在《小鹏智能汽车音效是如何设计的（上篇）》中，我们重点跟鹏友们分享了音效的分类，设计原则以及思考维度、主要场景等等，接下来我们再聊一聊音效设计的调性以及与美学之间背后的深层次逻辑关系。
4.音效的设计调性
小鹏汽车致力于通过数据驱动电动汽车的变革，认为“AI+互联网+汽车”才是下一个汽车时代的全新赛道，这是小鹏汽车产品最大的差异化特色。因此关键词“科技、未来、智能、创新”便成为了小鹏汽车品牌的标签。
围绕品牌定位的关键词，延伸到人类对科幻的认知，贯穿小鹏汽车的UI视觉设计、造型设计，便有了小鹏智能汽车音效以“空、幻、厚”为设计理念，结合机器人、太空、外星等元素，对自然和科技、未来和生命、飞行和时空的理解融入到小鹏音效中，赋予其“星际”主题设计语言。
每一个设计都是灵感瞬间迸发的产物，灵感源于自然。那为什么小鹏智能汽车音效是以“空、幻、厚”为设计理念？我们看一下下面的图：
星际是天文、外星文明的称呼概念，当看见这些充满科幻的元素，会使你的脑海浮现出各种形容词来诠释对概念的理解，如果转移到声音理解上，把这些词汇做一个贴切的表达，于是提炼出了“空、幻、厚”，通俗一点说就是：假大空。空：空灵、遥远；幻：虚幻、模糊；厚：厚实，低沉。这三个字既能体现主题的科幻感，也能贴切形容声音的感觉。
4.1 如何能让声音做到“空、幻、厚”呢？
①音色
在音色选择上尽量往“色彩性打击”乐器靠拢，包括Celesta钢片琴、Glockenspiel钟琴、Musicbox八音盒、Vibraphone颤音琴、Marimba马林巴、Xylophone木琴，以及一些电钢琴合成音色，因为这些音色通透明亮，有丰富的泛音属性，能够表达唤醒、提醒的情绪和感觉。
②音效
既要有唤醒的效果，又要有科幻感，为了能营造“幻”的氛围，要让声音听上去有一种虚幻、模糊、朦胧的状态，需要对选好的原声音色进行混音效果处理，把原来有棱有角的模样变得圆润、柔和。就像一块很锋利的玻璃，将这块玻璃的边磨成无棱无角，这样就可以用手去触碰摩擦而不会感到刺手难受。在声音处理上通过改变Attack或者Tone参数，削弱声音音头瞬间释放的力量，磨平其尖刺生硬感达到圆润、柔和，再通过加大Reverb混响及拉宽声场使其听上去更空灵、遥远、模糊，甚至产生若隐若现虚无缥缈的感觉，这就是“幻”之感。
1、原声
2、圆润、柔和
3、空灵、遥远、模糊
③音区
所谓音区就是声音的音域范围，音效所在音区应以低音区为主，高音区为辅。太空飞船，巨型生物、星系恒星等等给我们的感觉是巨大，粗矿，回到汽车本身，汽车有别于我们平常接触的手机、电脑、Pad等终端智能设备，相对来说它是个庞然大物，厚实、低沉的声音更符合汽车的气质，所以在选择音色方面尽量选粗一点的音色而不能精细的，而且在编写音调时要集中在低音区，保持低频居多，让它出来的声音是低沉、厚实的，这也有利于我们丹拿音箱的发挥。再者，人耳对高频的声音听多了容易犯困，耳朵会难受，为了舒适的声音体验，需要让整体的声音保持低沉、厚实，这就是“厚”之感。
4.2音效的整体性是如何保证的
声音需要系统化设计，这样可以达到风格统一，形成具有品牌属性的标签，更容易产生用户粘度。因此，声音要做到体系化，是要考虑一些因素的，小鹏汽车是如何让声音做到更统一的？
①音色系列的统一
音色是反应声音与众不同的特征指标，选择同一系列音色能让整个听觉体验更像同一种调调，前面说了选择“色彩性打击”乐器通过效果的处理能贴近虚幻、模糊、朦胧、空灵、遥远的意境，所以我们很大部分的音色是选择了它的。
除了选择偏色彩打击乐器音色，我们还对科幻做了更深一步的思考，它不仅是空灵、虚幻、厚重，还是神秘、敬畏的，这就需要寻找一种声音作为载体，这个载体就是Organ管风琴。管风琴是一种很古老的乐器，它盛行于巴洛克时期，常出现在教堂。管风琴音色庄重、优美，是神圣宗教的乐器，他能联想到教堂、建筑风格，营造神圣的氛围感，代表人类对神秘或超自然描绘的幻想，无疑也是用来展现浩瀚宇宙的绝佳载体。
好莱坞科幻电影《星际穿越》的主题音色也将管风琴乐器发挥到了极致，相对老式科幻片采用传统管弦乐作为主音色有了很大突破。回到小鹏智能汽车，管风琴音色在我们P7的慢速行驶音与仪表警告音中也得到了体现，这属于小鹏汽车音效的另一音色系列。智能汽车在慢速行驶时，车辆为了安全会发出提示音提醒行人，当仪表警告音响起时，这是告诉你车门未关或者有其他故障，这些都属于安全警示。如果说管风琴音色是人类对神圣宗教和超自然力量的敬仰，那么把这种音色运用到我们的车载音效又何尝不是我们对驾驶安全、生命安全的敬畏呢？
星际穿越配乐
小鹏P7-仪表警告音
小鹏P7-低速行驶音
②声音结构与音调的统一
首先，声音结构比较抽象，可以理解为声音的整体框架、节奏、音数，要做到声音听起来更接近，自然在同一模块或者功能里也得做成接近的框架、节奏、音数，所以在这些可量化的参数上是需要把控的。
其次，这里说的音调统一分成两块，一是调式、旋律的创作统一，二是品牌式的声音logo。
(一)调式、旋律的创作，我们需要把在同一模块的音效做配对，比如前面打开的音效是在C调创作的，那么在关闭时的音效也最好保持在C调，这样听起来才是同一调式范围，不会有离调感。而且旋律创作上要统一保持那几个音，可以适当的做微调。
(二)声音logo，所谓声音logo就像视觉图形一样，是企业或产品的品牌标识。建立声音logo有助于我们对品牌进行信息传递及推广，让声音可以包装，应用到广告、司歌、电视各种渠道、场景产品，达到声音的品牌化。再回到小鹏智能汽车，我们希望把这个声音logo应用到各种场景各个项目中，在保持声音基因的大前提下，进行各种改编适配，实现声音品牌统一化。一个有辨识度的声音logo同时要具备简短易记、契合品牌、可改编可扩展三个特征，这样有助于传播、适配。小鹏智能汽车声音logo包含三个音：1-7-5，这三个音目前在我们的汽车解锁时的音效和打开车门的迎宾音效出现，这象征着小鹏智能汽车的门户声音。
小鹏P7-解锁音效
小鹏P7-迎宾开机音效
③声音效果的统一
前面提过，要保持具有空、幻、厚之感，需将声音做效果输出。通过专业化的处理，比如混响、延迟、Attack、Tone、EQ等是可以改变其空间感、深度感、模糊感、沉闷感、厚实感的。
或是在原声样本就已经具备这些特征效果，比如为了营造空气感、大空感、空旷感，我们大量使用了Atmosphere音色配合音效设计作为PAD铺垫。除此之外，部分系统操作音效带有结实的颗粒感，这是一个声音特征，操作音的共性。
空旷感翱翔感
最后，我们的声音频率主要集中在200-4000HZ范围，这也是人耳比较敏感的频率区域，但由于是在3000-4000HZ，音量在同等幅值下，人耳的主观感受响度会更大，会感觉不舒适，甚至难受，于是把这部分频率削弱了，所以大部分声音听起来会比较闷，低频会更突显，这也是体现声音的厚之感。
5.低速行驶提示音
前面讲了低速行驶提示音为何而来，是因为无声的电动车在低速行驶的状态下，怕对行人、车辆造成安全隐患，故发出提示音提醒路人注意车的靠近。那么小鹏智能汽车的低速行驶提示音是如何设计的？在讲设计之前，先说一下低速行驶音有关于在音效设计上的法规要求，其中最重要的一点就是频移的要求。如下：
当车辆以5km/h~20km/h范围内的某一速度前进时,提示音系统所发出的声音中,至少有一个表1中所规定的1/3倍频程的频率会随车速的增加而变大,或随着车速减小而变小，该频率的最小平均频移速度应满足≥0.8%/(km/h)。
这段花里胡哨的数据可能会看懵逼，但在音效设计上只要简单的记住：当车速在变快的时候，声音的频率也应随着变高，当车速变慢时声音频率应随着变低，当车速为零时就回到原始频率的声音，至于频率变化多少，这交给软件算法工程师处理，这就是低速行驶音的频移法规要求。
基于这一条规则，设计最初想了许多方案，比如大自然的水泡声、下雨声、还有优美的旋律，但是通过频移之后，这些声音要么无法满足法规，要么声音走了样。
旋律频移后
事实证明，类似于白噪声的音效行不通，因为频移不明显，无法满足法规；带很明显的旋律感音乐行不通，因为频移会带来走音变调变速，完全把旋律扭曲了，不悦耳；不是持续而有间断的声音也行不通，频移也会使声音走样；还有音调太高的声音行不通，因为当速度变快时，声音一直往上移动，高频多了会非常刺耳难受。基于上面的结论，可以确定几个满足低速行使音的基本条件：1.频移后要有明显的音高变化；2.音色必须是长音乐器；3.不能有太明显的旋律线；4.音调要往低沉方向设计；
为了满足上面几个基本条件，结合前面提到的灵感启发，我们把目光移到了管风琴和Atmosphere大气音色，它们能带来科幻感，且管风琴夹带着似有非有的旋律，隐藏着神秘、个性，使声音更具辨识度。基于星际主题的设计语言，我们给低速行驶提示音命名为“时空扭曲”和“太空幽浮”，因为管风琴音色频移时夹带若隐若现的旋律，伴随着低声部的烘托，犹如时空在变幻跳跃扭动。而Atmosphere大气音色能给人一种穿越在太空的翱翔感，像未来战舰一样穿梭在太空。
小鹏P7低速行驶音(太空幽浮)加减速频移示范视频
小鹏P7低速行驶音(时空扭曲)加减速频移示范视频
四、结语
生活中的歌声、说话声、环境声等各种物体发出的声音，通过音乐、声音设计、语音等表达形式可以使听众产生听觉记忆，从而实现对世间万物的辨识认知。汽车也不例外，一套好的声音体验能给品牌带来增值的可能性。
或许以后智能汽车的音效是颠覆性的，低速行驶音是可以夹带旋律使听者愉悦的，或许将来的智能汽车是不需要声音的。智能电动汽车音效设计作为一个崭新的领域，前方没有人踏过，需要探路者在广阔的无人区进行勇敢的尝试，就像《星际穿越》中的库珀带着探险家们开始在广袤的宇宙中进行星际航行……
讲真，这个问题提出的时候我们还没有开始玩知乎，但4年的时间可发生的变化太多了，C罗7夺欧冠金靴，天问一号发射成功，特斯拉已经开始国产，蔚来、小鹏、理想纷纷完成上市。等到2024年，Allin自研的小鹏在智能汽车上又会有哪些创新的精彩设计呢？想知道答案的话可以先试驾体验或者成为尊贵的小鹏P7车主，相信不会辜负你的期待~
人工智能发展现状及应用导读：人工智能（ArtificialIntelligence），英文缩写为AI。人工智能被认为是第四次科技革命的核心驱动力，目前许多领域都在探索AI技术的应用，可谓方兴未艾。那么什么是人工智能，它经历了怎样的发展历程，现阶段发展状况如何，它有哪些应用。本篇文章就为大家做个简单分享。同时也会为大家详细介绍一下百度的AI技术体系。
本文主要内容：
1.人工智能概念
①智能
②人工智能
2.人工智能的发展
①人工智能的发展历程
②AI是中国的机遇
3.AI与百度
①百度AI的发展历程
②百度AI的技术体系
③百度AI的场景化应用
1.人工智能概念
1.1智能
谈到人工智能，需要首先理解“智能”一词的具体含义。智能是指人类才具有的一些技能。人在进行各种活动的过程中，从感觉到记忆再到思维产生了智慧，智慧产生了人类本身的行为和语言，行为和语言统称为能力；智慧和能力结合在一起就是人工智能中的智能一词。
比如，人类的语言表达能力就是一种智能（语言智能）；人类进行复杂数学运算的能力也是一种智能（数字逻辑智能）；人类的交往能力也是一种智能（人际智能），人们对音调、旋律、节奏、音色的感知能力，也是一种智能（音乐智能）。他们都属于智能的范畴。
1.2人工智能
把智能的概念与人的逻辑理解相结合，并应用到机器中，让机器能更好的模拟人的相关职能，这就是人工智能。人工智能就是要让机器的行为看起来就像是人所表现出的智能行为一样。
人工智能概念，最早可以追溯到上世纪90年代初，这个时候需要提到一位科学家：图灵。
艾伦·麦席森·图灵（英语：AlanMathisonTuring，1912年6月23日—1954年6月7日），英国数学家、逻辑学家，被称为计算机科学之父，人工智能之父。
图灵最早定义了什么是人工智能，怎样去界定一个机器（或一个设备）是否具备智能。他最早提出了图灵测试（即：一个人在不接触对方的情况下，经过某种特殊的方式和对方进行一系列的问答，如果在某些时间之内，他无法根据这些问题判断对方是人还是计算机，那么我们就认为这台机器具备智能化的思维）。直到2000年左右，才真正有计算机通过了图灵测试，才实现了一个突破。在2014年图灵测试大会上，出现了一个通过图灵测试的机器（或者称为智能聊天的机器人）。这两年人工智能的高速发展，也印证了最早的图灵测试，这也让我们反向看到了图灵在人工智能定义方面做出的突出贡献。
现今，在做图灵测试时，判断这个设备是否具备人工智能，更多的还是从模拟人的角度来考量。但在当前科技背景下，人工智能需要涵盖更广的内容，它不仅仅要模拟人本身的职能，还需要具备一些扩展、替代甚至延伸的职能。
举个例子，在医疗领域，需要经常在实验室进行病毒化验，人处这样的实验环境下会比较危险，经常会出现一些事故，如果能够用机器替代人来做这些实验，这些事故就可以避免。此时，这台机器就不仅仅是在模拟人，而是在替代人，机器本身就具备了替代人的能力。
当前，很多人在担忧：人工智能的发展会不会对人类造成威胁。其实，目前人工智能还处于早期的阶段（或者称之为婴幼儿阶段），我们还处于弱人工智能时代。
当然，随着时间的推移，将来我们可能会把弱人工智能时代推进到强人工智能，甚至再往前推进到超人工智能和智能爆炸时代。但至少目前，我们离这样的时代还有非常远的距离，要实现这样的目标，需要非常多的时间积累，可能要通过几代人甚至十几代人的努力。所以大家不要有过多的担心，人工智能现在更多的还是用于服务人类，用来提高人们的工作效率。
上图引自MIT大学一位教授。
针对人工智能所覆盖的领域，这位教授提出一个观点：“我们要尽可能避免做这些容易“进水”的工作，以免被日后所淘汰掉”。
这张图水平面以下的工作，如存储，计算、甚至象棋活动等，已经被海平面淹没。在海平面边缘的工作，如翻译、驾驶、视觉和音频等，很有可能在未来的一段时间，随着技术的进步也会被淹没。再来看图上高海拔地区的工作，如艺术创新、科学研究，文学创作等，让人工智能替代人类去做这些工作，在现阶段是比较困难的。要让人工智能实现像人一样具备主观能动性，还需要比较长的时间。我们在选择工作，或者在做技术探索的时候，应该从更高的层面布局，而把那些可以被人工智能替代的工作交给计算机去做，这样我们就可以从一些重复性、冗余性的工作中抽离出来，去专门从事创造性的工作（比如艺术创作等）。
2.人工智能的发展2.1人工智能的发展历程我们回顾一下人工智能发展的历程。
人工智能并不是特别新鲜的词，在计算机出现后不久，大家就已经开始探索人工智能的发展了。
1943到1956年这段时间，为人工智能的诞生期，期间有很多人尝试用计算机进行智能化的应用，当然此时不能称为人工智能，只是有类似的概念。
人工智能的分水岭是1956年达特茅斯会议，在本次会议上正式提出了AI这个词。
1956到1974年这段时间，是人工智能发展的黄金时代，是人工智能的第1个高速发展期，通常把这段时间称之为人工智能大发现时代。
1974到1980年这6年的时间里，进入了人工智能发展的第1个低谷，在这个低谷期，出现了非常多的问题，比如计算上的问题、存储上的问题、数据量的问题，这些问题限制了人工智能的发展。
1980到1987年这段时间是人工智能的第2个繁荣期。期间诞生了大量的算法，推动了神经网络的高速发展，同时出现了许多专业的科研人员，发表了许多创造性的论文。
1987到1993年这段时间是人工智能的第2个低谷期，期间有个词叫“AI之冬”。有大量的资本从AI领域撤出，整个AI科研遇到了非常大的财政问题，这是导致”AI之冬”的主要原因。
1993年之后，人工智能又进入到高速发展期，期间出现了许多经典案例，比如1997年IBM公司的深蓝案例，2001年IBM的沃森案例，2016年谷歌AlphaGo案例。这些案例是人工智能在应用层面的体现。
上图概括了人工智能的发展历程。
可以看到，从1956年达特茅斯会议AI这个词诞生，一直发展到现在，人工智能共经历了60多年的跌宕起伏，并不是仅在2016、2017这两年间才出现了人工智能这个概念。
从宏观上看，AI的发展历程经历了三次比较大的起伏。
第1次起伏是从1943年到1956年，首次出现了神经网络这个词，把人工智能推到一个高峰，期间出现了许多大发现。而第1次低谷使人工智能进入到了反思的阶段，人们开始探讨人工智能的应用。
第2次起伏是在上世纪80年代，期间BP算法的出现，神经网络新概念的普及，推动了人工智能又进入第2次高峰和发展。然而从1987年到1993年又进入到了了第2次低谷，这主要因为一些财政原因导致。
第3次起伏从2006年开始，由辛顿提出了深度学习的概念，把神经网络往前推动了一大步，也把人工智能推到了高速发展阶段，尤其是近几年在非结构化领域取得了许多突破（例如在语音与视觉方面），给人工智能进入商业化应用带来许多的基础性技术沉淀。
人工智能为什么会在前面的发展过程里遇到了那么多的坎坷？为什么在最近这几年会进入一个高速发展期？
我们归结了近几年人工智能高速发展的三点原因：
①算力飞跃
人工智能（尤其是深度学习），对底层计算能力的要求非常高。早期的计算受到了极大限制，从CPU发展到了GPU，使得算力几乎能达到几倍甚至十几倍量级的增长。再从GPU到TPU，计算速度能达到15~30倍的增长，使得在算力层面不断取得突破。此外，大量云资源的出现将我们计算的成本压到了最低，我们在处理海量计算的同时，也可以享受比较低的成本。再者，芯片技术的发展，使得端处理能力持续提高，这些都帮助我们在算力层面取得了很大的突破。
②数据井喷
从PC互联网时代到移动互联网时代，再到可穿戴设备的应用，都产生了大量的数据。这两年，每年产生的数据量可以达到50%左右的增长。2017年到2018年，这段时间内基本上每个月产生的数据量可以达到几十个亿的量级，数据量已经非常高。物联网的连接，能帮助我们把更多的数据采集回来，帮助我们在数据层面做更多的积累，这是数据井喷带来的积极影响。
③算法突破
近几年来，从机器学习到深度学习，算法不断取得突破。使得我们可以处理更多的大规模、无监督、多层次等复杂业务。
算法、算力、数据是人工智能的三要素，算力是骨骼，数据是血液和食物，算法就是大脑，三者不断取得突破，才能促进人工智能高速发展。
2.3AI是中国的机遇
人工智能技术的发展也促进了很多产业的发展。中国目前有非常好的历史机遇，不仅仅是在技术上有大量的积累，同时，国家也为人工智能的发展提供了非常好的政策环境。此外，市场空间、资金支持、人才储备，也都为人工智能的发展提供了非常好的条件。
通过上图可以看到，人工智能的研发人才目前还比较短缺。图上数据来源于领英在2017年所做的全球AI人才报告。以2017年的数据来看，全球人工智能专业的人才数量超过190万，在这190万人才中，美国处于第一梯队，有85万+；而中国在人工智能领域的人才积累比较少，从数据上来看，目前国内人工智能方面的专业技术人才可能只有5万+，当然这是2017年的数据，现在可能会有一些增长，但是量级也没有达到我们想象的那么大。
所以从国内目前来看，这约5-10万的AI技术人才，对比AI产业的高速发展需求，两者之间有巨大矛盾。那怎样更好的用这些人才作为突破，把人工智能方面的技术人才储备提高到百万级别。这正是整个百度（包括百度的教育合作与共建，包括百度所有对外输出的体系，包括我们今天所做的课程）所努力的方向，我们期望通过百度的技术赋能，真正的帮助人工智能取得更好的人才积累，真正培养一些在未来对人工智能行业有巨大贡献的专业人才，这是百度现在的定位目标。
AI浪潮已然到来，行业人工智能时代已经到来。目前，人工智能已经大量应用在2c和2b领域，怎么让人工智能跟具体行业有更好的接触，产生更多的积累，是我们正在重点探索的方向。
比如百度的搜索引擎，已经融入了很多AI元素。模糊匹配、拍照识图、深度挖掘检索等都应用到了大量的人工智能技术。
再如推荐系统，他会基于个人的一些喜好和历史阅读习惯来给用户做一些内容的推荐和匹配，这是很典型的结合大数据做的精准应用，实际上也属于人工智能的范畴。
再如人脸识别技术、语音技术、智慧交通和无人驾驶等，都是AI技术与行业应用的融合，并且这些技术正在不断取得突破。百度现在L4级别的无人驾驶车已经初步实现了一些小规模的量产，未来会有更多的人将真正的体会到无人驾驶给生活带来的便利。
3.AI与百度3.1百度AI的发展历程
上图为百度在人工智能领域的发展轨迹，早在2009年，百度就开始尝试探索人工智能相关技术，直到2019年，百度用了近十年的时间布局人工智能。
2009年尝试性布局人工智能，2013年发布IDL，2014年成立硅谷实验室以及百度研究院，2015年首次发布DuerOS，2016年发布百度大脑1.0版本，同年，百度的自动驾驶技术进入试运营状态，2017年是百度人工智能技术高速发展的一年，不仅成立了深度学习国家实验室，同时也成立了硅谷第二实验室以及西雅图实验室，并且Apollo平台开始运行并对外推广，在2018年到2019年，DuerOS和Apollo平台发展到3.0版本，百度大脑发展到5.0版本。经过近十年的发展和积累，百度的人工智能技术目前处于相对领先的位置。
百度在人工智能领域领域取得的进展有目共睹，比如，百度成立了首个国家级AI实验室；2016年被美国《财富》杂志评选为深度学习领域四大巨头之一；百度的刷脸支付、强化学习、自动驾驶等技术入选MIT2017年全球十大突破性技术；在AI领域，百度的中国专利申请超过2000项。
3.2百度AI的技术体系
百度的技术体系非常全面，覆盖了计算体系、大数据技术体系以及人工智能技术体系等，在机器学习、深度学习、区块链、知识图谱、自然语言处理、量子计算等领域均有雄厚的技术积累。这些技术可以按内容划分成三个板块，第一是A板块（即AI技术板块），第二是B板块（即大数据板块），第三是C板块（即云计算板块）。这就是百度在2016年提出的ABC概念。从一开始的1.0版本，发展到如今的3.0版本，代表着百度在人工智能领域的整体布局。在人工智能领域的布局中，百度的探索不仅停留在最核心的技术上，也同时将核心技术与更多的领域相结合，如边缘计算、物联网（InternetofThings,IoT）和区块链等，得到了如ABC+区块链、ABC+DuerOS、ABC+Apollo等对外输出模式，向各行各业提供解决方案。
在A板块中，将百度大脑分成了不同的层次。最底层是算法层，包含机器学习和深度学习算法，使用百度的PaddlePaddle深度学习框架提供算法层的基础支撑；算法层之上为感知层，感知层可分为对声音的感知和对光的感知，其中，对声音的感知主要是语音技术板块，对光的感知主要是图像技术、视频技术、AR/VR等技术板块；在感知层之上是认知层，认知层更多的是处理人类听到和看到的内容，对其进行深度理解，深度理解需要自然语言处理（NLP/NLU）、知识图谱等技术作为支撑，同时也需要积累大量用户画像数据，这些技术能帮助人们快速的理解和分析人类听到和看到的内容，并对内容进行有效的反馈，这是认知层面的技术；在认知层之上是平台层，平台层将底层的内容进行融合、封装，对外提供开放、完整的AI技术，并引入大量的生态合作伙伴，共同探讨人工智能产业的布局。
百度人工智能整体技术体系，最底层是深度学习框架飞桨PaddlePaddle，作为底层计算框架，飞桨PaddlePaddle支撑着上层场景化能力与平台中的全部板块。在场景化能力与平台中，包含了诸多场景大板块，每个大板块下又细分为多个技术板块，比如语音板块包含了语音合成以及语音唤醒等技术板块；计算机视觉技术中的OCR技术，包括传统通用OCR识别，以及垂直领域OCR的识别，可以对30多个OCR识别领域进行精准识别，比如票据识别、证件识别以及文字识别等；在人脸/人体识别板块，同时也会引入图像审核以及图像识别方面的技术；在视频板块，有视频比对技术，视频分类和标注技术，以及视频审核技术；在自然语言处理板块，有机器翻译技术；知识图谱板块，有AR/VR技术。这些板块构成了人工智能体系的技术蓝图。
近两年来，人工智能技术在各行各业中的应用不断加深，实践证明，单一的技术在落地时会受到诸多限制，所以现在人工智能在落地时可能不仅仅用到某一个单独的技术板块，而是需要先把这些板块进行融合，然后再进行实际应用，比如在拍照翻译的应用场景下，既需要用到OCR技术，同时也用到NLP技术。因此在实际应用中，需要综合各个板块的技术，把不同的技术体系和技术内容有机地融合起来，再去解决行业中面临的痛点。
3.3百度AI的场景化应用
2014年到2015年期间，在计算机视觉领域的部分场景下，计算机视觉识别准确率已经超过了人眼识别。而利用深度学习技术的计算机听觉识别，在2017年左右也已经超过人耳听力极限。
人工智能业务场景化不仅依赖底层的硬件资源，也需要超大规模的标注数据，这是监督学习的特点，所以在人工智能早期研究中，有评论说“有多少人工就有多少智能”，这句话在特定角度来看是具有一定意义的。在监督学习中，训练模型需要庞大的标注数据，再结合GPU强大的数据处理能力去训练特定模型，也就是从算法的层面去做更多的工作，在训练模型的过程中需要发挥人的主观能动性，更好的解决在行业应用中出现的一些痛点，构建出行业专属的模型。
比如，将人体分析技术应用到实际行业场景中时，需要结合人脸识别技术和人体识别技术。可以通过基础手势识别，识别一个人在开车时有没有系安全带、是不是在打电话等。
利用人体分析技术，可以做到行为识别，首先设定特定区域，然后对区域内的人员行为进行识别，比如人群过密、区域越界、人员逆行、徘徊以及吸烟等，在特定场景下，行为识别能够帮助用户避免安全隐患。
自然语言处理有很多相关技术，比如说词法分析、词向量表示、语义相似度、短文本相似度、情感相似度分析等。这些技术用在不同的应用场景下。
在公检法系统应用中，为了避免出现非常严重的问题，如同案不同判，具体解决方案是当诉讼呈递给法官时，根据当前诉讼内容在公检法系统中寻找历史上类似的案件，参考历史类似案件的判决，给法官提供判案依据。
在媒体领域应用中，对基础的财经类新闻，可以由机器进行新闻文章的编写，即机器写作。这些技术都是基于NLP在相应领域做的智能化应用，可以让编辑或记者从重复性的工作中解脱出来。
人工智能从广义上来看，也包括大数据及云计算相关技术，这些技术也都涵盖在百度AI技术体系中。在大数据领域，主要包括数据采集、数据存储、数据分析以及数据可视化等，利用这些技术，我们在进行模型训练的时候，对数据进行科学的管理可以帮助我们提高模型训练效率。
百度AI技术体系也提供算力层面的支持，通过GPU服务器以及FPGA服务器提供的算力，更好的解决应用层面的问题。
百度AI就是这样一个从基础层，到感知层、认知层的完整体系，为多行业、多场景提供“一站式解决方案”，力求实现“多行业、多场景全面赋能”。
回顾本篇文章，我们和大家分享了人工智能的相关概念，人工智能的发展历程，从中也可以看出AI是我们的历史机遇。同时本文也为大家详细介绍了百度的AI技术体系，经过10余年的努力，百度AI已经形成从基础层，到感知层、认知层的完整技术体系，为多行业、多场景提供“一站式解决方案”，力求实现“多行业、多场景全面赋能”。
人工智能分类浅谈文章目录前言一、什么是人工智能？二、人工智能的分类1.按学派分类2.按能力分类3.按业务领域分类4.按学习方式分类5.按实时分类6.按学习步骤来分7.按学习技巧来分8.按学习轮次来分9.按模型种类来分10.按任务来分11.按模型来分前言本文将粗略介绍人工智能的分类
一、什么是人工智能？通过学习掌握了某种技能的机器，我们认为他具备了人工智能。
二、人工智能的分类1.按学派分类符号主义：又被称为逻辑主义，心理学派，专家系统。该学派认为人工智能是源于数学逻辑的，该学派认为人类认知和思维的基本单元为符号，把这种符号输入到能处理符号的计算机中，从而模拟人的认知过程来实现人工智能。
连接主义：又被称为仿生学。该学派是基于神经网络及网络间的连接学习算法的智能模拟方法。
行为主义：又被称为进化主义或控制论学派。研究的是一个群体的行为。
2.按能力分类弱人工智能：只能处理单一的问题，该模型如果被训练为识别猫狗分类，那么他就只能够处理这个问题。
强人工智能：在各个方面都能够和人类相比。
超人工智能：在各个方面的远超人类。
3.按业务领域分类信号领域
图像领域：识别/侦测，跟踪，切割，生成
语音领域:
自然语义
自动化
4.按学习方式分类有监督：每条数据都有对应的标签。如在训练手写数字识别的时候我会告诉网络传入的图片所对应的数字。高效但成本高
无监督：在训练网络的时候，只给网络对应的数据没有标签，不告诉网络图片对应的数字。成本低而且泛化性能较好但效率低
半监督：输入网络的数据只有部分数据有标签。（少量包含标签的大量无标签的）
自监督
5.按实时分类在线学习：推理和学习是同时进行的。
离线学习：学习完成之后在使用。
6.按学习步骤来分非端到端学习：数据在输入模型之前需要认为进行特征提取。传入模型的不是原始数据，而是经过处理之后的特征。特征提取比较难，对最终的结果影响大。
端到端学习：数据直接输入模型得到输出，特征提取是由模型自己提取的。当任务比较复杂的时候学习起来比较困难。
7.按学习技巧来分迁移学习：在已经训练好的基础上继续学习新的任务。如某个模型已经学会了识别猫狗，我们在这个基础上继续学习识别飞机，船等。
元学习：元学习学习的数据的本质特征
级联学习：将任务进行分解来进行学习
递增学习：逐级增加学习的难度
对抗学习：两个网络相互竞争从而来进行学习
合作学习：分工合作学习
8.按学习轮次来分N-shot/Few-shot
one-shot
zero-shot
9.按模型种类来分判别模型
生成模型
10.按任务来分回归/拟合/函数逼近：当模型的输出为一个具体的数值时为回归任务如预测物体的所在的坐标点时。
分类
聚类：聚类和分类本质上都是把数据分开，区别时聚类为无监督学习。我不知道这堆数据里面有几个类别也不知道哪些是具体的哪一类的数据。
特征提取/降维/主成分分析
生成创作
评估与规划
决策
11.按模型来分统计：传统的机器学习，非端到端学习
仿生：神经网络
什么是人工智能人工智能的应用有哪些什么是人工智能？人工智能（ArtificialIntelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。
人工智能可以对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。
人工智能的应用有哪些实际应用：机器视觉：指纹识别，人脸识别，视网膜识别，虹膜识别，掌纹识别，专家系统，智能搜索，定理证明，博弈，自动程序设计，还有航天应用等。…研究范畴…自然语言处理，知识表现，智能搜索，推理，规划，机器学习，知识获取，组合调度问题，感知问题，模式识别，逻辑程序设计，软计算，不精确和不确定的管理，人工生命，神经网络，复杂系统，遗传算法人类思维方式…应用领域…智能控制，专家系统，机器人学，语言和图像理解，遗传编程机器人工厂等
应用领域语音识别领域。除了大家已较为熟悉的科大讯飞输入法，一家叫作云知声的人工智能公司，最近开发了智能医疗语音录入系统，采用了国内面向医疗领域的智能“语音识别”技术，能实时准确地将语音转换成文本。这项应用不仅能避免复制粘贴操作，增加病历输入安全性，而且可以节省医生的时间。目前，一些医院已应用了这一技术。
金融智能投资领域。所谓智能投（资）顾（问），即利用计算机的算法优化理财资产配置。目前，国内进行智能投顾业务的企业已经超过20家，其面向的服务群体，就是那些并不十分富有、却有强烈资产配置需求的人群。
中国的BAT（百度、阿里、腾讯）都已涉足人工智能。2016年，“百度大脑”项目正式启动，致力于打造综合的人工智能平台；阿里巴巴推出了人工智能项目“ET”，未来将具备感知能力，并在交通、工业、健康等领域输出决策；腾讯已将人工智能的相关技术，应用于QQ、金融、微信业务板块。
而其他诸多企业都在开发人工智能的“对话机器人”（相当于“虚拟助理”），如微软的“小娜”、谷歌的“Allo”、苹果的Siri、百度的“度秘”等。
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至[email protected]举报，一经查实，本站将立刻删除。
上一篇
下一篇
相关文章
大学生展望未来作文（通用10篇） 人工智能语言处理展望未来作文题目怎么写大学生展望未来作文（通用10篇）展望未来的诗句推荐度：回顾军训展望未来感想推荐度：年轻员工展望未来的句子推荐度：老师展望未来工作计划推荐度：医院科室展望未来句子推荐度：相关推荐大学生展望未来作文（通用10篇）在平平淡淡的日常中，大家总免不了...
329 2023-07-17 09:33:13
一文读懂脑机接口：元宇宙的入口近了 脑机接口相关股票一文读懂脑机接口：元宇宙的入口近了除了狭义上的输出式BCI，广义的BCI还包括输入式BCI和交互式BCI：其中，输入式BCI主要由外部设备或机器绕过外周神经（PNS）或肌肉系统直接向大脑输入电、磁、声和光的刺激等或神经反馈，以调控中枢神经活...
1649 2023-07-17 09:33:29
文本转语音 –免费真实AI语音(配音)生成器 免费的ai语音生成器软件下载苹果版文本转语音–免费真实AI语音(配音)生成器文本转语音(微软出品)浏览人数已经达到17K，如你需要查询该站的相关权重信息，可以点击"爱站数据""Chinaz数据"进入；以目前的网站数据参考，建议大家请以爱站数据为准，更多网站价值评估因素如：文...
474 2023-07-17 09:33:37
中国工业智能挑战赛 中国高校智能机器人创意大赛证书查询中国工业智能挑战赛 中国工业智能挑战赛，原名“AB杯”全国大学生自动化系统应用大赛，是受教育部高等学校自动化类专业教学指导委员会指导，由中国自动化学会主办，大连锂工科技有限公司承办的自动化应用领域的创新型竞赛，是中国自动化行业最高级别...
418 2023-07-17 09:34:00
中国泵业100强企业名单 中国人工智能100强企业名单公布最新消息图片大全中国泵业100强企业名单中国泵业100强企业名单1、丰球集团有限公司（浙江）2、上海电力修造总厂有限公司3、上海凯士比泵有限公司4、上海凯泉泵业有限责任公司5、长沙水泵厂有限公司6、莱州市内燃机配件厂(山东)7、沈阳水泵股份有限公司8、上海...
1672 2023-07-17 09:34:08
智能优化算法：平衡优化器算法 智能优化算法的一般理论框架包括智能优化算法：平衡优化器算法2020智能优化算法：平衡优化器算法文章目录2020智能优化算法：平衡优化器算法1.算法背景2.算法优化原理3.实验结果4.参考文献5.Matlab代码6.Python代码摘要：平衡优化器（equilibrium...
301 2023-07-17 09:34:16
人工智能深度学习“读片”只要几十秒 人工智能读片的优势有哪些人工智能深度学习“读片”只要几十秒读一张医学影像片子只需几十秒，而且还不会因为情绪、疲劳出错，这效率比一般医生高出很多倍。随着人工智能越来越发达，能够深度学习的机器会在未来威胁到医生的“饭碗”吗？在日前举行的金桥产业技术创新论坛上，这个问题...
721 2023-07-17 09:34:29
脑科学和人工智能的思考 脑科学和人工智能的关系论文脑科学和人工智能的思考作者：曹钰链接：https://zhuanlan.zhihu.com/p/129673481一、脑科学人工智能是AI的未来很多人认为通用人工智能没有头绪，是遥不可及的事。但是我的观点是脑科学已经有足够多的积累，给我们指...
1647 2023-07-17 09:34:49
ps合成的图片怎么做无缝拼接渐变过渡? ai怎么拼长图无缝拼接图层ps合成的图片怎么做无缝拼接渐变过渡?将两张图片无缝拼合在一起，并且拼合出有渐变过渡的效果，效果对比如图所示。AdobePhotoshop8.0中文完整绿色版类型：图像处理大小：150.1MB语言：简体中文时间：2015-11-04查看详情...
345 2023-07-17 09:34:56
从智能音箱发展，看智能家居的未来 智能音箱设计说明从智能音箱发展，看智能家居的未来科技的发展，引领着时代的进步。自近代工业革命以来，人们的生活水平随着科技的发展而提升。而随着人工智能、大数据、5G通信等技术的出现，万物互联、智能家居等新生活方式也开始进入人类的世界。由技术的组合进化而产生的...
464 2023-07-17 09:35:21