AI应用的细分领域

多客科技

作者：微信文章
人工智能和机器学习技术用于 2020 年代的大多数基本应用，包括：
（1）搜索引擎（如 Google 搜索）、定向在线广告、推荐系统（由 Netflix、YouTube 或 Amazon 提供）、推动互联网流量、定向广告（AdSense、Facebook）
（2）虚拟助手（如 Siri 或 Alexa）、
（3）自动驾驶汽车（包括无人机、ADAS 和自动驾驶汽车）、
（4）自动语言翻译（Microsoft Translator、Google Translate）、
（5）面部识别（Apple 的 Face ID 或 Microsoft 的 DeepFace 和 Google 的 FaceNet）和图像标签（由 Facebook、Apple 的 iPhoto 和 TikTok 使用）。人工智能和机器学习技术用于大多数基本应用

（6）探索新药
新的人工智能工具可以加深对生物医学相关途径的理解。例如，AlphaFold 2 （2021） 展示了在几小时而不是几个月内近似蛋白质的 3D 结构的能力。2023 年，据报道，人工智能引导的药物发现帮助找到了一类能够杀死两种不同类型耐药细菌的抗生素。2024 年，研究人员使用机器学习来加速寻找帕金森病药物治疗。他们的目标是确定阻断 α-突触核蛋白（表征帕金森病的蛋白质）聚集或聚集的化合物。他们能够将初始筛选过程加快十倍，并将成本降低一千倍。

（7）处理数学问题
大型语言模型，如 GPT-4、Gemini、Claude、LLaMa 或 Mistral，越来越多地用于数学。阿里巴巴集团开发了一个名为 Qwen2-Math 的 Qwen 模型版本，该版本在多个数学基准上实现了最先进的性能，包括在竞赛数学问题的 MATH 数据集上达到 84% 的准确率。2025 年 1 月，Microsoft 提出了 rStar-Math 技术，该技术利用蒙特卡洛树搜索和分步推理，使像 Qwen-7B 这样相对较小的语言模型能够解决 53% 的 AIME 2024 和 90% 的 MATH 基准测试问题。或者，已经开发了用于数学问题解决的专用模型，这些模型对结果（包括定理证明）具有更高的精度，例如来自 Google DeepMind 的 AlphaTensor、AlphaGeometry 和 AlphaProof，来自 EleutherAI 或 Julius 的 Llemma。

（8）取代金融行业的顾问和客服
金融是应用人工智能工具增长最快的领域之一：从零售网上银行到投资咨询和保险，自动化“机器人顾问”已经使用了几年。

（9）生成式AI
生成式人工智能（生成式 AI、GenAI[165] 或 GAI）是人工智能的一个子集，它使用生成模型来生成文本、图像、视频或其他形式的数据。[168]这些模型学习了他们火车的底层模式和结构ing 数据，并使用它们根据输入生成新数据，这通常以自然语言提示的形式出现。

基于 transformer 的深度神经网络的改进，尤其是大型语言模型 （LLM），使生成式 AI 系统的 AI 热潮在 2020 年代掀起了一股热潮。其中包括 ChatGPT、Copilot、Gemini 和 LLaMA 等聊天机器人;文本到图像人工智能图像生成系统，如 Stable Diffusion、Midjourney 和 DALL-E;以及 Sora 等文本到视频 AI 生成器。OpenAI、、、 和等>公司以及许多较小的公司都开发了生成式 AI 模型。

生成式 AI 在广泛的行业中都有应用，包括软件开发、医疗保健、金融、娱乐、客户服务、销售和营销、艺术、写作、时尚、和产品设计。然而，人们担心生成式人工智能可能被滥用，例如网络犯罪、使用假新闻或深度伪造来欺骗或纵人们，以及大规模取代人类工作。知识产权法也存在对生成模型的担忧，这些模型是在受版权保护的艺术作品上训练和模拟的。

（10）特定行业用途——数据分析与决策
还有数以千计的成功 AI 应用程序用于解决特定行业或机构的特定问题。在 2017 年的一项调查中，五分之一的公司表示已将“AI”纳入某些产品或流程中。一些示例包括储能、医疗诊断、军事物流、预测司法判决结果的应用程序、外交政策或供应链管理。

用于疏散和灾害管理的 AI 应用程序正在增长。人工智能已被用于使用来自 GPS、视频或社交媒体的历史数据来调查人们是否以及如何在大规模和小规模疏散中疏散。此外，AI 可以提供有关实时疏散条件的实时信息。

在农业方面，人工智能帮助农民确定了需要灌溉、施肥、杀虫剂处理或提高产量的区域。农学家使用 AI 进行研发。人工智能已被用于预测西红柿等作物的成熟时间、监测土壤湿度、作农业机器人、进行预测分析、对牲畜猪的叫声情绪进行分类、自动化温室、检测病虫害以及节约用水。

人工智能在天文学中用于分析越来越多的可用数据和应用程序，主要用于“分类、回归、聚类、预测、生成、发现和开发新的科学见解”。例如，它用于发现系外行星、预测太阳活动以及区分引力波天文学中的信号和仪器效应。此外，它还可用于太空活动，例如太空探索，包括分析太空任务的数据、航天器的实时科学决策、避免太空碎片和更自主的作。

【笔记，一位网友的判断】

deep seek的热潮已经退去，市场冷静下来了。 在AI领域，应用才是中国的优势。
大语言模型做的是效率和成本的提升，本质而言不会有太多新商业模式。 而生成式AI在国内的土壤并不比美国好，首先是大众的掌握和使用习惯，其次是观众的偏好。 短期而言，生成式AI是搞不过颜值和身材经济的，那也快捷和迅速的多。剩下的只能是在应用本身能提供产品竞争优势的领域。那么顺着这个思路，很容易发现 在智能驾驶和人机交互上，中国和可能领先美国，引领全球。
这一点上，有法规上的优势。有政府的支持，民众的接受，有规模效应。都比美国企业要强。