1樓：墨瑟
你看見了，要相信自己的判斷，人工智慧就是被過度包裝了，人工智慧大神就是在騙投資，然後被忽悠跟風的人太多了，形成了乙個奇怪的趨勢。就好像當年氣功熱一樣。
有詩為證:
人工智慧是個坑，全民跳坑發了瘋，眾人皆醉我獨醒，我也只有一臉懵。
2樓：王衛
我認為市面上那些所謂的人工智慧還是錯的。參考（陸續更新中）：https://www.
3樓：
我是 13 年入行的，那個時候感覺還沒有人工智慧方向，更多的是因為大資料時代來臨， model analyst 要面對的資料量更大了，需要不同的工具來做本來他們就在做的事情。後來 AI 潮來臨，各種領域的人都有，加上深度學習框架變得方便普及，本來很難做到的事情，變得大家都能做到了，各種商業模式就因應而生。
我自己資歷不深，不過大概率會繼續走這一行。就我的經驗跟對這個領域的理解，大概可以這樣劃分：
資料驅動方向
一般網際網路公司用業務資料來驅動的業務，都屬於這一類。比如推薦系統，廣告競標，風控模型，使用者畫像，聊天機械人之類的。除了風控模型之外，這些資料驅動的方向，通常都得跟一些工程模組結合才能落地。
這也是需求量比較大的方向。
深度學習方向
通常是跟機器視覺有關。比如說像 Face++ 做人臉識別，深思考、透徹影像這種做醫學影象的。嚴格來說 NLP 也算，但是 NLP 的領域我不是很熟，而聊天機械人之類的我總覺得不是這一類，因為他更像在很狹窄的業務範圍內做匹配跟搜尋，單純使用深度學習其實能做到最厲害了也就是 GPT-3 那個等級，離 CV 的成就還很遠。
單純靠 NLP 感覺好像還不能落地什麼東西。
人工智慧方向
我會把跟生活有關，比較直觀的落地方向定在這一塊，比如 EmotiBot 這種能了解感情的，掃地機械人可以分擔家務的，Alexa 這種能買東西能放音樂的。雖然這些多半跟聊天機械人也沒有差多少，但是他們的場景難度更高一點，而且比較生活化。
研究方向
基本上這個就包山包海了。近幾年比較流行生成模型，弱監督，半監督，自監督方向。還有終身學習方向，跨分布學習方向。
Few-shot, Zero-shot 方向。Meta-learning, contrast-learning, 知識蒸餾，基本上能做的，有意思的方向很多。不過這個在工業界機會應該是比較少的。
其他方向
其他感覺還有一些半研究半落地性質的。比如自然語言轉 SQL，AI 生成設計稿，知識圖譜什麼的。這些我不是很熟，也不知道有哪些機會。如果有比較熟知的朋友還請幫忙補充。
我個人是覺得現在這樣大家一起做人工智慧的風潮沒什麼不好。大家都知道演算法落地最需要的就是資料，很多方向都需要很多年的時間來累積資料，建立壁壘。現在看起來不太靠譜的方向，當資料積累夠了，演算法算力也慢慢趕上了，幾年後真的很難說。
整體來說，我對這一波 AI 潮還是看好的，這是從商業的角度來看。都是從個人發展的角度來看，我倒不是那麼確定未來是不是需要那麼多演算法人才。我個人覺得懂演算法的開發、資料工程師之類的可能才是真正的缺口。
一點淺見。
4樓：AI·Dezhu
有一些看不懂確實源於太高深，非普通人類所能理解，也非大眾所能接觸
其實人工智慧產品的初衷和目的都是好的，都是為了為企業、為個人降本增效，但是很多人工智慧廠商其實只是空有概念，好像國家在倡導科技，那就一窩蜂的做科技，但其實根本不知道自己究竟要做什麼，其實是脫離了市場，脫離了場景。
現在很多做人工智慧產品的boss，就好像乙個不會畫畫的老闆，心裡只有乙個模糊的框架，但是他自己並不能用細膩的筆觸勾畫出來，所以只能找一堆畫師，他來口述，期望畫師能交出乙個完美的作品，但實際上，畫師只是在機械的描繪他的想法，畫出的東西，可能只被老闆認可，但得不到其他人的欣賞，在市場上更售賣不出去，為什麼？沒有靈魂啊！
再舉乙個實際的例子吧，因為現在國家對催收行業的嚴格管控，所以很多金融機構開始尋求人工智慧的降本增效，使用智慧型催收等。
但為什麼實踐效果不佳呢？根本原因在於市面上的多數智慧型催收產品都是脫離業務談應用，沒有業務沉澱，沒有龐大的使用者基數打磨，交給催收人員的僅僅只是一套系統架構，乙個工具而已，沒有敏感詞積累，沒有字段分析，沒有真實的催收語料，因此，金融機構的催收人員面對著一套沒有「內涵」的智慧型催收系統，根本無法上手應用，就像催收機械人可以執行批量外呼任務，但它們應該對客戶說什麼？怎麼說？
因此，在選擇智慧型催收產品時，金融機構除了關注產品能力外，也要關注產品的可用性。
與持牌金融機構合作，基於真實金融場景打造產品，這是很多廠商都很難做到的。再經過數年的發展優化，再到過億使用者的打磨，再具有完備的行業經驗、語料話術、敏感詞積累、催收策略等等。這樣的廠商更是鳳毛麟角了。
所以，想要人工產品看得懂，用得了，並非易事！
5樓：中歐商業評論
這麼說吧~人工智慧的存在其實本質還應該是帶給人們便利的。如果說盲目跟風去做這些專案只是為了人工智慧這個名號聽起來高階，為了這個噱頭而強行套上這個頭銜，其實真的大可不必吧~
企業智慧型化轉型與組織中崗位與人才的管理匹配，應該是乙個相輔相成、不斷迭代的動態過程。人工智慧的出現應當根據需要和情境的不同，主動配合和輔助各個崗位的執行，使其更加高效便利的操作下去。如果只是個擺設的話，和花瓶有啥區別（還不一定有花瓶的觀賞性）。
6樓：柚子
我們目前還不知道怎麼教計算機做到這一點。人工智慧界，少樣本學習、無監督學習方... 五、人工智慧來了，我們該怎麼辦？
1、人工智慧會讓人類大量失業嗎？ 可以肯定的是... 這樣就可以確保最終贏棋。
7樓：合象寶貝
人工智慧是基於全球數位化的大方向，是一直在發展的，既然對這個問題提出疑惑，那就不要吐槽，要實際確切的去思考這個問題。人工智慧解決了很多需要費人力才能解決事情，她並不是要取代人類而是去輔助人類，就像現在大火的兒童體育教育在人工智慧的幫助下就很方便大家使用
8樓：曹鈺
歷史重在重複自己，當人們沒有抓住事物的本質時，總會去追逐表面膚淺的東西。當萊特兄弟成功打造飛機前，其它所有的競爭對手都是在通過模仿鳥的結構來造飛行器，都失敗了；而萊特兄弟抓住了飛行的本質，不斷嘗試飛行器的空氣動力學從而成功了。首先我們要抓住問題的本質，才能找到努力的正確方向。
同樣的，在人工智慧領域我們要清楚的理解什麼是「智慧型」。大腦是智慧型的載體，我們需要研究大腦在資訊處理方面的本質才能告訴我們什麼是「智慧型」。基於腦科學原理的人工智慧才是真正的人工智慧，能夠給人類社會帶來巨大幫助的科技。
但是從腦科學到人工智慧不是簡單的事。如何打造像大腦一樣運作的AI,可以參考下面這篇文章：
曹鈺：腦科學和人工智慧的思考
9樓：A吃了沒
考研只能往計算機軟體那邊考慮，都是要招要麼有專案經驗要麼有技術背景的人。不然進不了團隊的。
我是沒有學習的心思了。你加油。
10樓：
雖然神經網路效果確實很好，但是整個神經網路的核心所謂的反向傳播顛來倒去不就是大一學的求導法則嗎？多變數求導確實容易把人搞暈，但任何乙個大一新生耐心點從頭實現個神經網路是沒任何問題的。把求導法則換個名字就拿圖靈獎了？
確實看不懂
11樓：
並不是人工智慧越來越看不懂，而是人工智慧技術越來越難突破。即使是簡單的人機交流，其背後也需要龐大的資料支援，實現過程複雜繁瑣。人工智慧就像浮在海上的冰山，露出水面的遠小於海水覆蓋的，由於這種「過程」與「體現」的不等價，造成市場上對人工智慧的實際體驗只能處在較低水平。
想要解決這個問題，直接辦法就是加快人工智慧的發展，分享一篇文章，文章中會對這個問題進行專業的解答。
陳孝良：人工智慧，什麼時候才能讓我們滿意？
12樓：長風
機器與人類視覺能力的差距（1）
機器與人類視覺能力的差距（2）
機器與人類視覺能力的差距（3）
自動駕駛車的責任和風險分析
13樓：bluetie
哪有什麼人工智慧啊？
都是為了忽悠投資的噱頭。
只不過是看起來模擬的很像人類行為的演算法而已。
在工業生產方面，模擬人的動作肯定不是最優解。人是通過幾十億年自然演化形成的效率/能耗最佳構成方式。在很多方面，比如視覺，聽覺，嗅覺，力量，動作精度，計算能力等等都是被自然剪刀做了減法的。
單方向能力加強帶來的能量損耗對人來說是不合適的。
所以啥叫智慧型，連人自己都沒搞明白。然後就出現了人工智慧？
14樓：人工的智慧型
你又說了大實話，現在所謂的人工智慧，其實也就兩個能用的，乙個是視覺識別，參考你的手機人臉識別，另乙個是智障互動，參考一下你的siri或者度秘或者什麼京東智慧型（智障）客服，自己體會一下它的作用
15樓：張瑞麟
人工智慧的發展尚處於初級階段，就好像90年代的網際網路創業者們很難想象今天網際網路行業所流行的產品形態。想要在人工智慧時代有所成就，前提是找到乙個能夠賺錢的領域先活下來，只有這樣才能夠形成正向迴圈，從而繼續在人工智慧領域往下發展。。
16樓：宋俊剛
如果定義「智慧型」是指人一樣的智力活動能力——
所有所謂的「人工智慧」僅是名字叫智慧型，其實並沒有任何智慧型成分，就像老婆餅裡沒老婆，魚香肉絲裡沒有魚一樣。目前的科技水平、工具、思考框架下，也無法造出真的智慧型。
17樓：留學不用等平台
看不懂的原因是因為投資人太急躁了。。AI發展和孩子長大一樣要step by step，可投資人的熱錢等不了啊。。。
對於人工智慧的總結可以見我另外一篇回答。
大資料聽著很牛，實際上也很牛嗎？
看我們做個細分行業的平台都要一步步來，還怕步子太大了。。。
18樓：southwind
人工智慧的發展如此迅速，在物流行業發揮著相當大的作用。
根據中國食品工業協會的資料顯示，中國由於冷鏈問題造成的浪費每年大概有1200萬噸水果、1.3億噸蔬菜，還有其他的浪費，浪費總值在600多億左右。600億是個什麼概念呢？
很多縣的GDP有可能都達不到這個數值。
那麼，什麼原因導致了這一問題呢？原因可能很多，其中乙個重要原因就是冷鏈資訊化的落後。由於長途運輸，物品的環境溫度肯定是會有變化的，溫度發生了改變必然會對一些貨物尤其是水果等造成破壞，損耗就在所難免了。
但是，人工智慧雖然可以幫助避免這些問題，但是人工智慧太冷，任何人都會有喜怒哀樂，會有不想工作的時候，畢竟誰也不是機械人，不管是遠端辦公還是坐班辦公，偶爾的情緒波動也很正常。但了解HR工作的朋友卻認為，對於企業來說，很多時候人才管理的參照系就是資料。人的感情和喜好往往起到的是反作用，因此AI在人力資源領域的應用大有可為。
而遠端辦公體系中引入這個技術類別，則可以有效消除企業主對工作效率的憂慮。
為什麼我對現在的高中生越來越看不懂了，在這個不斷發展的社會自以為是的成熟真的就那麼好麼？
曾青 阿這，題主多大啊？我剛高中畢業，說起來一些糗事家長都會表示理解，畢竟他們也是這麼過來的。誰還沒個黑歷史啊？如果說乙個進入社會幾年的人自以為是，那就是憨批，高中生經歷的又不多，真要自以為是頂多會顯得比較蠢，但都是有情可原的。 保密 這個可說不准，畢竟社會發展很快，資訊獲取的手段也多樣了起來，現在...
越來越看不懂自己女友的性格了。
Cure 她太強勢了，甚至可以說不講理，她覺得不考慮別人的尷尬羞恥的感受在公共場所直接指出甚至責備別人的錯誤是很正常的，她的解釋是從小的生活環境家庭教育耳濡目染就是如此，讓那你就應該讓她換位思考，你從小的生活環境和教育不是這樣的啊，你是接受不了這樣的，會覺得尷尬羞恥，同樣是從小受到的影響形成的觀念和...
海賊王的戰力系統我是越來越看不懂了，誰來給我分析分析？
海賊王的戰力設定本來就不行，跟火影死神根本沒法比。我覺得是國內某些海公尺腦子轉不過來，實力在他們腦裡已經固定了，接受不了自己居然理解錯了，於是就戰力崩壞了。海賊王戰力體系崩壞 貼吧戰力體系崩壞 和之國進入第三幕，貼吧戰力大佬發表展望新章節的講話 海賊王的戰力體系已經基本完成，後輩只需要做一些修修補補...