对人力的替代，从感觉到思维

那么，人工智能到底是什么呢？我们现在的生活已经和人工智能联系的越来越紧密了，任何“方便”的背后，几乎都有人工智能。

人工智能技术起源于计算机学科，是一个实打实的交叉学科。这个学科研究的内容范畴非常广，包括数学、心理学、信息学、动力学、管理学、哲学等，很多人都试着给人工智能下定义，但这的确是非常困难的。不同专业领域的专家看待人工智能的角度不同，往往也会给出不一样的解释，比如数学家可能会觉得人工智能是一堆公式和算法，心理学家可能会觉得人工智能拥有人一样的思维和想象力，而信息学家或许又会觉得人工智能仅仅是一堆复杂信号的组合……

人工智能可以被认为是一种“企图了解人类智慧的本质，通过在数据上构造并应用算法和模型，获取有价值的业务信息，代替并超越人对数据的分析能力和决策应用能力的技术”。

人工智能存在的目的就是代替人做事情，由于人是有不同方面的生理功能的，并且在不同数字化业务中，也会用到人不同的功能特征。于是，在分析代替的是人的哪方面能力后，就可以对人工智能进行分类了。

我们可以把人工智能分为感知智能、认知智能、语言智能和行为智能等几个方面。

感知智能包括图像识别、语音识别、信号识别等技术，类似于人类的感觉器官，如眼睛、耳朵、皮肤什么的。感知智能技术能够对各种类型的信号数据进行信息的提取和识别，并进行规范的信息表达。

例如，在我们使用微信语音聊天时，有时候不方便接听，这时就会用到微信语音转文字的功能，这背后就是非常典型的语音识别技术。还有一些地方会用到图像识别技术，比如OCR，这是一种可以通过扫描打印出来的文字，直接读取到文字背后的数据的技术，可以用于对名片、发票、证件、表格、车牌等不同任务对象的文字进行自动识别，提高这些业务场景的办公自动化水平。

认知智能技术包括概率预测、判别分析、规则学习等方面的内容，有些类似人的大脑功能，可以自主地思考业务问题。认知智能技术能够对所提取的知识进行进一步的推理、分析，形成有启发价值的业务观点，支撑更加高级的业务应用。

其中，概率预测模型，是一种具有逻辑解释能力的，能够反映事件发生概率特点的数学模型。例如，通过金融方面的业务知识，我们可以构建一个预测某个消费者是否购买理财产品的概率预测模型，只要给软件系统输入消费者的性别、收入、年龄、职业等基本信息，软件系统就会通过这个模型告诉我们消费者购买理财产品的概率。假如预测概率为80%，我们或许可以试着在该消费者身上花些时间。

很明显，认知智能技术是在感知智能技术的基础之上的，这类技术涉及具体业务逻辑的深入分析。例如，通过感知智能里的语音识别技术，先分析某个小哥的语音搜索记录，获得“旅游产品”的相关内容，然后通过认知智能技术的某个概率预测模型，估计他可能需要买个帐篷，自动推送帐篷的购买链接给他。

认知智能技术在人工智能这个领域里，是高级、有挑战性的一类技术。通过认知智能技术人们可以主动地挖掘业务场景中的关键知识，对业务流程进行优化，改善业务服务体验。

数字化最核心的价值体现在数据对业务改进的支撑上，这意味着在人工智能领域，认知智能对数字化的意义是重大的。但是十分尴尬的是，现在的研究和应用大多停留在感知智能层面，无论是研究人员还是企业管理人员，对认知层面的人工智能的理解还非常有限。

毕竟，对于人类来说，五官齐全很容易，但是大脑灵光就很难。对于机器的认知能力来说也是这个道理。当前，机器的认知水平和人类智力的发展情况相比，才到刚刚学会开口说话的水平。

在一些典型的场景中，我们确实已经从数据中发现了很多重要的业务知识，并且可以指导一些业务环节的智能化和自动化，比如预测能够赚钱的金融产品，挖掘有潜力的网络传播者，对患者的健康情况进行合理诊断，推荐网上用户感兴趣的话题和内容等。但在更多的市场应用领域，大家还是比较“迷茫”的，不知道数据到底能够启发什么。

不过没关系，挑战与机会总是并存的，未来对数据进行深入的挖掘、分析与推理，都是数字化在技术方面应该关注和突破的方向！

语言智能，其实就是提供类似于人类阅读书写的自动化能力，其包括了自然语言理解、机器翻译、人机对话等技术，极大地支撑了信息的深入交互和沟通。

行为智能，类似于人类的手和脚的运动行为能力，包括了强化学习、自动控制、无人驾驶等技术，主要用于解决如何利用信息对应用设备进行控制的问题，从而模拟人的生产操作活动。

我们可以看到，人工智能在替代人的方面，从感觉到思考，都尽量要做到像人一样，最终实现代替人提供“优质”商业服务的效果。