自动化和人工智能已存在多年,但最近才获得较大关注。出现了什么新情况?自动化和人工智能为何如此频繁地被提及?

“自动化”一词跨越了多个学科与行业。它可以是运行几个指令的简单脚本,或驱动车辆的高级算法,也可以是具有读心能力并能自动供应一杯咖啡的复杂程序!

自动化程度受限

可用资源的匮乏大大限制了当前的自动化程度。举例而言,Selenium等自动化工具被用于测试产品用户界面(UI),但Applitools等工具已利用机器智能将UI测试提升至新水平。这令覆盖各种浏览器(Chrome、IE等)和操作系统(Android、iOS等)的自动化UI测试成为现实。过去这种测试依靠繁重冗长的人工流程:这些工具需要屏幕截图或设计方案来勾勒UI框架外观,接着使用图像认知分析来检测并突出任何后续异常现象。

机器智能带来机遇

机器智能打开了流程简化的新天地与新机遇。虽然机器学习也已存在多年,但计算机性能、深度学习算法和用于开发高级算法的智能平台等都是新近出现的资源。以前,这些资源仅供特定的国防工业及特定的研究项目和金融机构使用。如今,软件领域能够接触到更多这类资源,所以这些资源也就成了热门的开发话题。举例而言,如今iOS和Android等手持设备也可使用生物特征身份认证(指纹和面部或声音识别),甚至运行Windows 10的手提电脑和台式电脑也是如此。

自动化确实能够节省人工时间、精力和成本并防止很多错误,但为软件增添智能和学习能力会让产品变得越来越“聪明”,甚至能够自我进步。例如,一个机器人看到另一个机器人从桌边掉落并摔坏,从这个经验中,它也许能学会站在边缘时要停住以免损伤。

举个例子

Amazon Go

Amazon Go是智能生态系统的典范,提供快捷方便的购物与结账体验。Amazon Go声称这一商店无需结账——纯粹的步入步出式购物体验!只需在进入商店时扫描移动应用程序,拿取所需商品,即可离开。之后,系统会直接向个人的亚马逊帐户收取费用。

我认为,这类系统未来会包含生物特征识别(通过面部检测、声音等识别用户)等功能,提供类似的顺畅体验。此外,Amazon Go能了解用户偏好并作出产品推荐,甚至还能将商品备妥,方便用户在确认后直接提货。

再来个例子

Microsoft Windows 10

另一个范例是Microsoft Windows 10。通过Windows Hello框架和Companion Device Framework(助手设备框架),用户可使用生物识别信息或已注册的助手设备(例如手机)解锁手提电脑或其他手持设备,无需输入密码或PIN码,当然用户也可选择手动输入。

只需打造智能联网生态系统,就能实现此目标。在Amazon Go的例子中,移动应用程序与商店中的传感器通讯,能够知道用户选定的商品,然后生成账单。商店生态系统依靠移动生态系统来识别用户并开具账单。在Windows的例子中,移动要素验证了用户身份,手提电脑能够与移动设备通讯,并依靠移动用户身份验证机制来解锁手提电脑。

下一步:软件智能

软件已成为当今万事万物必不可少的组成部分。下一步是提高软件的智能水平,从而打造一个更智能的世界。下面举几个例子:

解锁汽车

可用个人生物识别信息解锁汽车,甚至还能自动设置温度和音乐等特定偏好。个人也可将特定姿势设为二级身份验证密码。汽车或许能够根据你的面部表情或姿势检测到你或喜或悲的情绪,并播放相应的音乐来舒缓你的情绪!

解锁房屋

可使用生物识别信息来解锁房屋,—看到我,门就会自动打开!甚至汽车的验证机制也可运用于此:汽车与家里的大门通讯,验证自己(与屋主),然后门自动打开。之后,房屋会自动设置我的偏好,例如室内温度、音乐等。

钱包支付

另一个示例是钱包支付。目前,这是现有的信用卡或在线支付系统的附加功能,但在很多方面,都可将其视为实体信用卡的替代品。其实,很多公司正在研发钱包支付面部识别技术。

加油站

想象一下,连接生态系统后,你的汽车就能在加油站直接支付油费,全程无扰!

安排会议

企业界的一个简单例子是软件可根据与会者的行程自动安排会议并自动生成会议记录,并将执行项自动添加到与会者的行程日历中。还可生成会议的文字整理稿,供后续参考。

开车且通话

另一个使用场景是当用户开车且必须通电话的时候。生态系统只允许用户执行其中一种行动,要么开车,要么通电话。当然,如果出现例外,也可同时执行两种行动。不过,例外出现的频率会对保险费产生影响!

结语:

我们正在探索机器学习和人工智能,目的是解决医疗、重工业(采矿、石油和天然气、航海等)、桥梁建造、汽车、建筑等领域之前无法解决的问题。未来有无限可能!

未来将出现更多会学习、进步、连接并彼此合作的智能设备,帮助打造智能世界,朝着智能连接、自动化与更美好的未来迈进!

 

本文作者:

Mihir Punjabi是凯捷(Capgemini)的云、物联网、机器学习领域专家。