语言识别技术与实体经济融合领域

　　语言识别是机器人与人类通过声音交互的前提，包括语言种类识别、口音的处理、背景噪声、区分同音异形/异义词、典型应用领域听写、语音书写、电脑系统声控、电话客服等。

　　语言识别技术与实体经济融合的领域包括以下几个方面。

　　一是提升各类电子设备附加值，通过嵌入自然语言处理技术，使各类电子设备具备自然语言控制、简单对话功能，增加国内产品出口竞争力，如智能终端、白色家电、导航设备等。

　　二是提升各类产品与服务在线响应感知，通过自然语言处理技术、预设的逻辑导引，可以实现7×24小时在线电商服务，实现智能问答型自动客服，可广泛应用于运营商客服、电商客服、地产营销客服等各类客户服务系统。

　　三是各类现场服务机器人，现场服务机器人重要的是人机交互，要能准确理解现场客户的需求，这方面的应用非常广泛，几乎涉及到所有服务行业，典型应用场景如酒店、餐饮、娱乐等服务场所。

情绪感知技术与实体经济融合领域

　　情绪感知技术是通用型服务机器人的基础，包括识别情绪和表达情绪两个方向。众所周知，人们对幸福生活的追求不仅是物质上的，还有精神上的，情绪感知技术让机器人增加了与人的互动，让人们对机器人产生亲切感，人工智能不仅是人类劳动的替代者，更是人类的伙伴。人工智能情绪识别的能力用处极大，在业、服务业甚至审讯领域都会发挥不小的作用，很多世界的研究机构都在进行这方面的研究，如卡耐基梅隆大学机器人研究所Torre发明的面部识别软件IntraFace可以帮助医生检测。

　　在当前实体经济应用领域，可以从简单入手，例如应用于交通运输领域识别大巴车、监测物流货运车司机是否疲劳驾驶；适用于教育领域学生在课堂上的注意力情况统计等。

机器学习技术与实体经济融合领域

　　机器学习是人工智能技术体系的一个通用环节，机器学习使用归纳、综合方法，运用数据导入算法模仿人类智能。学习方式主要分为有数据学习和无数据学习：当前有数据学习显然广受欢迎，包括“监督学习”“无监督学习”“半监督学习”“深度学习”“迁移学习”等；无数据学习法主要为“强化学习”。有数据学习的典型应用为深度学习，深度学习包括DNN(深度神经网络)、CNN(卷积神经网络)、RNN(循环神经网络)和LSTM(长短期记忆网络)等，它不依赖数字经济的发展，而是由人做数据标签，采用神经网络算法，学习效率不高、能源资源浪费，如AlphaGo下场棋要消耗3000美元电费。

　　强化学习只需要人类输入规则，机器就能通过自我奖励、自我诱导方式，跟自己下百万盘棋，不断自我完善，AlphaGo Zero三天内就打败了已经学习了几千盘棋的AlphaGo；数字技术发展越好、标准化数据量越大的领域往往人工智能发展越迅速，这就说明机器的学习能力不是人为训练的结果，而是数字经济发展到一定阶段顺其自然的结果。从使用场景上来说，有数据学习适用于规则活动领域的人工智能，是经验、控制使然；无数据学习适用于创新、无定论的领域，比如棋类竞赛、新药探索、艺术创作等，是创新、自由使然。