人工智能主要分支介紹
通訊、感覺與行動是現代人工智能的三個關鍵能力，在這裡我們将根據這些能力/應用對這三個技術領域進行介紹：
·計算機視覺(CV)
·自然語言處理(NLP)
·在 NLP 領域中，将覆寫文本挖掘/分類、機器翻譯和語音識别。
·機器人
1、分支一：計算機視覺
計算機視覺(CV)是指機器感覺環境的能力。這一技術類别中的經典任務有圖像形成、圖像處理、圖像提取和圖像的三維推理。物體檢測和人臉識别是其比較成功的研究領域。
目前階段：
計算機視覺現已有很多應用，這表明了這類技術的成就，也讓我們将其歸入到應用階段。随着深度學習的發展，機器甚至能在特定的案例中實作超越人類的表現。但是，這項技術離社會影響階段還有一定距離，那要等到機器能在所有場景中都達到人類的同等水準才行(感覺其環境的所有相關方面)。
發展曆史：
2、分支二：語音識别
語音識别是指識别語音(說出的語言)并将其轉換成對應文本的技術。相反的任務(文本轉語音/TTS)也是這一領域内一個類似的研究主題。
目前階段：
語音識别已經處于應用階段很長時間了。最近幾年，随着大資料和深度學習技術的發展，語音識别進展頗豐，現在已經非常接近社會影響階段了。
語音識别領域仍然面臨着聲紋識别和「雞尾酒會效應」等一些特殊情況的難題。
現代語音識别系統嚴重依賴于雲，在離線時可能就無法取得理想的工作效果。
發展曆史：
百度語音識别：
距離小于1米，中文字準率97%+
支援耳語、長語音、中英文混合及方言
3、分支三：文本挖掘/分類
這裡的文本挖掘主要是指文本分類，該技術可用于了解、組織和分類結構化或非結構化文本文檔。其涵蓋的主要任務有句法分析、情緒分析和垃圾資訊檢測。
目前階段：
我們将這項技術歸類到應用階段，因為現在有很多應用都已經內建了基于文本挖掘的情緒分析或垃圾資訊檢測技術。文本挖掘技術也在智能投顧的開發中有所應用，并且提升了使用者體驗。
文本挖掘和分類領域的一個瓶頸出現在歧義和有偏差的資料上。
發展曆史：
4、分支四：機器翻譯
機器翻譯(MT)是利用機器的力量自動将一種自然語言(源語言)的文本翻譯成另一種語言(目智語言)。
目前階段：
機器翻譯是一個見證了大量發展曆程的應用領域。該領域最近由于神經機器翻譯而取得了非常顯著的進展，但仍然沒有全面達到專業譯者的水準;但是，我們相信在大資料、雲計算和深度學習技術的幫助下，機器翻譯很快就将進入社會影響階段。
在某些情況下，俚語和行話等内容的翻譯會比較困難(受限詞表問題)。
專業領域的機器翻譯(比如醫療領域)表現通常不好。
發展曆史：
5、分支五：機器人
機器人學(Robotics)研究的是機器人的設計、制造、運作和應用，以及控制它們的計算機系統、傳感回報和資訊處理。
機器人可以分成兩大類:固定機器人和移動機器人。固定機器人通常被用于工業生産(比如用于裝配線)。常見的移動機器人應用有貨運機器人、空中機器人和自動載具。機器人需要不同部件和系統的協作才能實作最優的作業。其中在硬體上包含傳感器、反應器和控制器;另外還有能夠實作感覺能力的軟體，比如定位、地圖測繪和目辨別别。
目前階段：
自上世紀「Robot」一詞誕生以來，人們已經為工業制造業設計了很多機器人。工業機器人是增長最快的應用領域，它們在 20 世紀 80 年代将這一領域帶入了應用階段。在安川電機、Fanuc、ABB、庫卡等公司的努力下，我們認為進入 21 世紀之後，機器人領域就已經進入了社會影響階段，此時各種工業機器人已經主宰了裝配生産線。此外，軟體機器人在很多領域也有廣泛的應用，比如在醫療行業協助手術或在金融行業自動執行承銷過程。
但是，法律法規和「機器人威脅論」可能會妨礙機器人領域的發展。還有設計和制造機器人需要相對較高的投資。
發展曆史：
總的來說，人工智能領域的研究前沿正逐漸從搜尋、知識和推理領域轉向機器學習、深度學習、計算機視覺和機器人領域。
大多數早期技術至少已經處于應用階段了，而且其中一些已經顯現出了社會影響力。一些新開發的技術可能仍處于工程甚至研究階段，但是我們可以看到不同階段之間轉移的速度變得越來越快。