大家好，如果您还对超人工智能 知乎不太了解，没有关系，今天就由本站为大家分享超人工智能 知乎的知识，包括超人工智能知乎的问题都会给大家分析到，还望可以解决大家的问题，下面我们就开始吧！

本文目录

1. 人工智能在医疗中有哪些应用？
2. 人工智能到底有多厉害？
3. 为什么人工智能是人类创造的，却似乎比人类聪明？
4. 我儿子被西安电子科技大学人工智能学院录取，前景如何？

人工智能在医疗中有哪些应用？

这是一个好问题，我结合我们智慧医疗课题组的科研开展情况来回答一下。

首先，人工智能技术在医疗场景的应用正在不断拓展，多年来我一直在智慧医疗组持续投入了较大的精力和资源，陆续开展了辅助诊疗、智慧诊疗分析、智慧随访、互联网医院等课题和项目，其中多个课题项目都是跟医院联合开展的，也得到了具体应用。

前些年人工智能技术在医院领域的应用大部分是基于医学图像、问诊记录、随访记录、用药记录等数据展开的，围绕辅助医生诊疗这个目的来开展创新研发，在这些领域也确实取得了一定的效果，但是很多医生对于这些基于机器学习算法得出的结果并不信任，导致在实际问诊场景下，并不会去使用这些系统。

还有一个问题要考虑到，那就是国内大型医院门诊的接诊数量是非常大的，医生需要在很短的时间内做出判断，使用人工智能产品反而会影响接诊的效率，也会让患者产生一些顾虑，所以我们早期研发的一些用于门诊的辅助诊疗产品并没有在门诊使用，实际情况是用在了年轻医生的培训和考核当中。

近两年我们的重点放在了三个方面，其一是用人工智能技术来做新药物的研发，其二是研发深度参与治疗过程的人工智能产品，其三是研发偏向患者端的智慧型产品。

药物研发的成本是非常高的，借助于人工智能技术可以在一定程度上提升研发的效率，同时可以降低研发成本，而且我们也计划把中药研发列入到我们的优先位置上，虽然难度非常大，但是我相信这个方向是有前景的。

目前人工智能技术参与具体治疗过程的研究是一个热点，相信未来会有大量的手术机器人会投入运用，我们目前虽然研发的产品还主要集中在病灶目标锁定上，但是也正在考虑进一步参与到手术实施过程中，当然这还需要与其他团队开展合作。

早期的很多智能化产品会把目标锁定到医院场景下，实际上患者日常的健康管理是一个更大的空间，很多患者从医院走出去之后，依然需要在非医院场景下开展自助式的治疗，这就给人工智能产品带来了应用空间。

比如针对于口腔健康管理问题，我们可以开发一款随身携带的小机器人来实施精准用药，未来也计划把软体机器人应用在这个领域。

最后，如果有人工智能相关的问题，欢迎与我交流。

人工智能到底有多厉害？

1.什么是人工智能

人工智能（ArtificialIntelligence）：它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。1956年由约翰.麦卡锡首次提出，当时的定义为“制造智能机器的科学与工程”。人工智能目的就是让机器能够像人一样思考，让机器拥有智能。时至今日，人工智能的内涵已经大大扩展，是一门交叉学科。

2.人工智能的层次结构

基础设施层：回顾人工智能发展史，每次基础设施的发展都显著地推动了算法层和技术层的演进。从20世纪70年代的计算机的兴起，80年代计算机的普及，90年代计算机运算速度和存储量的增加，互联网兴起带来的电子化，均产生了较大的推动作用。到21世纪，大规模集群的出现，大数据的积累，GPU与异构/低功耗芯片兴起带来的运算力的提升，促成了深度学习的诞生，点燃了人工智能的爆**潮，其中海量的训练数据是人工智能发展的重要燃料。

算法层：机器学习是指利用算法使计算机能够像人一样从数据中挖掘出信息，而深度学习作为机器学习的一个子集，相比于其他学习方法，使用了更多的参数、模型也更复杂，从而使得模型对数据的理解更加深入也更加智能。

计算机视觉：计算机视觉的历史可以追溯到1966年，人工智能学家Minsky在给学生布置的作业中，要求学生通过编写一个程序让计算机告诉我们它通过摄像头看到了什么，这也被认为是计算机视觉最早的任务描述。计算机视觉借鉴了人类看东西的方法，即“三维重构”与“先验知识库”。计算机视觉除了在比较成熟的安防领域外，也应用于金融领域的人脸识别身份验证、电商领域的商品拍照搜索、医疗领域的智能影像诊断、机器人/无人车上作为视觉输入系统等。

语音处理：让机器学会“听”和“说”，实现与人类的无障碍交流一直是人工智能、人机交互领域的一大梦想。1920年生产的“RadioRex”玩具狗可能是世界上最早的语音识别器，第一个真正基于语音识别系统出现在1952年，AT&T贝尔实验室开发的Audrey的语音识别系统，能够识别10个英文数字，正确率高达98%。比如AppleSiri，Echo等。

自然语言处理：人类的日常社会活动中，语言交流是不同个体间信息交换和沟通的重要途径。对机器而言，能否自然的与人类进行交流、理解人类表达的意思并作出合适的回应，被认为是衡量其智能程度的一个重要参照。

规划决策系统：人工智能规划决策系统的发展，一度是以棋类游戏为载体的。比如，AlphaGo战胜李世石，Master对顶级选手取得60连胜，机器人，无人车。

3.人工智能应用场景

3.1.语音处理

?语音处理主要是自动且准确的转录人类的语音。一个完整的语音处理系统，包括前端的信号处理、中间的语音语义识别和对话管理以及后期的语音合成。

–前端处理：说话人声检测，回声消除，唤醒词识别，麦克风阵列处理，语音增强等。

–语音识别：特征提取，模型自适应，声学模型，语言模型，动态解码等。

–语义识别和对话管理：更多属于自然语言处理的范畴。

–语音合成：文本分析、语言学分析、音长估算、发音参数估计等。

?应用：包括医疗听写、语音书写、电脑系统声控、电话客服等。

?未来：真正做到像正常人类一样，与他人流畅沟通，自由交流，还有待时日。

3.2.计算机视觉

?计算机视觉指计算机从图像中识别出物体、场景和活动的能力，包含图像处理、识别检测、分析理解等技术。

–图像处理：去噪声、去模糊、超分辨率处理、滤镜处理等。

–图像识别：过程包括图像预处理、图像分割、特征提取、判断匹配，可以用来处理分类、定位、检测、分割问题等。

–图像理解：本质是图像与文本间的交互，可用来执行基于文本的图像搜索、图像描述生成、图像问答等。

?应用：

–医疗成像分析被用来提高疾病的预测、诊断和治疗。

–在安防及监控领域被用来指认嫌疑人。

–在购物方面，消费者现在可以用智能手机拍摄下产品以获得更多信息。

?未来：计算机视觉有望进入自主理解、分析决策的高级阶段，真正赋予机器“看”的能力，在无人车、智能家居等场景发挥更大的价值。

3.3.自然语言处理

?自然语言处理的几个核心环节：知识的获取与表达、自然语言理解、自然语言生成等，也相应出现了知识图谱、对话管理、机器翻译等研究方向。

–知识图谱：基于语义层面对知识进行组织后得到的结构化结果。

–对话管理：包含闲聊、问答、任务驱动型对话。

–机器翻译：由传统的PBMT方法到Google的GNMT，流畅度与正确率大幅提升。

?应用：搜索引擎、对话机器人、机器翻译、甚至高考机器人、办公智能秘书。

4.AI、机器学习、深度学习的关系

4.1.人工智能四要素

1）数据

如今这个时代，无时无刻不在产生大数据。移动设备、廉价的照相机、无处不在的传感器等等积累的数据。这些数据形式多样化，大部分都是非结构化数据。如果需要为人工智能算法所用，就需要进行大量的预处理过程。

2）算法

主流的算法主要分为传统的机器学习算法和神经网络算法。神经网络算法快速发展，近年来因为深度学习的发展到了高潮。

3）算力

人工智能的发展对算力提出了更高的要求。以下是各种芯片的计算能力对比。其中GPU领先其他芯片在人工智能领域中用的最广泛。GPU和CPU都擅长浮点计算，一般来说，GPU做浮点计算的能力是CPU的10倍左右。

另外深度学习加速框架通过在GPU之上进行优化，再次提升了GPU的计算性能，有利于加速神经网络的计算。如：cuDNN具有可定制的数据布局，支持四维张量的灵活维度排序，跨步和子区域，用作所有例程的输入和输出。在卷积神经网络的卷积运算中实现了矩阵运算，同时减少了内存，大大提升了神经网络的性能。

4）场景

人工智能经典的应用场景包括：

4.2.三者关系简述

人工智能：是研究、开发用于模拟、延伸和扩展人的智能的理论、方法及应用系统的一门新的技术科学。

机器学习：专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。是人工智能的核心研究领域之一，任何一个没有学习能力的系统都很难被认为是一个真正的智能系统。

深度学习：源于人工神经网络的研究，含多隐层的多层感知器就是一种深度学习结构。深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本。

为什么人工智能是人类创造的，却似乎比人类聪明？

为了表达清楚这个问题，从以下几个方面进行阐述：

计算机适合做什么，而人脑适合做什么

现阶段的人工智能到底能做什么，而不能做什么

现阶段的人工智能存在什么问题

计算机适合做什么，而人脑适合做什么

在计算和存储维度，人脑远远比不上计算机的准确度和处理速度。

先不用跟计算机比较，就拿计算器来说，两位数的加减有时候都会为难到很多人。计算器在处理数字的加减时，会将数字转为换二进制进行存储，按照二进制加减的计算规则，按照矩阵式对每一位进行与非的开关操作；而人经常会出现一个画面，这个画面也许是一个算盘，也许是一张稿纸，然后想象自己在算盘或者稿纸上进行计算的过程。

从这个维度我们可以看到，关于信息的存储首先就是不一致的。

数字，文字等作为一种符号，是为了满足信息交互保存的需要而人为创造出来的，对于原始人类而言，根本没有文字，记住画面比起记住文字更加方便保存这段记忆。

举个例子来说，你会想起小时候的一段往事，是会议起了这段画面，还是回忆起了记录这段记忆的文字？

而计算机可不同，它在对数字和其他标准化信息的存储和计算上具有更大的优势。

计算机在将文字这种符号按照一定的规则进行抽象化，可以很好的保存下来，并按照规则进行运算，因此一个小小的计算器，在计算上，尤其是涉及多位数多次的运算，有“秒杀”人类的能力。那么更不用说算力更加高，存储空间更加大的计算机了。

现阶段的人工智能到底能做什么，不能做什么

吴恩达在机器学习的课程中有一个形象的比喻。

机器学习就好像一只小狗，我们需要对小狗进行训练，即使用训练集训练模型。

当给小狗一个输入A，小狗产生了反馈B（正确答案），我们给小狗一个零食作为奖励，并告诉它“gooddog”；

这么训练一段时间，我们就会发现，小狗可以在看到输入A时，给我们一个反馈B。但是小狗并不理解输入A与反馈B之间的内在联系，而是它认为，反馈A是一个大概率最佳的反馈而已。

这个过程在人工智能领域被称为“强化学习”。

我们将这套逻辑，可以应用在各个实际情况中，例如上表所示，这样我们获得了可以识别人脸的机器，可以判断贷款风险的机器，等。

对于此类，看到输入A，返回输入B的系统发展的速度很快，只要我们针对一种应用场景，找到了A-B之间的关系，就可以让人工智能帮助人类进行决策。

我们在日常工作生活中，看到越来越多的地方使用了人工智能。但是，并不是所有场景都可以使用人工智能替代人类，因为机器毕竟没有真的明白A与B之间存在什么样的真实业务逻辑。在科技和文化的推动上，目前人类的大脑所含有的想象力还是具有更多的生机。

现阶段的人工智能存在什么问题

根据上一阶段所描述的，我们可以根据我们的需求，让机器来通过输入给输出结果。

但是，这套系统有一个很高的门槛，需要大量的数据作为训练支撑。

随着这几年科技的告诉发展，各行各业均逐步实现信息化，但是在很多领域上，信息数据的有序收集，信息的整理等工作还很欠缺。

金融作为人工智能发展最迅猛的一个行业，很大程度上是建立在金融很早就实现了数字信息化，有足够的交易数据和用户信息，作为人工智能模型训练的数据支撑，而其他很多行业或很多应用并不存在这个良好基础。

例如，语音识别技术最近几年突飞猛进，在很多场景上已经开始投入使用。但是虽然在英语，普通话等语言下支持的较好，但是对于一些小众的方言，或含有口音的语言识别率研究较差。这就是由于数据所带来的制约。

同时，由于目前在芯片制造上一直没有出现新的材料，摩尔定律已经被打断，对于算力的不断要求，也会制约目前人工智能产业的继续发展。

总结

人工智能的发展将是做为解放生产力的一次革命，从目前看起来，人工智能并没有通俗意义上超出人类，而是以突出自身的优势，更好的辅佐人类。

我儿子被西安电子科技大学人工智能学院录取，前景如何？

谢谢邀请。

在回答这个问题之前，我先要对题主和题主的儿子表示祝贺，因为西安电子科技大学人工智能学院实在太厉害了！以下就是我的分析：

最近几年，要说什么专业最火，那肯定是人工智能无疑了，而且市场对于人工智能产品的呼声也越来越高，基于此，2017年11月，作为我国IT行业两电一邮的重要成员之一、西安电子科技大学的人工智能学院正式成立，是部属高校首个人工智能学院。该院依托于本校的国家重点实验室和国家工程技术中心等资源，开设了智能科学与技术国家级特色专业（本科），并且在模式识别与智能系统、系统工程和智能信息处理等相关学科招收博士和硕士研究生。

人工智能学院师资队伍由焦李成教授带领，他可是教育部“长江学者支持计划”创新团队首席专家、IEEEFellow，他的团队中有近30位博导、硕导是优秀青年科学基金、吴文俊人工智能科学技术奖、国家各层级人才发展计划等的获得者与入选者，近五年更荣获了三项国家自然科学二等奖，将多项省部级科学技术一等奖、省级教学成果一等奖等殊荣收入囊中。

不仅于此，该团队还成功研制了我国首套类脑SAR系统、首套基于面阵CCD的光谱视频成像系统、首个人脸画像识别系统等重大应用平台。其中，类脑SAR系统填补了国内SAR智能感知与解译系统及原理样机的空白，打破了欧美对我国的技术封锁与禁运；光谱视频获取等关键技术经鉴定处于国际领先水平；首个人脸画像识别系统已成功辅助警方破获了多起重大案件。

该学院为了打造世界一流的团队，近五年中，有百余名智能学科的本硕博生出国交流学习，智能学科教学团队80%以上的教师有国外留学或访学经历，出访的学校包括美国麻省理工学院、英国伯明翰大学、荷兰莱顿大学、西班牙BasqueCountry大学等著名顶尖学府。同时，与英国贝德福德大学等诸多高校开展常规化的交流访问为教师和学生“走出去”开阔视野、学习先进知识提供了全方位的支持和保障。

据对全球人工智能知识产权情况检索分析，全球有效专利数量排名50强中，IBM、中国科学院、微软、国家电网、百度、Google、西安电子科技大学、三星等专利数量分列前十，在专利强度的排名中，西安电子科技大学列我国高校第一。

该专业建立了与国际接轨的本、硕、博人才培养体系。如果学生不想读研，该专业近五年本科毕业生平均就业率超过98％以上，非常火爆，而且就业公司如华为、中兴、联想、三星等在内的多家国际知名企业，以及航天科技集团等科研院所，均属一流。

如果学生还想进一步深造，那更是去对了地方，因为该学院累计考研和出国率达到85%以上，多名优秀毕业生被推荐保送至清华等国内一流大学和研究所；超过20%的毕业生留学于美国杜克大学、英国莱斯特大学等海外著名大学。

当然了，学生硕士或博士毕业，就职于华为、腾讯、阿里巴巴、三星等大数据研究院，以及中电14所、中国兵器206所等等国内外著名企业研发岗位，就业的前景和待遇就更好了。

总之，被西大的人工智能学院录取，将有无限发展的可能，所以特别祝贺哦。

好了，文章到此结束，希望可以帮助到大家。