要想精通AI，这19种AI技术一定要懂！
关注云加社区 提升技术能力
学习云计算，AI，大数据，小程序开发等技术
助你一臂之力 成为技术大牛
本文主要介绍了目前世界上占主导地位的19种人工智能技术。
1.自然语言生成
自然语言生成是一个AI子学科，可将数据转换为文本，使计算机能够以完美的准确度交流思想。
它用于客户服务以生成报告和市场总结，由Attivio，Automated Insights，Cambridge Semantics，Digital Reasoning，Lucidworks，Narrative Science，SAS和Yseop等公司提供。
2.语音识别
Siri只是能够理解你的系统之一。
每天，越来越多的系统被创建，可以转录人类语言，通过语音响应交互系统和移动应用程序达到数十万。
提供语音识别服务的公司包括NICE，Nuance Communications，OpenText和Verint Systems。
3.虚拟代理
虚拟代理只不过是能够与人交互的计算机代理或程序。
这种技术最常见的例子是聊天机器人。
虚拟代理目前正用于客户服务和支持以及智能家居管理器。
一些提供虚拟代理的公司包括亚马逊，Apple，人工解决方案，Assist AI，Creative Virtual，Google，IBM，IPsoft，Microsoft和Satisfy。
4.机器学习平台
如今，计算机也可以轻松学习，而且它们非常聪明！
机器学习（ML）是计算机科学的一个分支学科，是人工智能的一个分支。其目标是开发允许计算机学习的技术。
通过提供算法，API（应用程序编程接口），开发和培训工具，大数据，应用程序和其他机器，ML平台每天都在获得越来越多的牵引力。
它们目前主要用于预测和分类。
一些销售ML平台的公司包括亚马逊，Fractal Analytics，谷歌，H2O.ai，微软，SAS，Skytree和Adext。
最后一个特别有趣，原因很简单：Adext AI是世界上第一个也是唯一一个将真实AI和机器学习应用于数字广告以便为任何广告找到最有利可图的受众群体或人口统计群体的受众管理工具。
5. AI优化硬件
AI技术使硬件更加友好。
怎么实现的呢？
通过专门设计和构造的新图形和中央处理单元和处理设备来执行面向AI的任务。
如果您还没有看到它们，那么即将出现并广泛接受可以直接插入便携式设备和其他地方的AI优化硅芯片。
您可以通过Alleviate，Cray，Google，IBM，Intel和Nvidia访问此技术。
6.决策管理
智能机器能够为AI系统引入规则和逻辑，因此您可以将它们用于初始设置/培训，持续维护和调整。
决策管理已经整合到各种企业应用程序中，以协助和执行自动化决策，使您的业务尽可能盈利。
查看Advanced Systems Concepts，Informatica，Maana，Pegasystems和UiPath以获取更多选项。
7.深度学习平台
深度学习平台使用独特的ML形式，其中涉及具有各种抽象层的人工神经回路，这些抽象层可以模仿人类大脑，处理数据并为决策制定模式。
它目前主要用于识别模式并对仅与大规模数据集兼容的应用程序进行分类。
Deep Instinct，Ersatz Labs，Fluid AI，MathWorks，Peltarion，Saffron Technology和Sentient Technologies都有值得探索的深度学习选项。
8.生物识别技术
该技术可以识别，测量和分析人体行为和身体结构和形态的物理方面。
它允许人与机器之间更自然的交互，包括与触摸，图像，语音和肢体语言识别相关的交互，并且在市场研究领域中是很重要的。
3VR，Affectiva，Agnitio，FaceFirst，Sensory，Synqera和Tahzoo都是生物识别公司，致力于开发这一领域。
9.机器人过程自动化
机器人流程自动化使用模拟和自动化人工任务的脚本和方法来支持企业流程。
对于为特定工作或任务雇用人员过于昂贵或低效的情况，它尤其有用。
一个很好的例子是Adext AI，这是一个使用AI自动化数字广告流程的平台，可以帮助企业节省大量时间，完成机械和重复性任务。
这是一个解决方案，可以让您充分利用人才，让员工进入更具战略性和创造性的职位，因此他们的行动可以真正影响公司的发展。
Advanced Systems Concepts，Automation Anywhere，Blue Prism，UiPath和WorkFusion是机器人过程自动化公司的其他示例。
10.文本分析和NLP（自然语言处理）
该技术使用文本分析通过统计方法和ML来理解句子的结构，以及它们的意义和意图。
文本分析和NLP目前正用于安全系统和欺诈检测。
它们也被大量自动化助理和应用程序用于提取非结构化数据。
这些技术的一些服务提供商和供应商包括Basis Technology，Coveo，Expert System，Indico，Knime，Lexalytics，Linguamatics，Mindbreeze，Sinequa，Stratifyd和Synapsify。
11.Digital Twin/ AI建模
Digital Twin是一种软件结构，可以弥合物理系统和数字世界之间的差距。
例如，通用电气（GE）正在建立一支人工智能劳动力，以监控其飞机发动机，机车和燃气轮机，并通过GE机器的云托管软件模型预测故障。他们的Digital Twin主要是软件代码行，但最精细的版本看起来像三维计算机辅助设计图纸，充满交互式图表，图表和数据点。
使用Digital Twin和人工智能建模技术的公司包括VEERUM，在资本项目交付领域; Akselos正在使用它来保护关键基础设施，而Supply Dynamics则开发了SaaS解决方案来管理复杂，高度分散的制造环境中的原材料采购。
12.网络防御
网络防御是一种计算机网络防御机制，侧重于预防，检测和及时响应对基础设施和信息的攻击或威胁。
AI和ML现在被用于将网络防御转移到一个新的进化阶段以应对日益恶劣的环境：违规级别指数在2017年检测到总共超过20亿次违规记录。调查中有76％的记录丢失不小心，69％是身份盗窃类型的违规行为。
能够处理输入序列的递归神经网络可以与ML技术结合使用，以创建监督学习技术，该技术可以发现可疑的用户活动并检测高达85％的所有网络攻击。
像Darktrace这样的初创公司将行为分析与高级数学相结合，以自动检测组织内的异常行为，而Cylance则采用AI算法来阻止恶意软件并减轻零日攻击造成的损害，它们都在AI驱动的网络防御领域工作。
DeepInstinct是另一家网络防御公司，是Nvidia硅谷仪式上名为“最具破坏性的初创公司”的深度学习项目，旨在保护企业的终端，服务器和移动设备。
13.合规性
合规性是指个人或组织符合公认惯例，法规，规则和条例，标准或合同条款要求的认证或确认，并且有一个重要的行业支持它。
我们现在看到第一波合规性解决方案，它们使用AI通过自动化和全面的风险覆盖来提高效率。
人工智能在合规中的使用的一些例子正在世界各地出现。例如，NLP（自然语言处理）解决方案可以扫描监管文本并将其模式与关键字群集相匹配，以识别与组织相关的更改。
具有预测分析和场景构建器的资本压力测试解决方案可以帮助组织遵守监管资本要求。随着深度学习被用于对每个人应用越来越复杂的业务规则，可以减少被标记为洗钱潜在案例的交易活动量。
在该领域工作的公司包括Compliance.ai，一家将监管文件与相应业务职能相匹配的Retch公司; Merlon Intelligence是一家支持金融服务行业打击金融犯罪的全球合规技术公司，而Socure的专利预测分析平台可提高客户接受率，同时减少欺诈和人工审核。
14.知识工作者援助
虽然有些人理所当然地担心人工智能取代工作场所的人，但我们不要忘记，人工智能技术也有可能极大地帮助员工工作，特别是那些从事知识工作的员工。
事实上，知识工作的自动化已被列为最具破坏性的新兴技术趋势。
医疗和法律界，这是对知识员工的严重依赖，是那里的工人将越来越多地使用AI作为诊断工具。
越来越多的公司致力于该领域的技术。Kim Technologies的目标之一是为那些几乎没有IT编程经验的知识工作者提供工具，以便在AI的帮助下创建新的工作流程和文档流程，这是其中之一。Kyndi是另一个，其平台旨在帮助知识工作者处理大量信息。
15.内容创作
内容创建现在包括人们为在线世界做出贡献的任何材料，例如视频，广告，博客文章，白皮书，信息图表和其他视觉或书面资产。
像今日美国，赫斯特和哥伦比亚广播公司这样的品牌已经在使用AI来制作他们的内容。
Wibbitz是一种SaaS工具，可以帮助发布者在几分钟内使用AI视频制作技术从书面内容创建视频，这是该领域解决方案的一个很好的例子。Wordsmith是由Automated Insights创建的另一个工具，它使用NLP（自然语言处理）根据收入数据生成新闻报道。
16.点对点网络
当两台或多台PC连接并共享资源而数据不通过服务器计算机时，就会创建最纯粹形式的点对点网络。
但企业家Bet Capital LLC的首席执行官Ben Hartman表示，加密货币也使用点对点网络，甚至可以通过收集和分析大量数据来解决一些世界上最具挑战性的问题。
Nano Vision是一家以加密货币为其分子数据奖励用户的创业公司，旨在改变我们应对人类健康威胁的方式，例如超级细菌，传染病和癌症等。
另一个利用点对点网络和人工智能的玩家是Research，这是一个分散的搜索引擎，由社区提供支持，并为成员提供令牌以获得更透明的搜索系统。
17.情绪识别
该技术允许软件使用高级图像处理或音频数据处理“读取”人脸上的情绪。我们现在处于可以捕捉“微观表达”或微妙的肢体语言线索以及背叛一个人感受的声音语调的地步。
执法人员可以使用此技术尝试在审讯期间检测有关某人的更多信息。但它也为营销人员提供了广泛的应用。
越来越多的创业公司在这个领域工作。超越言语分析，音频输入来描述一个人的性格特征，包括他们是多么积极，多么兴奋，愤怒或喜怒无常。nViso使用情感视频分析来激发新产品创意，识别升级并增强消费者体验。Affectiva的Emotion AI用于游戏，汽车，机器人，教育，医疗保健行业和其他领域，从面部和语音数据应用面部编码和情感分析。
18.图像识别
图像识别是识别和检测数字图像或视频中的对象或特征的过程，并且AI越来越多地堆叠在该技术之上以产生很好的效果。
AI可以在社交媒体平台上搜索照片，并将它们与各种数据集进行比较，以确定哪些数据集在图像搜索过程中最相关。
图像识别技术还可用于检测车牌，诊断疾病，分析客户及其意见，并根据他们的面部验证用户。
Clarifai为客户提供图像识别系统，以检测近似重复并找到类似的未分类图像。
SenseTime是该行业的领导者之一，开发了面部识别技术，可应用于银行卡验证和其他应用的支付和图片分析。而GumGum的使命是利用人工智能技术释放网络上制作的图像和视频的价值。
19.营销自动化
到目前为止，市场营销部门已经从人工智能中受益匪浅，并且出于充分的理由，人工智能在这个行业中存在很大的信心。百分之五十五的营销人员确信人工智能将在他们的领域产生比社交媒体更大的影响力。什么声明。
营销自动化使公司能够提高参与度并提高效率，从而加快收入增长。它使用软件自动化客户细分，客户数据集成和活动管理，简化重复性任务，使战略思想能够回到做他们最擅长的事情。
原文标题《19 AI Technologies That Are Currently Dominating》
作者：Ben Cryer
译者：February
本文为译文，不代表云加社区观点
推荐阅读：
程序员必备！推荐50+有用的Kubernetes工具
小程序+云开发实战：一天搭建小型论坛
精选推荐！20个免费和开源数据可视化工具
20年技术凝聚，腾讯云+社区开发者大会开启报名
关注云加社区，回复 3 加读者群
更完整的学习资料，请点击阅读原文