尽管工业4.0被提起过无数次，但对于AI在里面起到的作用一直讨论不多。同样对于工业互联网，落实到智能制造中的真实场景改造有哪些一样容易忽略？

现如今的神经科学并没有发展，发展最多的还是深度学习和机器学习方向，我们的重心从人脑的研究方向转到目前更加切近生活实际的领域，图像识别，医学领域，声音识别，自动驾驶等等。都是从基础领域入手，一点点模仿人的行为。相信等到材料学下一次巨大进步的时候，我们能够实现真正的”机器人“！

受访者表示，人工智能正在迅速普及，但预计不会大规模减少企业用工人数。目前，仅有极少数企业具备让人工智能创造规模化价值的基本要素。

卡内基梅隆大学（Carnegie Mellon University）的研究人员正在应对机器学习研究中的一个挑战，即在使用机器学习做出公共政策决策时，需要在准确性和公平性之间做出权衡。

高阶自动驾驶域控制器的工作处理能力不仅体现在对于提供大算力、高性能图像处理芯片，更多也是依赖于内部片间通信网络、存储单元与外设总线传输、接口等设计。

就拿自动驾驶汽车来说，技术人员直到现在也不清楚怎么才能在完全无需人类介入的情况下实现自主行驶。哪怕是代表业界前沿水平的特斯拉FSD，也经常会在明显标记为单行道的路面上逆向行驶。

物联网和人工智能在分销中心(Distribution Center)还有更大的用途。这两种技术使得DC从预测驱动转变为需求驱动成为可能。也就是说，当它们与WMS、仓库执行系统甚至工作执行系统相结合时。LeanDNA的Lebovitz说，从预测到需求驱动的运营是DCs向前发展的一个巨大但绝对必要的支点。

准确评估与企业打交道的金融风险能力，对经济和社会都至关重要。在预测破产时尤其如此，因为破产可能导致巨大的财务损失并伤害国民经济。目前，破产预测在商业领域尤为突出。在发表于《专家系统与应用》杂志的研究中，HSE大学商学院教授和学生提出了一种利用机器学习的新方法。

伴随社会快速发展，传统医疗行业面临转型。作为备受关注的民生领域，近年来在老龄化趋势下医疗需求与日俱增，但由于传统医疗资源短缺、医护人员不足以及设施建设不完善，“看病贵、看病难、看病烦”等问题长期困扰着众人。同时，人们对于高质量医疗服务要求的提出，共同呼唤着医疗行业的升级转型。

随着近年来支撑业务的持续发展，数据中心管理要求的精细化凸显，然而，随着国内人力成本的持续增长与传统技术的限制，房间级别的环境监控、以投入人员进行高频度巡检、快速到场的告警异常查看，已难以满足日常运维的需求。

近日，西奈山研究人员创建了一种基于人工智能(AI)的特殊计算机算法，该算法能学习如何识别心电图的细微变化，以预测患者是否正在经历心力衰竭。

有些人工智能设备本身就包含了隐私设置。例如，未来可能将在人们的生活中扮演重要角色的社交型机器人，它们为个人提供陪伴、聊天、学习以及看护等服务。

人工智能在数据处理中的重要性大幅增长，因为传统的数据处理技术变得越来越繁琐。开发和编码从大量数据中提取有用信息的有效算法需要时间和许多潜在用户缺乏的应用专业知识。

双足机器人曾是科幻文学和电影的主题。在非理想地形上，早期双足机器人的形象通常是移动缓慢且笨拙的。近年来的技术进步使得它们能够在保持平衡的同时更快、更有效地移动，但是其移动或多或少还是会受到崎岖地形的阻碍。

人工智能重要特征之一就是要处理和分析海量的大规模数据。人工智能应用在智慧医疗领域。此前多数的做法是将数据都上传至云端进行推理和训练，这样会对云端造成巨大压力。