摘要：2017云棲大會北京峰會期間，云棲社區即將重磅發布首份《2017中國開發者調查報告》，歷時3個月的調研，7032人參與調查問卷，最終呈現出一份集開發者畫像與能力的完整描繪。本文就讓大家先睹為快，分享其中關于人工智能的部分內容。

12月20日，2017云棲大會北京峰會期間，云棲社區即將重磅發布首份《2017中國開發者調查報告》，歷時3個月的調研，7032人參與調查問卷，最終呈現出一份集開發者畫像與能力的完整描繪。《2017中國開發者調查報告》(下稱《報告》)中總結概括了中國八大開發技術領域特征，涵蓋了Web開發、前端開發、云計算、大數據、人工智能、移動開發、區塊鏈以及安全等技術領域。

對于當下最火的人工智能技術而言，中國的開發者會選擇從哪個角度入手？目前AI技術中應用最為廣泛的視覺技術、語音識別技術和自然語言處理技術在2017年中的發展情況究竟如何？與此同時，這些技術又面臨著什么樣的困難和挑戰？在當下的中國，人工智能技術的哪些應用場景最為開發者所青睞？未來，人工智能的應用又將走向何方？這些問題的答案盡在《報告》中，本文就讓大家先睹為快，分享《報告》中關于人工智能的部分調查結果。

《報告》發現，中國的AI開發者多數先從難度相對較低的感知智能技術上手人工智能，比如計算機視覺和語音相關技術等。此外，在相對較難的認知智能技術中，自然語言處理技術也占據了較高的比例。

在視覺技術方面，中國的開發者更傾向于圖像檢測和分類，而輔助駕駛和無人駕駛也成為了最受關注的應用場景，互聯網公司和傳統汽車制造商兩大陣營都在這一方面進行大力投入，這將幫助視覺技術快速落地實現。但是視覺技術依舊面臨著諸多問題，比如算法不成熟，沒有達到商用水平、場景復雜，數據難以收集以及計算成本太高等。

在語音識別的實際應用場景中，以智能家居、智能音箱為代表的遠場語音技術應用占據著壓倒性優勢。但是面對海量的語音信息，其實能被開發者調用的資源非常有限，大量的語音識別技術和基礎資源也不夠開放，技術壟斷現象嚴重。

在自然語言處理技術方面，中文分詞與命名實體識別令中國開發者“上火”，中文自然語言處理問題的難度令世界頂級自然語言處理專家也望而生畏。對于NLP的應用而言，“鏈接” 多應用場景成開放式對話機器人應用NLP的高價值體現。總體而言，認知智能級別的NLP， 相比感知智能級別的AI任務，難度呈幾何級增加。

對于潛力應用行業而言，人工智能對勞動密集型行業是替代性顛覆，對知識密集型行業更多體現“助理”角色。未來，AI將會對制造業、金融、教育以及醫療等多行業產生重大影響。

中國的AI開發者多數先從感知智能技術上手人工智能

2016、2017年人工智能成為中國開發者重點關注的技術領域。在中國,計算機視覺、自然語言處理、語音相關技術成為開發者滲透最廣的三個AI技術領域。

AI的兩個重要技術方向一個是感知智能、一個是認知智能，據調研得到的數據統計結果顯示，中國的AI開發者首先入手的技術按照占比高低依次為計算機視覺、自然語言處理和語音相關技術，其中計算機視覺和語音相關技術均屬于感知智能技術，而自然語言處理則屬于認知智能技術，這是因為認知智能的難度要高于感知智能，所以多數開發者選擇相對容易入手的計算機視覺和語音相關的感知智能領域，作為上手AI的敲門磚。

輔助/無人駕駛成為最受關注的視覺技術價值場景
在國內，目前關注度最高的視覺技術應用場景主要是無人駕駛/輔助駕駛領域，數據統計結果顯示，無人駕駛/輔助駕駛場景的關注度占約37%。

無論是傳統汽車制造商還是互聯網公司，都將智能汽車列為未來重要的技術與工業發展路徑，因此在無人車、輔助駕駛領域投入更多的關注和資源。傳統汽車制造商更偏向于漸進式的智能汽車制造技術——輔助駕駛，而包括BAT在內的互聯網公司，更偏向于顛覆式的智能汽車制造技術——無人駕駛。并且由于兩大陣營對智能汽車的大力投入，也很快讓兩種殊途同歸的技術快速實現落地，對開發者而言，技術的成熟和可商業化的特征產生了積極的推動效應。

算法問題已經讓視覺技術道路崎嶇，而復雜場景的數據收集問題又讓開發者負重前行
視覺技術依然是一個非常前沿的技術學科，對中國開發者而言依然有很多障礙需要克服，首當其沖的就是算法成熟度問題，其次則是場景的復雜度過高，數據較難收集；而成本問題相比前兩個問題，似乎對中國開發者而言就顯得并不是關鍵性問題。

算法是視覺技術的基礎，而算法的核心是數學，因此也就給很多開發者樹立了天然的門檻，許多頂尖的開發者如果缺少了頂尖數學的能力，很難將難以理解的數學邏輯用代碼的形式表達出來，這個問題已經成為包括中國開發者在內的全球視覺技術開發者的共同阻礙。其次則是復雜場景的數據收集問題，盡管中國在傳感器部署方面數量眾多，但由于數據安全性問題，開發者很難獲取海量公共信息，因此面對復雜場景時，只能進行有限的數據收集，這也成為開發者應用視覺技術時的另一個重要問題。

中文分詞與命名實體識別令中國開發者“上火”

現階段自然語言處理(NLP)是所有人工智能領域最難的技術方向，沒有之一。鑒于中國國情，自然語言處理的難度更大，由于中國語言的博大精深，不僅是在語言組合方面的難度不可想象，甚至在同義詞理解上，也令世界頂級自然語言處理學家望而生畏。這就不難理解NLP在中國的發展對底層架構的需求更復雜、難度更高，中國開發者最關注的底層技術是中文分詞技術與命名實體識別不分伯仲，其次則是句法分析。

AI對勞動密集型行業是替代性顛覆， 對知識密集型行業更多體現“助理”角色

顯然人工智能的出現對很多行業產生非常大的觸動，特別是那些勞動密集型產業，對待AI的沖擊可謂是無還擊之力。以汽車制造、3C制造為代表的大批企業已經開始大量應用機器人及AI能力來進行設計、生產、物流；對勞動密集型行業而言，AI帶來的是替代性顛覆。而面對醫療行業，AI更多的體現是輔助性服務，這種知識密集型、對專業訴求很高的行業，AI更多扮演助理、輔助的角色。

中國擁有世界上數量最多的開發者群體，并且這個群體非常年輕，面對這樣一個龐大群體，似乎總有人想給他們做一個畫像；這個從二進制到十六進制來回搖擺的群體不再那么神秘，但似乎還是有一層朦朧令大家又看得不夠清晰，而云棲社區希望通過全面的研究分析為大家破除這層朦朧的壁障，透視這個特別群體如何成長至今，如何面向未來…12月20日，2017云棲大會北京峰會期間，云棲社區即將重磅發布首份《2017中國開發者調查報告》，歷時3個月的調研，7032人參與調查問卷，最終呈現出一份集開發者畫像與能力的完整描繪。以下為報告目錄：

《2017中國開發者調研報告》全版PDF將在云棲大會發布后第一時間放出，敬請期待！

總結

以上是生活随笔為你收集整理的2017，人工智能技术如何让中国开发者“倾心”又“上火”！的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。