1.1.3 技术革新：人工智能如何改变世界

人工智能技术近年来取得了快速发展，尤其在弱人工智能领域，不断突破技术瓶颈，出现许多实际可行的解决方案。然而，实现通用人工智能仍面临巨大挑战，需要解决机器学习等核心问题。尽管如此，随着计算能力和算法的进步，以及数据量的爆炸性增长，弱人工智能已在某些领域取代甚至超越人类的工作。

回顾历史，科技发展推动生产力提高，引发行业变革。以蒸汽机为例，詹姆斯·瓦特（James Watt）改良的蒸汽机引发了从手工劳动向动力机器生产的重大转变，这种技术革新提高了生产效率，创造了新的就业机会和财富。

在此之后，蒸汽机还逐渐应用于运输业，催生了蒸汽火车和轮船的发明，使英国商品和技术走向世界。这一技术革新过程表明，行业变革往往源于基础技术的突破，然后逐步渗透到各个行业。

如今，人工智能在算法、算力和大数据的驱动下正经历类似的变革。与蒸汽机一样，人工智能技术的广泛应用将引发行业变革，短期内可能会出现“阵痛”，但长期来看它将会创造更多价值。因此，我们应拥抱变化，积极应对新技术带来的挑战和机遇。

在人工智能技术快速发展的过程中，我们见证了多个领域的技术革新，包括机器学习、知识图谱、自然语言理解、人机交互、计算机视觉、生物特征识别及虚拟现实（Virtual Reality,VR）、增强现实（Augmented Reality,AR）等。下面重点介绍一些人工智能的革新技术。（注意，某些内容在后面章节会重点讲解，因此下面不再赘述。）

1．知识图谱

知识图谱是计算机专家系统的升级版，它通过节点和边来构建数据结构图，并以结构化的语义知识库形式存在。这种知识库的构建旨在赋予机器对文本背后含义的理解能力，通过对可描述事物的建模，填充其属性并建立与其他事物的联系，从而构建机器的“先验知识”。

案例4 足球明星的知识图谱

假设我们围绕“罗纳尔多·路易斯·纳扎里奥·达·利马”这个实体进行扩展，我们可以得到一个知识图谱，其中包括他的个人资料、职业生涯、成就等信息。在这个知识图谱中，“罗纳尔多·路易斯·纳扎里奥·达·利马”是节点，其他如“世界足球先生”“前巴西职业足球运动员”“世界杯冠军”等都与该节点存在某种关系，这些关系则由边表示。

通过知识图谱，我们能够更全面地了解一个实体的所有信息，从而为后续的推理、分析等提供更全面的数据基础。

2．人机交互

人机交互是人工智能领域的重要技术，旨在实现更加拟人化的交互方式。传统的交互方式依赖外部设备，如键盘、鼠标等；而人工智能领域追求更自然的交互方式，相关交互方式如下。

❶ 语音交互：人与机器之间的主要交流方式，包括语音采集、语音识别、语义理解和语音合成等技术。这种交互方式常与自然语言处理技术结合使用，形成更自然的交流体验。

❷ 情感交互：旨在使计算机具备类似于人的情感理解和表达能力，通过情感传递，使计算机能够进行更自然、亲切和生动的交互。

❸ 体感交互：利用肢体动作与数字设备进行自然交互的方式。与其他交互手段相比，体感交互技术降低了对用户的约束，使交互过程更加自然，目前广泛应用于游戏娱乐、医疗辅助、全自动三维建模和电商购物等领域。

❹ 脑机交互：直接实现大脑与外界信息传递的交互方式。虽然脑机交互仍处于初级阶段，但其技术发展潜力巨大，有望在未来实现突破，目前的主要技术瓶颈包括大脑信号采集、大脑信号和机器指令的转换、信号反馈等。

案例5 《阿凡达》中的脑机交互方式

在电影《阿凡达》中，脑机交互被展示为一个科幻的概念。在潘多拉星球上，下身瘫痪的前海军战士杰克·萨利通过一种先进的脑机交互技术，利用意念操控人造的阿凡达去执行各种任务。这种脑机交互技术超越了传统的交互方式，直接将大脑与外部世界相连，通过头部的复杂设备，杰克·萨利的意识被转化为指令，进而控制阿凡达的身体。这种控制方式完全不依赖外围神经和肌肉通道，而是通过解读大脑的神经活动来实现。

3．计算机视觉

计算机视觉是让计算机具备类似于人类的视觉能力，能够提取、处理、理解和分析图像与视频，它主要涉及计算机成像、图像理解和三维视觉等方面，相关介绍如下。

❶ 计算机成像：通过探索人眼结构和相机成像原理，计算机成像旨在获得人们期望的图像效果，如绘画、去雾、去噪、暗光增强等，还有各种滤镜和图像融合等应用。

案例6 文心一格的AI绘画功能

使用文心一格这样的AI绘画技术，我们可以利用神经网络和计算机成像技术创作出具有凡·高艺术风格的独特作品，如图1-4所示。文心一格能够深入学习和理解艺术家的绘画风格和技巧，并运用这些元素在全新的图像中创造出令人惊叹的视觉效果。这种AI绘画技术不仅可以帮助我们更好地理解艺术，还可以让更多的人体验创作的乐趣，开启全新的艺术创作方式。

❷ 图像理解：计算机将图像转化为像素点和偏移信息，而图像理解则是让计算机系统理解这些信息，理解层次包括浅层（如边缘、特征点、纹理等）、中层（如物体边界、区域等）和高层（如识别、检测、分割、姿态估计、文字说明等），目前已广泛应用于人脸识别、目标检测、图像分割、OCR（Optical Character Recognition，光学字符识别）和行为分析等领域。

案例7 Photoshop的智能抠图功能

图像分割技术是计算机视觉领域中的一个重要分支，其目标是将图像中的各个物体进行有效的分离，以便于后续的分析和处理。在Photoshop中，“删除背景”功能就是利用图像分割技术实现的，它能够快速识别并删除图片中的背景区域，从而实现智能抠图功能，如图1-5所示。图像分割技术的实现主要依赖图像处理和机器学习等技术，通过对大量的图片进行训练和学习，让算法能够自动识别并分割出图像中的物体。

❸ 三维视觉：主要研究如何通过视觉获取三维信息，以及如何理解这些信息，可广泛应用于机器人、无人驾驶、智慧工厂、虚拟现实、增强现实等领域。

4．生物特征识别

生物特征识别是利用个体生理或行为特征进行智能身份认证的技术，具有高安全性、便利性和私密性，广泛应用于金融、公共安全、教育、交通等领域。生物特征识别的传统技术包括指纹识别、人脸识别、虹膜识别等，新兴技术则包括静脉识别、声纹识别和步态识别等。生物特征识别的新兴技术相关介绍如下。

❶ 静脉识别：通过近红外光线照射手指获取清晰的静脉图像，并提取特征值进行识别，具有活体识别、体内特征不可复制、唯一稳定、不可破解等特点，安全性较高。

❷ 声纹识别：根据语音的声纹特征识别说话人，分为说话人辨认和说话人确认两类。不同任务和应用采用不同技术，如缩小刑侦范围时可能需要说话人辨认技术，银行交易时则需要说话人确认技术。

❸ 步态识别：通过走路方式识别人的身份，具有非接触远距离、多角度、光照不敏感和不易伪装等优点，在智能视频监控领域具有应用优势。

案例8 机场利用步态识别技术监测和识别可疑人物

机场可以将步态识别技术用于监控摄像头，以监测和识别可疑人物，如图1-6所示。步态识别技术基于每个人独特的生理结构和行走姿态，通过分析体型和行走姿势来识别人的身份和状态。在远距离或复杂场景下，步态是唯一能够清晰成像的人体生物特征，这种技术的物理基础包括身高、头型、腿骨、肌肉、重心和神经灵敏度等个人独特的生理结构信息。

5．虚拟现实和增强现实

使用虚拟现实（VR）和增强现实（AR）技术，能够在数字化世界中创造出与真实环境高度相似的虚拟环境。通过这些技术，用户可以在特定范围内获得与真实世界相似的视觉、听觉甚至触觉体验。

在虚拟现实中，用户可以完全沉浸在计算机生成的数字化环境中，仿佛置身于一个全新的世界。通过特殊的设备，如VR眼镜和控制器，用户可以与虚拟环境中的对象进行交互，感受仿佛真实的触感和反馈，效果如图1-7所示。虚拟现实技术已经被广泛应用于游戏、电影、教育、医疗和军事等领域，为用户提供前所未有的沉浸式感官体验。

增强现实是一种更为先进的技术，它能够将虚拟世界与现实世界结合。通过特殊的软件和设备，AR技术可以将数字信息、图像和对象叠加显示在用户的真实环境中，创造出一种半真实、半虚拟的“混合体验”。用户可以在现实世界中看到各种虚拟对象，并与它们进行互动，这种技术已经在许多行业中得到应用，如工业设计、零售、旅游和游戏等。

案例9 上汽通用汽车的AR系列产品

上汽通用集团运用AI和AR技术，打造了“AR看车”“AR说明书”等系列产品。用户通过手机扫描车内图标，可以实时获取对应功能介绍、动画演示和视频介绍，甚至错误提醒。这些产品基于训练卷积神经网络的深度学习技术，使用轻量级模型加快推理速度，并增强数据以减小过拟合和加强泛化能力。用户无须选择车型，只需用手机扫一扫，即可通过“AR看车”“AR说明书”等系列产品轻松了解新车细节，如图1-8所示。