人工智能如何创新？就靠这五大支柱了

人工智能从上世纪八十年代开始兴起，许多初创公司、政府、以及大型企业都开始部署人工智能系统，来处理过去由人类专家执行的任务。相比于传统的编程语言，这些系统大多基于行为规则，然后形成“记忆”，人工智能系统可以处理更多计算密集型任务，比如机器学习，规划和调度，以及自然语言处理等。

最近几年，人工智能技术还在其他很多行业内得到了广泛应用，包括：

1、生命科学：人工智能可以学习临床试验数据，然后为患者匹配最合适的治疗药物，或是寻找最理想的医生。

2、网络安全系统：人工智能可以预测企业网络的潜在危险

3、物联网系统：基于 RFID 标签，人工智能可以对资产位置变化做出反应，而且还能预测、分析某些特定场景，防止犯罪。

一、强化数据吸收

基于数据强化的人工智能系统需要和海量数据进行交互，他们通常会高速获取数十亿量级的信息记录。对于人工智能系统来说，实时吸收数据是它们必备的技能之一，此外还需要获取不间断的流媒体数据（绝大多数都是小数据模块，比如物联网传感器评估）和批量数据（一些大数据模块，比如系统数据库内的历史数据表）。

二、自适应性

利用机器学习技术，自适应的应用程序可以进行自我优化。随着时间的推移，他们会分析工作处理的结果，然后学习如何做的更好。机器学习的工作流程需要数据科学家进行模型选择，这涉及到一整套迭代流程，包括特征工程、算法选择、以及参数调整。开发人员之后会把机器学习模型部署到应用程序内部，再导入新数据，该模型会进行数据分类，在按照分类分析处理行为。最后，这些部署了机器学习的应用程序会“回顾”自己的处理结果，再利用这些结果数据重新进行训练。

三、反应性

现代人工智能系统可以根据周围环境情况，实时做出变化反应。传统应用程序更多的是基于批处理模式——你安排应用程序执行任务，它们运行，然后存储处理结果，最后关闭程序。而人工智能应用程序则会不断监测他们的输入（通常来自于各种流媒体数据平台），然后根据实际情况执行操作，人工智能程序会自动调用程序、规则和行为，然后自己做出决策。简单的说，人工智能系统会一直处于运转之中，然后根据不同的输入做出反应。

四、前瞻性

许多人工智能系统不仅仅具备反应性，他们可以规划未来，执行最佳的行动计划。事实上，系统规划、游戏规划、甚至是语言分析系统，都需要一个前瞻性的解决方案。这些系统必须要具备根据不同场景（情况）随时切换输入数据的能力。举个例子，人工智能会及时获取天气预报数据，并以此分析是否会延误来自中国的海运或航运发货，一旦发货延迟，是否会对美国的制造进度计划产生影响，是否需要重新优化生产计划。

五、并发性

人工智能系统，其实就像传统应用程序一样，必须支持同时处理多个用户或多个系统。通过在操作系统和数据库领域里开发分布式系统，人工智能系统需要不断确保执行传统数据库事务的四要素原则（ACID）：原子性（Atomicity）、一致性（Consistency）、隔离性（Isolation）、以及持久性（Durability）。

对于现代人工智能系统而言，正确的构建系统可以帮助企业快速拓展技术基础设施。当然，不管是个人还是企业，上述五大特征在过去四十年人工智能发展的过程中都扮演了支柱角色，也是所有人工智能系统必须要考虑的重点。