导读：想要把握人工智能发展趋势，指定相关项目及产品的规划，了解人工只能核心技术如何应用是必经的落地路径。本文从五大核心技术到各项技术的目前在市场上的应用情况作出简要描述。
当前人工智能技术是信息技术和制造技术深度融合，以市场需求为导向，相关技术的产业化正在逐步推进中。当前加快关键技术的突破，研发并应用具备复杂环境感知、智能人机交互、灵活精准控制、群体实时协同等特征的智能化产品和服务是大势所趋。
机器人
从机器人的智能程度分类可以分为传感型、交互性和自主型。根据是否可以认识周围环境，与外界的交互程度和根据收集到的数据是否可以采取正确行动。未来机器人可以因为机器视觉、高性能传感器、数据分析及自动规划等认知技术的升级进一步满足人们对强人工智能的需要。
国家在机器人产业发展规划中要求人工智能领域重点发展的标志性产品有：智能工业机器人、智能公共服务机器人及智能护理机器人等。1、全自主编程智能工业机器人：6自由度以上，适应工件尺寸范围在1m*1m*0.3m以上，具有智能工艺专家系统，可 自动获取信息生成作业程序，全过程非示教，自动编程时间小于1秒，满足喷涂、抛光、打磨等复杂的作业要求。2、智能型公共服务机器人：导航方式:激光SLAM，最大移动速度0.6m/s，定位精度±100mm，定位航向角精度 ±5°，最大工作时间3h，手臂数量2，单臂自由度2-7，头部自由度1-2，具备自主行走、人机交互、讲解、导引等功 能。3、智能护理机器人：面向老人照护需求，具有智能感知识别、自主移动等能力，与用户进行交流，辅助老人进行家 务劳动，提供多样性的护理服务。
计算机视觉
计算机视觉是以图像（视频）为输入，以对环境的表达和理解为目标，研究图像信息组织、物体和场景识别、进而对事件给予解释的技术，简而言之计算机视觉就是“赋予机器自然视觉能力”的技术。人工智能更强调推理和决策，但计算机视觉目前还主要停留在图像信息表达和物体识别阶段。
语音识别
语音识别技术，也被称为自动语音识别，其目标是将人类的语音中的词汇内容转换为计算机可读的输入，例如按键、二进制编码或者字符序列。其工作原理包括特征提取、模式匹配、参开模式库三个基本单元。未知语音经过话筒变成电信号后加在识别系统的输入端，经过预处理建立语音模型，对输入语音信号分析后抽取所需特征，在此基础上建立语音识别所需的模板。
《促进新一代人工智能产业发展计划》指出到2020年，实现多场景下中文语音识别平均准确率达到96%，5米远场识别率超过92%，用户对话意图识别准确率超过90%。
自然语言处理
自然语言处理是人工智能领域中的一个重要技术。它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。用自然语言与计算机进行通信，这是人们长期以来所追求的目标，这也是人工智能中最为困难的问题之一。
自然语言处理的实现包括以下七个技术环节：1.句法语义分析：对于给定的句子，进行分词、词性标记、命名实体识别和链接、句法分析、语义角色识别和多义词消歧。2.信息抽取：涉及到实体识别、时间抽取、因果关系抽取等关键技术。3.文本挖掘：包括文本聚类、分类、信息抽取、摘要、情感分析以及对挖掘的信息和知识的可视化、交互式的表达界面。4.机器翻译：把输入的源语言文本通过自动翻译获得另外一种语言的文本。5.信息检索：对大规模的文档进行索引。6.问答系统： 对一个自然语言表达的问题，由问答系统给出一个精准的答案。7.对话系统：涉及到用户意图理解、通用聊天引擎、问答引擎、对话管理等技术。
自然语言处理的应用包括：1以百度、谷歌等为代表的搜索引擎巨头；谷歌、百度等公司都提供了基于海量网络数据的机器翻译和辅助翻译工具；基于自然语言处理的中文（输入法如搜狗、微软、谷歌等输入法）；带有语音识别的各种硬件设备协助用户更有效地工作学习。
机器学习
机器学习的核心是“使用算法解析数据，从中学习，然后对世界上的某件事情做出决定或预测”。机器学习是用大量的数据来“训练”，通过各种算法从数据中学习如何完成任务。人工神经网络是早期机器学习中的一个重要的算法。神经网络的原理是受我们大脑的生理结构——互相交叉相连的神经元启发。但与大脑中一个神经元可以连接一定距离内的任意神经元不同，人工神经网络具有离散的层、连接和数据传播的方向。在没有实现强人工智能的当下，机器学习技术的落地需要手工来进行部分工作。例如编写分类器、边缘检测滤波器、以便能让程序识别事物从哪里开始到哪里结束。
IDC与百度联合发报告：预测2019年人工智能十大趋势》称2019年机器学习开始走进传统企业。机器学习将走进企业内部，为企业提供以决策为中心的服务。同时，深度学习也将继续广泛应用在图像、音频、文本等非结构化数据处理中。尤其是传统行业中的大中型企业，采用机器学习平台开发人工智能应用将逐渐成为主流。
其他重点相关突破领域：智能传感器、神经网络芯片、针对共性技术的开源开放平台等等，欢迎加入三位一体社与大家共同讨论。
