2017年面向大数据的人工智能技术综述报告
2017人工智能发展纲要全文
2017人工智能发展纲要全文一、战略目标和愿景随着科技的不断进步和社会的快速发展，人工智能已经成为了新一轮产业变革的重要驱动力。
为了加快我国人工智能产业的发展，提升国家竞争力，本纲要提出了我国人工智能发展的战略目标和愿景。
战略目标：到2020年，我国人工智能总体技术和应用与世界先进水平同步，人工智能产业成为新的重要经济增长点，人工智能技术应用成为改善民生的新途径，有力支撑进入创新型国家行列和实现全面建成小康社会的奋斗目标。
愿景：到2030年，我国人工智能理论、技术与应用总体达到世界领先水平，成为世界主要人工智能创新中心，智能经济、智能社会取得明显成效，为跻身创新型国家前列和经济强国奠定重要基础。
二、关键技术领域为实现战略目标，本纲要明确了人工智能发展的八个关键技术领域，包括：计算机视觉、机器学习、自然语言处理、机器人技术、虚拟现实与增强现实、物联网与云计算、人工智能硬件及系统。
三、基础设施建设为了支撑人工智能技术的发展，需要加强基础设施建设。
本纲要提出建设智能化信息基础设施、构建基础服务平台、加强网络安全保障体系等措施。
四、产业体系发展本纲要提出加快培育智能经济产业体系、提升智能社会水平、推动产业智能化升级等措施。
重点发展智能制造、智能农业、智能家居、智能医疗等产业，加快智能交通、智慧物流等建设。
五、人才队伍培养为了培养人工智能人才，本纲要提出加强人才培养体系建设。
加强学科建设，鼓励企业与高校合作，建设人才实训基地等措施。
六、政策法规保障为保障人工智能的健康发展，需要加强政策法规保障。
本纲要提出完善政策法规体系，加强标准化建设等措施。
七、国际合作与交流为了推动人工智能技术的国际合作与交流，本纲要提出积极参与国际标准制定、加强国际交流与合作等措施。
人工智能研究现状综述doc
人工智能研究现状综述.doc 人工智能（Artificial Intelligence，简称 AI）已经成为当今世界上最受关注和最具潜力的技术领域之一。
在过去的几十年里，人工智能已经经历了许多重要的里程碑，包括机器翻译、自然语言处理、计算机视觉、专家系统等。
随着技术的不断进步，人工智能的应用范围也越来越广泛，涉及到医疗、金融、制造业、零售业、交通运输等多个领域。
一、人工智能研究现状目前，人工智能研究已经进入了一个全新的阶段。
在基础研究方面，深度学习、强化学习、迁移学习等新型机器学习方法逐渐成为了研究的主流方向。
其中，深度学习是最具代表性的方法之一，它可以自动提取数据中的特征，并建立更加复杂的模型，从而实现更加精准的预测和决策。
强化学习则是一种通过试错学习的机器学习方法，它可以在没有先验知识的情况下，通过与环境的交互来逐渐学习并优化自己的行为。
迁移学习则是一种将从一个任务上学到的知识应用到另一个任务上的机器学习方法。
这些方法各自具有不同的优点和适用范围，它们的组合使用可以大大提高模型的性能。
除了基础研究之外，人工智能在实际应用方面也取得了许多重要的进展。
在医疗领域，人工智能可以用于疾病的早期诊断和治疗方案的制定。
在金融领域，人工智能可以用于风险评估、投资决策等。
在制造业领域，人工智能可以用于生产过程的优化和智能制造等方面。
在零售业领域，人工智能可以用于精准营销和智能推荐等方面。
在交通运输领域，人工智能可以用于智能交通管理和智能驾驶等方面。
二、人工智能研究中存在的问题尽管人工智能已经取得了许多重要的进展，但是它仍然存在着许多问题需要解决。
其中最突出的问题就是如何提高人工智能的泛化能力和鲁棒性。
目前，许多人工智能模型都是在大量的标注数据上进行训练的，这些数据的质量和数量都会直接影响到模型的性能。
然而，在实际应用中，往往存在着数据匮乏或者数据质量不高的问题，这会导致模型的性能下降。
因此，如何提高模型的泛化能力和鲁棒性，使其能够更好地适应不同的场景和任务，是当前人工智能研究的一个重要方向。
有关人工智能的综述
有关人工智能的综述一、人工智能综述1.人工智能的起源在AI历史上，有逻辑规律和统计规律之争，具体而言，人工智能有两大主流学派符号主义：又称为计算主义或逻辑主义，它认为智能需要通过精确的逻辑推理计算实现。
这是传统的人工智能方法，最典型的例子是专家系统和知识库，现在有了一个更优雅的名字，叫知识图谱。
统计主义：它更注重从数据和经验中学习统计规律。
目前绝大多数机器学习方法都属于统计主义，因为我们目前仍然缺乏让电脑自动提炼和运用逻辑规律的有效方法。
这两大学派各有所长，都经历过数次兴衰，人工智能也曾经理两次浪潮与两次低谷，目前我们正位于第三次浪潮，而这一切与计算机硬件的发展有着密不可分的联系。
在两千多年前，从春秋战国时期《列子》中描述的偃师造人，到古希腊传说中的青铜机器人Talos，人类就曾梦想创造出与人类具有相同行为模式的智能机器。
而17世纪Leibnitz的数学逻辑与Pascal 的机器加法机，可谓是人工智能算法和硬件的先驱。
部分摘自《深度卷积网络-原理与实践》一书2.人工智能的范畴亚瑟·塞缪尔（1959），机器学习：使计算机无需明确编程就能学习的研究领域。
Tom Mitchell（1998）学习问题：一个计算机程序被称为从经验E中学习关于某个任务T和某个性能度量P，如果它在T上的性能（用P度量）可以随着经验E的提高而提高。
3.人工智能研究方向–技术分类人类语言技术（包括自然语言处理及语音技术）计算机视觉（包括图像、视频及三维视觉等）机器人与自动化技术（自动驾驶技术等）机器学习算法（深度学习与强化学习等）智能基础设施（芯片、云计算与物联网等）数据智能技术（大数据、知识图谱与推荐系统等）前沿智能技术（脑机接口、量子计算与沉浸式技术等）4.人工智能研究方向5.论文收录方向6.人工智能应用状况企业和政府对人工智能的应用逐渐升温。
在决定企业产生经济效益的各个环节，都已经能够看到人工智能的身影：AI帮助人们安全生活、远程交易、边界通行；深度学习和知识图谱帮助企业在生产过程中分析预测、科学决策；人机对话提升了拜访等级、服务响应中的用户体验。
人工智能调查报告
关于人工智能的调查报告目录前言 (2)一、人工智能的定义 (3)二、人工智能的研究发展阶段 (3)三、人工智能的研究方法 (4)四、人工智能在人类生活中的应用 (5)五、人工智能发展的利 (6)六、人工智能发展的弊 (7)七、人工智能的影响 (7)八、人工智能的研究热点 (7)九、人工智能的研究价值 (8)十、展望人工智能 (8)总结 (9)前言通过这段时间对人工智能的调查、研究、学习,我对人工智能有了更深的认识。
我理解的人工智能就是对人的意识、思维的信息过程的模拟。
人工智能不是人的智能,但能像人那样思考、也可能超过人的智能。
人工智能是计算机学科的一个分支，二十世纪七十年代以来被称为世界三大尖端技术之一（空间技术、能源技术、人工智能）。
也被认为是二十一世纪三大尖端技术（基因工程、纳米科学、人工智能）之一。
这是因为近三十年来它获得了迅速的发展，在很多学科领域都获得了广泛应用，并取得了丰硕的成果，人工智能已逐步成为一个独立的分支，无论在理论和实践上都已自成一个系统.人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。
人工智能在计算机领域内，得到了愈加广泛的重视。
并在机器人，经济政治决策，控制系统，仿真系统中得到应用.人工智能是研究使计算机来模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）的学科，主要包括计算机实现智能的原理、制造类似于人脑智能的计算机，使计算机能实现更高层次的应用。
一、人工智能的定义人工智能的定义可以分为两部分，即“人工"和“智能”。
“人工”比较好理解，争议性也不大.有时我们会要考虑什么是人力所能及制造的，或者人自身的智能程度有没有高到可以创造人工智能的地步,等等。
但总的来说,“人工系统”就是通常意义下的人工系统。
［1] 关于什么是“智能"，就问题多多了。
这涉及到其它诸如意识（CONSCIOUSNESS）、自我（SELF）、思维（MIND)（包括无意识的思维(UNCONSCIOUS_MIND））等等问题.人唯一了解的智能是人本身的智能，这是普遍认同的观点。
2017年人工智能行业现状与发展趋势报告
目录CONTENTS1人工智能行业产业链结构2人工智能行业整体市场发展3人工智能行业投资现状4人工智能行业发展前景人工智能行业产业链结构l人工智能产业链结构l人工智能基础技术提供平台l人工智能技术平台l人工智能应用领域PART 01人工智能产业链结构人工智能产业链的主要包含三个核心环节——基础技术、人工智能技术和人工智能应用。
其中，基础技术主要包括数据平台、数据存储以及数据挖掘等，人工智能技术包括语音识别、自然语言处理、图像识别和生物识别等，人用智能应用有工业4.0、无人驾驶汽车、智能家居、智能金融、智慧医疗、智能营销、智能教育以及智能农业等。
基础技术支撑数据平台数据存储数据挖掘计算智能语音识别自然语音处理图像识别生物识别感知智能机器学习预测类API 人工智能平台认知智能工业4.0无人驾驶汽车智能家居智能金融智慧医疗智能营销智能教育智能农业基础技术支撑人工智能技术人工智能应用人工智能产业链结构IaaS代表企业：阿里云、电信天翼云、联通沃云、Ucloud 、青云、万国数据、首都在线等。
基础设施即服务，它是把ICT 基础设施作为一种服务提供的商业模式。
用户通过Internet 可以从服务提供商那里得到完善的计算机基础设施服务。
这些服务包括服务器或虚拟服务器的计算资源、处理能力及基础网络。
PaaS代表企业：科大讯飞、环信、容联、亲加、云知声、思必驰等。
PaaS 的功能主要体现在将现有各种业务能力进行整合，向下根据业务能力需要测算基础服务能力，通过IaaS 提供的API 调用硬件资源，向上提供业务调度中心服务，实时监控平台的各种资源，并将这些资源通过API 开放给SaaS 用户。
SaaS代表企业：百度云、用友云、浪潮、 Ucloud、 Oracle、Infor、Microsoft 等。
SaaS 是一种通过Internet 提供软件的模式，厂商将应用软件统一部署在自己的服务器上，客户可以根据自己实际需求，通过互联网向厂商定购所需的应用软件服务，按定购的服务多少和时间长短向厂商支付费用，并通过互联网获得厂商提供的服务。
人工智能新技术发展综述报告范文
人工智能新技术发展综述报告范文一、自然语言处理技术的突破自然语言处理（NLP）技术一直是人工智能领域的研究热点之一。
近年来，随着深度学习算法的快速发展，自然语言处理技术取得了巨大的突破。
2018年，谷歌发布了BERT模型，该模型在多项NLP任务中取得了state-of-the-art的表现，大大提升了文本理解和语言生成的能力。
GPT-3模型更是在语言生成方面达到了前所未有的水平，展现出了惊人的创造力和表达能力。
二、计算机视觉技术的深度发展计算机视觉技术在人工智能领域的应用也取得了长足的进步。
随着卷积神经网络（CNN）的不断优化和改进，计算机视觉算法在图像识别、物体检测、图像生成等方面取得了显著成果。
深度学习模型如YOLO、Mask R-CNN等在目标检测和图像分割领域表现出色，推动了计算机视觉技术的发展。
三、强化学习技术的新应用强化学习作为人工智能的重要分支，近年来也取得了许多突破性的进展，在游戏、机器人控制、自动驾驶等领域都有了广泛的应用。
以AlphaGo为代表的基于强化学习的人工智能系统成功击败了多名国际围棋高手，引起了全球范围内的热烈讨论。
强化学习在自动驾驶领域也取得了重大突破，许多公司都在积极探索基于强化学习的自动驾驶技术。
四、应用领域的拓展与融合人工智能技术的应用领域也在不断拓展和融合，涉及医疗、金融、农业、制造等多个行业。
在医疗领域，人工智能技术已经被成功应用于疾病诊断、药物研发、健康管理等方面；在金融领域，人工智能技术被用于风险预测、欺诈检测、交易智能等方面。
这些领域的拓展与融合为人工智能技术的发展提供了更广阔的空间。
五、未来发展趋势展望随着人工智能技术的不断进步，未来的发展方向将更加注重人工智能与其他领域的融合，例如人工智能与物联网、生物医学、无人机等领域的结合将会成为未来的研究热点。
人工智能技术的发展还将更加注重对技术伦理、安全和隐私保护的关注，建立人工智能技术的良性发展框架，为人工智能技术的未来发展打下良好的基础。
论文文献综述计算机科学与技术领域的最新成果与前瞻性研究
论文文献综述计算机科学与技术领域的最新成果与前瞻性研究计算机科学与技术领域一直是科技领域中备受关注的热门领域之一，随着科技的不断发展和进步，计算机科学与技术领域的研究也在不断取得新的突破和成果。
本文将对计算机科学与技术领域的最新成果和前瞻性研究进行综述，以期为相关研究人员提供一定的参考和启发。
一、人工智能领域人工智能作为计算机科学与技术领域的一个重要分支，在近年来取得了许多令人瞩目的成果。
深度学习作为人工智能的一个重要技术手段，已经在图像识别、自然语言处理等领域取得了显著的成就。
同时，强化学习作为人工智能的另一项重要技术，在机器人控制、游戏策略等方面也表现出色。
未来，人工智能有望在医疗诊断、智能交通等领域发挥更大的作用。
二、大数据与数据挖掘随着互联网的快速发展，大数据技术在计算机科学与技术领域的应用越来越广泛。
大数据技术不仅可以帮助企业更好地理解用户需求，提升服务质量，还可以为科研人员提供更多的数据支持。
数据挖掘作为大数据技术的重要组成部分，可以帮助人们从海量数据中发现有价值的信息，为决策提供科学依据。
三、物联网技术物联网技术是近年来备受关注的研究热点之一，它将传感器、通信技术和云计算技术相结合，实现了各种设备之间的互联互通。
物联网技术在智能家居、智慧城市等领域有着广阔的应用前景，未来将会对人们的生活产生深远的影响。
四、区块链技术区块链技术作为一种去中心化的分布式账本技术，近年来备受关注。
区块链技术的出现，为信息的安全传输和存储提供了全新的解决方案，同时也为数字货币的发展提供了技术支持。
未来，区块链技术有望在金融、供应链管理等领域发挥更大的作用。
五、量子计算量子计算作为计算机科学与技术领域的一个前沿领域，近年来取得了一系列重要的突破。
量子计算的出现，为解决传统计算机无法解决的复杂问题提供了新的思路和方法。
未来，量子计算有望在密码学、材料科学等领域发挥重要作用。
综上所述，计算机科学与技术领域的最新成果和前瞻性研究涉及到人工智能、大数据与数据挖掘、物联网技术、区块链技术、量子计算等多个方面。
Spark大数据技术与人工智能的融合研究综述
Spark大数据技术与人工智能的融合研究综述在过去的几年里，随着大数据和人工智能技术的飞速发展，它们的融合已经成为专业领域和企业非常关注的话题。
特别是Spark大数据技术的出现和迅猛的发展，为实现大数据和人工智能的融合提供了强有力的工具和平台。
Spark是一种快速、通用的大数据处理引擎，它具有高可扩展性、高性能和灵活的特点。
Spark的出现解决了分布式数据处理的痛点，大大提高了处理大规模数据的效率。
而人工智能技术则强调利用计算机学习和智能算法来模拟和实现人的智能，从而实现更自动化、智能化的数据处理和分析。
将Spark大数据技术与人工智能相结合，可以实现更高效、智能的数据处理和分析。
首先，Spark可以为人工智能算法提供强大的计算能力和分布式处理能力，使得人工智能算法可以更加高效地处理大规模数据。
其次，Spark提供的实时处理和流式计算功能，可以使得人工智能算法能够实时地对数据进行处理和分析，从而更好地满足实时决策和应用的需求。
此外，Spark还提供了丰富的数据处理和机器学习工具，可以帮助开发人员更方便地开发和部署人工智能模型。
Spark大数据技术与人工智能的融合在许多领域都有广泛的应用。
首先，在智能推荐系统方面，Spark大数据技术可以对用户的行为数据和个人喜好进行实时分析，为用户推荐个性化的产品或服务。
其次，在自然语言处理方面，Spark可以对大规模的文本数据进行处理和分析，实现自然语言理解和机器翻译等任务。
此外，在图像识别和计算机视觉方面，Spark可以高效地处理大规模的图像数据，实现人脸识别、图像分类等任务。
然而，Spark大数据技术与人工智能的融合也面临一些挑战和问题。
首先，大数据处理的效率和成本问题。
尽管Spark具有高性能和高可扩展性，但是在处理大规模数据时，仍然需要投入大量的计算资源和存储设备，造成了较高的成本。
其次，算法的复杂性和模型的可解释性问题。
人工智能算法和模型往往非常复杂且难以解释，这给算法开发和应用带来了一定的困难。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
面向大数据的人工智能技术综述报告【摘要】本文通过分析人工智能技术当前的主流分类及所采用的核心技术，对其现状进行梳理，据此总结出目前所存在的问题及难点，并在上述研究和分析的基础上，探讨在大数据快速发展的背景下，人工智能技术的发展趋势和关键技术领域，就面向大数据的人工智能技术未来发展的相互关系和潜力进行一些初步探讨，提出可以利用大数据完善人工智能技术的建议。
【关键词】面向大数据；人工智能；发展趋势引言2016年正好是人工智能诞生60周年，它从科学成果逐渐转化为商业应用成果，并在人们的生活中逐渐起到越来越重要的作用。
近年来，人工智能技术日益融入金融、科研等各个领域，随之而来的是大量的新型信息数据和资料的产生。
当人工智能遇上大数据，究竟会引爆怎样一种改变世界的力量？是更大的数据让人工智能凸显出独立性，还是更强的算法成就了机器的自我学习？对于进入机器学习的时代，应用需求已经超越了原来普通的编程和数据库所能提供的解决范畴，面对空前庞大的数据量，通过人工智能技术将可能提供智能化的处理服务解决方案。
面对大量的数据，如何进行整合处理，将大数据用于实时分析并对未来预测，使当下获取到的数据信息能进行有利于现有行为的分析预测，转化为有利的资源，俨然成为新的思潮。
１.研究背景1.1 大数据和人工智能的概念什么是大数据？是技术领域发展趋势的一个概括，这一趋势打开了理解世界和制定决策的新办法之门。
根据技术研究机构IDC的预计，大量新数据无时不刻不在涌现，它们以每年50%的速度在增长，或者说每两年就要翻一番多。
并不仅仅是数据的洪流越来越大，而且全新的支流也会越来越多。
比方说，现在全球就有无数的数字传感器依附在工业设备、汽车、电表和板条箱上。
它们能够测定方位、运动、振动、温度、湿度、甚至大气中的化学变化，并可以通信。
将这些通信传感器与计算智能连接在一起，你就能够看到所谓的物联网或者工业互联网的崛起。
大数据技术是继移动互联技术和云计算技术之后一项颠覆性的信息技术，它使得我们拥有了对一些数量巨大、种类繁多、价值密度极低、本身快速变化的数据有效和低成本存取、检索、分类、统计的能力。
但这并不意味着我们今天能够有效和低成本地了解这些数据中蕴藏的巨大价值，尤其是这些数据中隐性的社会科学规律和经验所代表的巨大价值。
所幸，人工智能领域的一些理论和比较实用的方法，已经开始用于大数据分析方面，并显现出初步令人振奋的结果。
人工智能的具体概念是美国斯坦福大学人工人工智能研究中心尼尔逊教授提出的。
人工智能是关于知识的学科，是如何表达知识以及怎样获取知识并实际应用的科学技术。
通过人工智能机器为载体，使机器具有一定人的表达能力与思维方式。
这点是人工智能最基本的概念，智能化的研究人类的行为与思维特点，以知识为对象，研究如何获取知识，并如何表达和具体使用。
人工智能领域的一些理论和比较实用的方法，能够显著和有效地提升我们所拥有的大数据的使用价值，与此同时，大数据技术的发展也将在为人工智能提供用武之地的同时，唤醒人工智能巨大的潜力，从而使这两个领域的技术和应用出现加速发展的趋势。
1.2 发展现状分析虽然大数据目前在国内还处于初级阶段，但是商业价值已经显现出来。
大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。
换言之，如果把大数据比作一种产业，那么这种产业实现盈利的关键，在于提高对数据的“加工能力”，通过“加工”实现数据的“增值”。
时至今日，包括IBM、HP、EMC、Oracle、微软、Intel、TeraData等的IT 企业纷纷推出自己的大数据解决方案。
大数据技术应用前景广阔，2012年大数据市场已经达到116亿美元。
IDC预计，到2017年，大数据市场将到达470亿美元。
人工智能技术自五十年代以来发展至今，整体技术上也有了明显的提高。
在整个过程中，经历过高潮与低谷。
对待人工智能技术的研讨方案也有很多种，其科学家内部都存在较大的歧义。
但无论如何，在激烈的讨论声中人工智能的整体技术水平在不断提高，也越来越复杂，功能与思维越来越多。
现如今，人工智能已经全面覆盖于社会的方方面面，对人类的正常生活工作影响巨大。
传统的人工智能技术通过历史数据分析得出未来的发展趋势，相对于以往的主观判断决策是一大进步，并在某种程度上进行模型分析，提供数据支撑，为进行决策提供技术支持和依据，有一定的科学性和合理性。
但与此同时，分析和利用历史数据存在风险性，就如同看着后视镜开车，所看到的都是已发生的事情，无法更准确地预见未来。
具有局限性，传统方法难以解决复杂问题，且缺少相关知识和推理原则机制，无法有效支撑智能思维。
过于简单化，传统人工智能往往只对数据进行直接和简单的处理，只能采集整个数据库中很小的一部分资源，而隐藏在这些数据之间的关联信息、对数据特征的描述及预测信息不得而知。
要想解决上述问题，研究发展创新面向大数据的人工智能技术迫在眉睫。
在信息具有多元多样化特点的今天，人工智能技术的发展面临的瓶颈不仅在于要面对庞大的数据量，还在于对数据的处理速度和多样性提出的要求。
基于大数据仓库、联机分析处理及数据挖掘实现智能分析和辅助决策支持，应运而生。
到目前为止，大数据技术已能够有效地对一些数量巨大、种类繁多、价值密度极低、本身快速变化的数据有效和低成本存取已有的人工智能技术已经能够使大数据的使用价值凸显出来，初步展现大数据的价值。
2.发展应用2.1 种类目前在各个领域，人工智能应用广泛，在某些程度上极大的方便了人类的正常生活与工作。
人工智能种类较多，如机器视觉、指纹识别、人脸识别、视网膜识别、虹膜识别、专家系统、智能搜索等等。
目前这些人工智能都属于弱人工智能，暂时智能按指定程序对机器进行指挥下达命令，并不具备人类的意识与行为。
但随着科学技术的飞快发展。
未来的人工智能水平将会走上一个新的高度。
这一具体走向并不是人为所能控制的，而是因时代的需要必然会出现的。
2.2 整体技术人工智能相对于其他智能技术来说，属于一种比较另类的科学技术。
目前，因技术本身的局限性，人工智能技术并没有全面普及，即使已经普及的地方，也都是弱人工智能，并不是科学家所要真正实现的人工智能。
在我们的手机与电脑中都可以看到人工智能的影子。
就拿当今功能强大的智能手机来说，指纹识别或智能语音搜索等相关技术引擎皆为低端人工智能技术的研究成果，通过人的行为或特征对设备下达指令，从而实现智能化系统的工作。
当前应用于该方面的人工智能技术极为简单，对人类有明显的帮助，并没有任何威胁。
2.3 应用领域人工智能的应用域非常广泛，下面将具体从几个方面进行说明：机器人目前机器人已经能在受控制的条件下进行一些自动化操作，比如汽车制造。
不过让它们像人类一样做出复杂的行为仍旧十分困难。
尽管如此，一些前沿机器人的表现还是令人惊叹，它们可以解放人类劳动力，从事一些更具创造性的工作。
如亚马逊的机器人大军就能林立的货架中取出物品交给人类。
研究人员正在训练机器人读取人类行为的信息，从而能在更复杂的项目上与人类合作。
人类和机器可以各发挥所长，人类更灵巧，而机器人的动作更精确。
机器学习它是近20多年兴起的一门多领域交叉学科，涉及概率论、统计学、逼近论等多门学科。
机器学习的目的是从数据中自动分析并获得规律，并利用规律对未知数据进行预测。
目前机器学习已经广泛应用于我们的生活中，例如互联网搜索、垃圾邮件过滤、机器翻译、在线广告、手写识别等。
然而机器学习本身也有硬伤，即容易过拟合和容易引起维数灾难。
而且经典的机器学习算法并不能真正表达“学习”的过程，无法产生具有确切现实意义的事物的概念，比如人脸识别，其实机器并没有得到“人脸”真正的实际意义，只是把人脸与其他事物区分开来。
大数据下的“精准”生活比如出门问问在谷歌眼镜上装置了第一款中文语音搜索应用，当你戴上这款眼镜时，你就能看到眼前出现“开始语音问答”字眼，然后你只需说出“附近有什么饭店”、“银行在哪里”…眼镜上就会自动出现附近饭店、银行所在的位置等信息，然后你可以挑选一家，眼镜上接着出现路线导航。
除了这些服务，更难得的是，人的语音有普通话、方言，还有带有各种口音的普通话。
该中文语音搜索能利用大数据来理解各种场景和口音，进行智能化判断。
此外，用户利用GPS传感器搜索导航、收听音乐等，每天会产生很多数据，服务器能收集数据并进行处理，在未来可为用户提供更智能、快捷服务。
通过搜索数据，拥堵景点、路线早知道大数据在热点检索中也有很好的应用。
如在长假前，很多人在网络上搜索旅游景点、旅店、火车与飞机航班信息等，由此可分析得出哪些旅游景点和交通路线会发生拥塞。
如去年国庆节，九寨沟景点极度拥堵。
该情况已引起有关部门的重视，一些省的旅游局已与百度达成协议，让百度通过搜索情况，提前预警哪些时候哪些地方会出现旅游拥堵。
对零售商的贡献沃尔玛和Kohl’s等世界著名的零售商，通过分析销售、定价和经济、人口、天气方面的数据来为特定的门店选择合适的产品，并确定降价的时机。
物流公司，如UPS，挖掘货车交付时间和交通模式方面的数据以调整路线。
全球最大的传统零售业巨头，沃尔玛自然不会忽略现在如日中天的移动互联网浪潮。
在其收购了一系列电商创业公司之后，沃尔玛实验室试图通过大数据挖掘技术来改变现在的电子商务市场。
而沃尔玛这个零售商巨头企业不仅在大数据挖掘方面投入较大，在具体销售过程中也有自己的特色，比如我们耳熟能详的啤酒尿布的故事就是该企业通过大数据挖掘以后得出的结论，他们在这样的搭配销售中尝到了甜头，由此也证实了大数据挖掘的必要性。
作为一家传统的零售业企业，能够在移动互联网和大数据挖掘上投入如此多的财力物力，说明沃尔玛已经看到了未来大数据的重要性。
而在沃尔玛的带领下，相信未来传统企业也会更快的踏入大数据时代。
购物传感数据，精准找到最佳顾客大数据还能精准针对顾客来投放广告。
举例来说，美国超市的最好顾客是女性顾客，特别是孕妇。
超市发现，孕妇会关注或购买一些没有刺激性的化妆品，还关心婴幼儿用品。
但关心不等于购买，超市无法从购物数据上找到这些最佳顾客。
那该怎么办呢？于是，超市在推车上安装GPS和传感器，只要顾客在没有刺激性化妆品或婴幼儿用品柜台前站立时间长，尽管不购买这些商品，但超市也知道哪些顾客在关注这些商品，进而判断该顾客是否是孕妇或准备怀孕，并把相应广告发送到这些顾客的手上。
3.发展前景建立具有真正意义的人工智能系统，是人类一直以来的梦想。
面向大数据的人工智能的研究近来呈现出螺旋上升式发展态势，大数据时代的到来，赋予人工智能新的起点、新的使命和新的召唤。
因此，在不久的将来，我们不难想象，面向大数据的人工智能领域的各种理论和方法，会有加速的发展趋势，从而史无前例地影响整个人类的发展进程。
面向大数据的人工智能技术的发展势不可挡。