一.前言
最近面临着读研选方向的问题，研究生选方向也算一件很重要的事情，这几天咨询了很多大佬，算是理清了AI大致的方向。
写这篇文章是想分享一下理解的宏观上的AI，算不上是科普文（每个人都有自己的理解吧），希望对即将 选导师、选实验室、选研究方向的同学们，对转行、自学的朋友萌 有所帮助~~
适用读者：对AI领域感兴趣的、想加入这股浪潮（入坑）、同时不太清楚各个子方向同学
首先附上诚意满满的彩图：
有
二.算法层面
AI离不开数据，同时也离不开算法，在算法层面大致有：机器学习ML（machine learning），深度学习DL（Deep learning），强化学习RL（Reinforcement learning），在早期的人工智能阶段，AI≈ 统计学 + 数据挖掘 + 算力 + 计算机科学，也可以简单的理解成在数据上的概率游戏，到2012年左右，随着算力的提升，反向传播让深度学习进入了大众的视野，2016年运用强化学习的alpha go打败李世石，AI这个词开始火爆起来，相信后续的历史大家也就很清楚了，也是深度学习不断颠覆的时代，视觉领域的yolo家族，CNN，RCNN家族不断迭代进化，强化学习的DQN，NLP领域的2018年谷歌提出的Bert等等
三.子领域层面
AI个人理解的主要的方向有 计算机视觉、自然语言、语音、知识图谱这几大方向。
搭建一个完整的AI，需要它的 视觉模块，听觉模块，语言模块，记忆推理认知模块，当然还有躯体模块等（机器手臂、传感器），所以AI也相应的分为了以下几个子领域，它们之间也有重叠和相互需要的部分。
计算机视觉 CV：computer vision，可以简单的理解智能体的视觉模块，是研究机器如何看的科学，也是工业界AI应用场景最多的领域（不过好像加入的人有点多...），主要处理图像的识别、理解，目标跟踪、检测等问题。
CV的子方向有：目标检测、目标识别、图像分类、图像分割、图像内容理解、姿态估计、SLAM（定位和地图构建）等等，比如自拍的美颜、p大进入校园刷的人脸识别、手机的指纹解锁、高端一点的自动驾驶（虽然还有很长一段路要走），安防，这些都涉及计算机视觉 CV。
自然语言处理 NLP：Natural Language Processing，可以简单的理解智能体的语言模块，涉及语言的理解、认知的科学。
主要的范畴和子方向有：中文自动分词、文本分类、文本情感分析、问答QA、对话Dialog、信息检索 Information retrieval、信息摘要 Information extraction、机器翻译等，比如用的apple的Sir、Google翻译、百度的搜索...这些都涉及NLP。
相比于CV，NLP典型应用场景较少，范围窄而复杂度更高，不过cv和nlp也要相互联系的地方，个人觉得也是未来研究的热点方向，比如一个人走到一个地方环视一周，然后用语言描述出来，cv再根据描述重新构建场景，这个叫场景重建，再比如从艺术家的画中分析表达的情感态度，这也算二者结合的地方。
语音 VC：Voice Recognition，可以简单的理解智能体的听觉模块，也算一个模式识别的问题，解决的是从多个声音（有许多噪声）中筛选出你想要的声音，比如微信聊天的语音识别，比如英语流利说的发音打分都要用到语音VC识别的相关算法。
知识图谱 KG：Knowledge Graph，可以算作一个独立的方向，个人感觉和记忆理解这块比较接近，可以简单的理解智能体的记忆推理认知模块，也就是知识库的图数据呈现，是一种语义网络，我们这里把它单独划为一个子方向，把实体用关系串联起来，在知识库文本中挖掘语义，知识推理，使得AI更具有可解释性，也是非常重要的方向。
总结一下，科学家想要搭建智能体，要分别搭建它的视觉、语言、听觉、记忆推理认知等模块，而这些模型也分别对应自己的领域和方向。
四.工业界需求大方向
由于其他方向不太了解，就没有写了，今后有新认识会更新
搜索：说大一点，众所周知的百度搜索引擎，Google搜索，说小一点，基本上每个成熟的网页、APP都需要自己的搜索功能。
推荐：靠个性化推荐打出一片天地的字节跳动，根据用户偏好推荐相应的内容，阿里的淘宝推荐界面、美团根据用户口味喜好推荐外卖等等，知乎推荐你喜欢看的文章等等，应用场景也是相当广阔。
计算广告：据说Facebook 90%以上的收入都是来自于广告，广告和推荐有交集，根据广告金主霸霸的需求，不断调整广告出现位置，提高广告点击率等等。
智能问答：这里的问答是任务式问答，类似智能客服，不管是淘宝智能商家还是超市选购，还是医院挂号的问答机器，还是银行智能客服，问答这块的未来需求会很大！！所以提前划分到经典落地三大类：广告 搜索 还有推荐。不信可以过个三年回来考古！！个人理解~~
五.最后一点点
根据历史的发展，在2010~2015入坑AI的，算是‘第一批吃螃蟹’的人，他们收获爆炸红利是应得的，那个时候懂一点决策树、svm跑跑minist就是大神；在2016~2018入坑AI的，算是嗅觉敏锐的那一批人，那个时候自学西瓜书和Andrew wu机器学习、花书是标配；再后来国家政策、资源一边倒的倾向AI，高校不管师资力量都逐渐开设人工智能学院，2019入坑AI的，后面找算法工作的，顶会+竞赛top排名+985硕是标配，在2020年AI下行趋势非常明显，并且前人已经几乎透支了AI红利，工业界算法岗爆满，头条官方劝退，学术界2016年后少有突破性框架、不断呼吁可解释模型的局面下，还要硬着头皮加入AI吗？这不仅需要高学历高工程能力高智商，还需要有自己的独特理解和对AI的那份执著
这篇文章希望对不管是准备弃坑转开发的、即将入坑的、还是已经入坑的小伙伴们在AI大致的理解上有帮助！！
本文内容不用于商业目的，如涉及知识产权问题，请权利人联系51Testing小编(021-64471599-8017)，我们将立即处理
