（句子可控改写、句子压缩）：

–应用：商品标题压缩，资讯标题改写，PUSH消息改写

5.句子相似度（浅层相似度、语义相似度）：

–应用：问大家相似问题、商品重发检测、影视作品相似等

6.文本分类/聚类（垃圾防控、信息聚合）：

–应用：商品类目预测、问答意图分析、文本垃圾过滤、舆情聚类、名片OCR后语义识别等

7.文本表示（词向量、句子向量、篇章向量、Seq2Seq）：

–Word2Vec、LSTM、DSSM、Seq2Seq为基础进行深入研究

8.知识库

–数据规模：电商同义词，通用同义词，电商上下位，通用上下位，领域词库（电商词、娱乐领域词、通用实体词），情感词库

–应用：语义归一、语义扩展、Query理解、意图理解、情感分析

9.语料库

–分词、词性标注数据，依存句法标注数据

智能语音技术应用举例

智能语音主要应用于衣食住行等生活场景，包括智能家居、智能可穿戴设备、智能车载、智能手机等。其中最热门的的应用要属车载语音助理。

智能语音识别控制技术在家居、家电方面的发展机会也非常广泛。语音交互技术正在向家电市场快速渗透，越来越多的家电设备配置语音控制方案。

• 如何让企业业务结合AI技术

 医学领域中，卫生智能服务机器人、智能病毒检测、CT影像智能分析系统、AI测温系统、智能配送机器人等人工智能技术及产品，在医院、交通枢纽、社区等人流密集地区发挥了积极的作用，引起业界广泛关注。

▲火车站里的红外热像仪测体温

越来越多的传统企业技术部门，开始了将AI深度学习应用于业务变革的探索。但受限于深度学习的跨学科学习门槛，较为复杂和不断更新的前沿知识，以及对工业级生产经验的高要求，传统企业如何能建立一支深度学习“正规军”，真正掌握深度学习的应用能力，学以致用，在更短的时间内产生业务突破呢？