首先，人工智能對(duì)計(jì)算能力的要求很高，而以前研究人工智能的科學(xué)家往往受限于單機(jī)計(jì)算能力，需要對(duì)數(shù)據(jù)樣本進(jìn)行裁剪，讓數(shù)據(jù)在一臺(tái)計(jì)算機(jī)里進(jìn)行建模分析，導(dǎo)致模型的準(zhǔn)確率降低。伴隨著分布式計(jì)算能力的迅速發(fā)展，云計(jì)算平臺(tái)可以利用成千上萬(wàn)臺(tái)的機(jī)器進(jìn)行計(jì)算，尤其是GPU的發(fā)展為加速人工智能落地奠定了基礎(chǔ)計(jì)算能力，使得類似于人類的深層神經(jīng)網(wǎng)絡(luò)算法模型為代表的人工智能應(yīng)用成為現(xiàn)實(shí)；

　　其次大數(shù)據(jù)時(shí)代已經(jīng)到來(lái)，多來(lái)源、實(shí)時(shí)、大量、多類型的數(shù)據(jù)可以從不同的角度對(duì)現(xiàn)實(shí)進(jìn)行更為逼近真實(shí)的描述，而利用深度學(xué)習(xí)算法可以挖掘數(shù)據(jù)之間的多層次關(guān)聯(lián)關(guān)系，為人工智能應(yīng)用奠定了數(shù)據(jù)源基礎(chǔ)；

　　第三是算法的發(fā)展尤其是Geof Hinton教授2006年發(fā)表的論文，開(kāi)啟了深度學(xué)習(xí)在學(xué)術(shù)界和工業(yè)界的浪潮，以人工神經(jīng)網(wǎng)絡(luò)(ANN)為代表的深度學(xué)習(xí)算法成為了人工智能應(yīng)用落地的核心引擎。

　　因此，計(jì)算能力+數(shù)據(jù)+算法三者相輔相成、相互依賴、相互促進(jìn)，使得人工智能有機(jī)會(huì)從專用的技術(shù)成為通用的技術(shù)，融入到各行各業(yè)之中。

　　阿里巴巴在人工智能技術(shù)研發(fā)以及應(yīng)用場(chǎng)景方面進(jìn)行了大量的實(shí)踐，通過(guò)在電商、物流和金融相關(guān)的業(yè)務(wù)應(yīng)用場(chǎng)景中不斷積累人工智能核心技術(shù)，并逐漸通過(guò)阿里云ET平臺(tái)輸出到交通、政府、娛樂(lè)等更多的行業(yè)之中。

　　客戶服務(wù)是很多行業(yè)的通用場(chǎng)景，覆蓋銀行、保險(xiǎn)、電信、零售、制造、電商等多個(gè)行業(yè)，過(guò)往這些行業(yè)主要依靠自建或者租用呼叫中心，雇傭大量的客戶服務(wù)人員提供服務(wù)，而大部分企業(yè)的客戶服務(wù)中心都是企業(yè)的成本中心。

　　伴隨著基于人工智能技術(shù)的智能客服的出現(xiàn)和發(fā)展，客服人員可能真會(huì)在不遠(yuǎn)的將來(lái)被機(jī)器替代掉了。Gartner最新報(bào)告預(yù)測(cè)，2020年智能機(jī)器人座席能滿足40%的客服市場(chǎng)需求。未來(lái)，基于人工智能技術(shù)的智能機(jī)器人客服不僅能理解客戶語(yǔ)言的上下文語(yǔ)義，還具備自我學(xué)習(xí)能力，可以理解口語(yǔ)化問(wèn)題、分辨問(wèn)題焦點(diǎn)，大大提升服務(wù)效率和水平，同時(shí)能夠給客戶提供更好的個(gè)性化體驗(yàn)。

　　以2015年7月阿里巴巴集團(tuán)發(fā)布的人工智能購(gòu)物助理虛擬機(jī)器人“阿里小蜜”為例，它的目標(biāo)就是致力于成為會(huì)員的購(gòu)物私人助理，讓會(huì)員專享1對(duì)1的客戶顧問(wèn)服務(wù)、全程陪伴式、安全有保障的購(gòu)物體驗(yàn)。這款應(yīng)用基于語(yǔ)音識(shí)別、語(yǔ)義理解、個(gè)性化推薦、深度學(xué)習(xí)等人工智能技術(shù)，支持上下文理解的多輪對(duì)話，以及個(gè)性化記憶功能，同時(shí)機(jī)器人每天都會(huì)去學(xué)習(xí)幾百萬(wàn)條人工的服務(wù)記錄以及海量的知識(shí)源，自動(dòng)改善智能解決能力。在淘寶和天貓平臺(tái)上，每天有近5萬(wàn)次熱線電話求助，無(wú)線端的在線服務(wù)量更是每天都超過(guò)100萬(wàn)次。

　　目前，“阿里小蜜”在每天應(yīng)對(duì)百萬(wàn)級(jí)服務(wù)量的情況下，智能解決率達(dá)到了接近80%，甚至在部分重點(diǎn)場(chǎng)景上已經(jīng)達(dá)到95%的智能解決率，滿意度比傳統(tǒng)的自助服務(wù)提升了一倍。同時(shí)，阿里巴巴利用人工智能技術(shù)對(duì)客戶服務(wù)質(zhì)量進(jìn)行監(jiān)控，減少人工干預(yù)，大幅提高了服務(wù)質(zhì)量。

　　除了成為客戶服務(wù)助理之外，基于人工智能的虛擬機(jī)器人融入更深入的語(yǔ)音識(shí)別、自然語(yǔ)言處理等技術(shù)，未來(lái)將會(huì)在很多場(chǎng)景下可能成為個(gè)性化助理，為不同的客戶依據(jù)個(gè)性化需求提供不同的服務(wù)，能真正和人進(jìn)行深入溝通，使得機(jī)器與人的交流更加自然、親切和人情味，比如家庭服務(wù)、醫(yī)療服務(wù)、購(gòu)物助手等。

　　計(jì)算機(jī)視覺(jué)技術(shù)是人工智能技術(shù)的核心技術(shù)之一。而作為計(jì)算機(jī)視覺(jué)技術(shù)中的關(guān)鍵基礎(chǔ)，指紋及人臉等生物識(shí)別技術(shù)目前已經(jīng)開(kāi)始應(yīng)用在身份識(shí)別的多個(gè)領(lǐng)域，比如支付寶錢包已經(jīng)能夠支持指紋和人臉識(shí)別的身份認(rèn)證，刷臉支付成為了現(xiàn)實(shí)。

　　在未來(lái)，實(shí)現(xiàn)“所見(jiàn)即所得”會(huì)是電商的重要方向，圖片搜索更將成為人們獲取信息的常態(tài)。圖像識(shí)別在手機(jī)淘寶的“拍立淘”產(chǎn)品中已經(jīng)開(kāi)始應(yīng)用，通過(guò)手機(jī)拍照即可搜索相似商品，2015年雙11當(dāng)天，千萬(wàn)消費(fèi)者使用了“拍立淘”功能，創(chuàng)造了超過(guò)數(shù)千萬(wàn)元的銷售額。

　　圖中文字識(shí)別（OCR）一直是計(jì)算機(jī)視覺(jué)領(lǐng)域的難點(diǎn)。阿里巴巴平臺(tái)很多營(yíng)銷創(chuàng)意、商品都以圖片形式存在，同時(shí)，也有一些商家在圖片中內(nèi)嵌違規(guī)的信息實(shí)現(xiàn)惡意推廣的目的，圖片內(nèi)文字違規(guī)是比例相當(dāng)大的一類，而傳統(tǒng)監(jiān)控手段多以人工肉眼來(lái)審核，費(fèi)時(shí)費(fèi)力，尤其是隨著圖片數(shù)量越來(lái)越大，這幾乎已成為不可完成的任務(wù)。從2014年開(kāi)始，阿里媽媽圖像團(tuán)隊(duì)開(kāi)始重點(diǎn)攻堅(jiān)O(shè)CR技術(shù)，通過(guò)機(jī)器視覺(jué)的方式從圖片中識(shí)別出文字，從而鑒別出違規(guī)的文案信息。

　　2016年6月，阿里巴巴旗下廣告交易平臺(tái)阿里媽媽圖像團(tuán)隊(duì)的OCR（圖中文字識(shí)別）技術(shù)刷新了ICDAR Robust Reading競(jìng)賽數(shù)據(jù)集的全球最好成績(jī)，并大幅超越第二名。借助這一領(lǐng)先的OCR技術(shù)，阿里媽媽圖像團(tuán)隊(duì)能夠以95%的超高準(zhǔn)確率識(shí)別圖中違規(guī)文字信息，有效過(guò)濾商家惡意推廣，維護(hù)消費(fèi)者權(quán)益。2015年，阿里媽媽累計(jì)屏蔽了4600萬(wàn)條惡意推廣。

　　阿里綠網(wǎng)依托于阿里巴巴全生態(tài)體系，擁有海量的特征樣本及豐富的數(shù)據(jù)模型分析經(jīng)驗(yàn)，也利用OCR技術(shù)進(jìn)行了黃色圖片鑒別。根據(jù)技術(shù)人員的測(cè)試，通過(guò)人工智能技術(shù)鑒別黃色圖片，準(zhǔn)確率高達(dá)99.6%以上。

　　人工智能未來(lái)會(huì)重構(gòu)金融服務(wù)的生態(tài)，成為普惠金融的基石，金融的個(gè)性化、場(chǎng)景化服務(wù)成為主要?jiǎng)?chuàng)新方向。伴隨著基于大數(shù)據(jù)的機(jī)器學(xué)習(xí)算法的發(fā)展以及語(yǔ)音識(shí)別、人臉識(shí)別、自然語(yǔ)言處理技術(shù)的日趨成熟，螞蟻金服已經(jīng)將人工智能技術(shù)運(yùn)用于螞蟻微貸、保險(xiǎn)、征信、風(fēng)險(xiǎn)控制、客戶服務(wù)等多個(gè)領(lǐng)域。比如通過(guò)機(jī)器學(xué)習(xí)技術(shù)把螞蟻微貸和花唄的虛假交易率降低了10倍。為支付寶的證件審核系統(tǒng)開(kāi)發(fā)的OCR系統(tǒng)，使證件校核時(shí)間從1天縮小到1秒，同時(shí)提升了30％的通過(guò)率。2015年“雙11”期間，螞蟻金服95%的遠(yuǎn)程客戶服務(wù)已經(jīng)由智能機(jī)器人完成，同時(shí)實(shí)現(xiàn)了100%的自動(dòng)語(yǔ)音識(shí)別。

　　螞蟻金服與保險(xiǎn)公司合作的“航空退票險(xiǎn)”上線之后賠付率一度高達(dá)190%，保險(xiǎn)公司面臨巨大的虧損壓力。通過(guò)引入機(jī)器學(xué)習(xí)技術(shù)，大數(shù)據(jù)技術(shù)建模、優(yōu)化后，有效地降低了賠付率，并成功扭虧為盈，滿足了保險(xiǎn)公司的核保要求。

　　從交通的角度來(lái)看，今天的交通擁堵對(duì)于城市管理者來(lái)說(shuō)是個(gè)很大的難題，對(duì)于出行者來(lái)說(shuō)路徑的選擇也一直是個(gè)問(wèn)題；想像一下伴隨著基于人工智能的無(wú)人駕駛汽車、無(wú)人機(jī)、送貨機(jī)器人等產(chǎn)品的問(wèn)世和成熟，交通管理的范疇將會(huì)變得更加復(fù)雜多變。阿里巴巴在利用人工智能技術(shù)實(shí)現(xiàn)交通狀況的預(yù)測(cè)、控制和管理方面進(jìn)行了一些有益的探索。

　　在交通擁堵控制和預(yù)測(cè)方面，基于交通歷史數(shù)據(jù)，實(shí)時(shí)路況數(shù)據(jù)，手機(jī)基站信令數(shù)據(jù)，視頻監(jiān)控?cái)?shù)據(jù)，信號(hào)燈運(yùn)行數(shù)據(jù)等多數(shù)據(jù)源的整合，使用人工智能中的機(jī)器學(xué)習(xí)算法，可以實(shí)現(xiàn)交通擁堵的提前預(yù)測(cè)，并提醒管理者提前采取相應(yīng)措施，同時(shí)也能幫助交通管理部門進(jìn)行道路的更合理規(guī)劃設(shè)計(jì)和對(duì)交通信號(hào)裝置等相關(guān)因素進(jìn)行調(diào)整，降低路況擁堵率。比如，為了解決擁堵難題，廣州市交警近日引入人工智能技術(shù)阿里云ET搭建了“互聯(lián)網(wǎng)+信號(hào)燈”控制優(yōu)化平臺(tái)。據(jù)了解，ET可對(duì)路口車輛運(yùn)行情況進(jìn)行分析，并輸出對(duì)紅綠燈時(shí)間的調(diào)整建議。試點(diǎn)結(jié)果顯示，部分路段擁堵指數(shù)下降超25%。

　　同時(shí)，大數(shù)據(jù)與機(jī)器學(xué)習(xí)能力的結(jié)合還能夠幫助出行者實(shí)現(xiàn)更優(yōu)質(zhì)的智能出行決策，可以根據(jù)用戶地域、距離、時(shí)長(zhǎng)、工具等不同場(chǎng)景學(xué)習(xí)不同的出行決策，形成出行決策模型；根據(jù)用戶的定位數(shù)據(jù)、出行數(shù)據(jù)、反饋數(shù)據(jù)，也可以為用戶提供省時(shí)、省力以及舒適性的偏好決策模型。比如，高德推出高德地圖AI引擎，該引擎將基于高德出行大數(shù)據(jù)和機(jī)器學(xué)習(xí)能力，面向不同環(huán)境和需求，為用戶提供“千人千面”的位置出行服務(wù)。

　　根據(jù)Gartner預(yù)測(cè)，到2018年，客戶數(shù)字助手將能跨渠道和合作伙伴識(shí)別人臉和聲音：機(jī)器在傾聽(tīng)指令和告訴我們?cè)撟鍪裁瓷媳日嫒吮憩F(xiàn)更好。語(yǔ)音識(shí)別和自然語(yǔ)言處理技術(shù)基礎(chǔ)上的人工智能應(yīng)用場(chǎng)景非常豐富，速記員和書記員的未來(lái)可能被智能機(jī)器人替代。

　　比如，在今年的阿里云2016年會(huì)上，阿里云ET的速記能力就曾在準(zhǔn)確率方面以0.67%的微弱優(yōu)勢(shì)戰(zhàn)勝第50屆國(guó)際速聯(lián)速記大賽全球速記亞軍姜毅。9月13日，浙江省高級(jí)人民法院對(duì)外宣布，將在全省105家法院全面上線智能語(yǔ)音識(shí)別系統(tǒng)。該系統(tǒng)由阿里云人工智能ET提供技術(shù)支持，能夠快速、準(zhǔn)確的完成庭審記錄，承擔(dān)起“書記員”的角色。3個(gè)月前，系統(tǒng)曾在西湖區(qū)人民法院試點(diǎn)，準(zhǔn)確率高達(dá)96%。這些都是阿里人工智能技術(shù)與行業(yè)應(yīng)用場(chǎng)景落地的案例。

　　當(dāng)然，目前的時(shí)代依然是弱人工智能時(shí)代，人工智能技術(shù)還主要為了解決特定的問(wèn)題而存在，是任務(wù)型的人工智能，未來(lái)能否真的擁有人一樣的思考、感知和認(rèn)知能力還有很長(zhǎng)的一段路要走。但總起來(lái)看，我們認(rèn)為人工智能會(huì)有非常廣泛的應(yīng)用場(chǎng)景，既有通用的跨行業(yè)的場(chǎng)景，比如客戶服務(wù)，個(gè)性化推薦，身份識(shí)別，網(wǎng)絡(luò)營(yíng)銷，風(fēng)險(xiǎn)控制等；也會(huì)有針對(duì)某些特定行業(yè)的場(chǎng)景，比如交通出行、金融投資、醫(yī)療問(wèn)診、娛樂(lè)、制造、教育等行業(yè)的應(yīng)用。