自动化专业与人工智能的未来趋势是什么
1、开源框架（Open-SourceFrameworks）
人工智能的进入门槛比以往任何时候都低，这要归功于开源软件。2015年谷歌开放了其机器学习库TensorFlow，越来越多的公司，包括Coca-Cola、eBay等开始使用TensorFlow。2017年Facebook发布caffe2和PyTorch（Python的开源机器学习平台），而Theano是蒙特利尔学习算法研究所(Mila)的另一个开源库，随着这些工具的使用越来越广泛，Mila公司已经停止了对Theano的开发。
2、胶囊网络(CapsuleNetworks)
众所周知，深入学习（DeepLearning）推动了今天的大多数人工智能应用，而胶囊网络（capsulenetworks）的出现可能会使其改头换面。深入学习界领航人GeoffreyHinton在其2011年发布的论文中提到“胶囊”这个概念，于2017年-2018年论文中提出“胶囊网络”概念。针对当今深度学习中最流行的神经网络结构之一：卷积神经网络(CNN)，Hinton指出其存在诸多不足，CNN在面对精确的空间关系方面就会暴露其缺陷。比如将人脸图像中嘴巴的位置放置在额头上面，CNN仍会将其辨识为人脸。CNN的另一个主要问题是无法理解新的观点。黑客可以通过制造一些细微变化来混淆CNN的判断。经测试，胶囊网络可以对抗一些复杂的对抗性攻击，比如篡改图像以混淆算法，且优于CNN。胶囊网络的研究虽然目前还处于起步阶段，但可能会对目前最先进的图像识别方法提出挑战。
3、生成式对抗网络(GenerativeAdversarialNetworks)
2014年，谷歌研究员IanGoodfellow提出“生成式对抗网络”（GAN）概念，利用“AIVSAI”概念，提出两个神经网络：生成器和鉴别器。谷歌DeepMind实习生AndrewBrock与其他研究人员一起合作，对Gans进行了大规模数据集的培训，以创建“BigGANs”。GANs面对的主要挑战就是计算能力，对于AI硬件来说必须是并行缩放。研究人员用GANs进行“面对面翻译”，还有利用GANs将视频变成漫画形式，或者直接进行绘画创作等，但GANs也被一些不怀好意的人利用，包括制作假的政治录像和变形的色情制品。
4、联合学习(FederatedLearnnig)
我们每天使用手机或平板会产生大量数据信息，使用我们的本地数据集来训练AI算法可以极大地提高它们的性能，但用户信息是非常私人和隐秘的。谷歌研发的联合学习（FederatedLearning）方法旨在使用这个丰富的数据集，但同时保护敏感数据。谷歌正在其名为Gboard的Android键盘上测试联合学习。联合学习方法与其他算法的不同在于考虑了两个特征：非独立恒等分布（Non-IID）和不均衡性（Unbalanced）。联合学习已运用于搜索引擎Firefox、人工智能创业公司OWKIN等。
5、强化学习(ReinforcementLearning)
当谷歌DeepMind研发的AlphaGo在中国围棋游戏中击败世界冠军后，强化学习（ReinforcementLearning）获得了广泛关注。基于强化学习，DeepMind接着又研发了AlphaGoZero。UCBerkeley研究人员利用计算机视觉和强化学习来教授YouTube视频中的算法杂技技能。尽管取得了进步，但强化学习与当今最流行的人工智能范式监督学习相比，还算不上成功，不过关于申请强化学习的研究越来越多，包括Microsoft，Adobe，FANUC等。
2025年自动驾驶利润达800亿美元物流率先应用
6、人工智能终端化
人工智能技术快速迭代，正经历从云端到终端的过程，人工智能终端化能够更好更快地帮助我们处理信息，解决问题，我们舍弃了使用云端控制的方法，而是将AI算法加载于终端设备上（如智能手机，汽车，甚至衣服上）。英伟达（NVIDIA），高通（Qualcomm）还有苹果（Apple）等诸多公司加入了对终端侧人工智能领域的突破和探索，2017和2018年是众多科技公司在人工智能终端化进入快速发展期的两年，同时他们也在加紧对人工智能芯片的研发。但AI依然面临着储存和开发上的困境，亟需更丰富的混合模型连接终端设备与中央服务器。
7、人脸识别
8、语言处理
人工智能的发展前景
一个来自时代弄潮儿的观察:应该是第三次工业革命～信息时代的延续与深化。信息时代第一阶段，是电脑的普及，一切数字化,几乎人类所有活动都需要计算机的辅助来完成，极大的提高了人类自身的效率；信息时代的第二个阶段是互联网，就是电脑普及后的继续深化，互联网化，向所有行业渗透，用互联网来改造一切行业，包括生产环节的前后端连接，从供给到需求端。包括资源要素的共享，互通有无。极大的提供了社会运行的效率；信息时代的第三个阶段应该是智能时代。基于物联网与大数据的支撑，以及通讯技术的进步，在互联网基础上，逐渐发展到物联网。物联网是万物相连，不单单是电脑的相互连接，是各种智能化的物理终端连接。连接靠的是互联网，尤其是无线通讯技术的支撑，大数据的快速传递不再是问题。大数据哪里来就是基于前面大量互联网化的积累，以及物联网后的本身不断自我积累；智能是什么？就是大数据加上算法！
人工智能到底有多厉害
诚邀~要想知道人工智能有多厉害，且听工程师小何给你讲讲：
人工智能，就是人们所说的AI，是最近几年特别火的一个技术概念，它主要是研究领域包括机器人、语音算法、图像识别、语言处理等的一门新的技术科学；
人工智能厉害的地方是因为；
1、人工智能能够像人那样思考，具有与人类似的思维和意识；
2、人工智能是一个多领域的科学，首先要精通计算机，心理学和哲学，这就要求人工智能的研究是一个高技术的工作，这也是人工智能高达上的一个原因吧；
3、人工智能目前在某些领域可以做的比人脑更快、更准确，可以胜任大部分人所不能完成的工作，帮助人们解决生活中的困难，这也是人工智能的厉害之处；
4、人工智能的研究反过来会促进人类对大脑的开发，对人类的发展只会更有好处。
以上就是我的回答，感兴趣的小伙伴可以一起交流分享~谢谢~
人工智能技术有哪些
现在人工智能的类型太多了，随着人工智能的普及，应用范围的拓展，还将进入更多的领域。
现在人工智能所涉及的学科有：认知科学，数学，神经生理学，信息论，控制论，不定性论，计算机科学，心理学，哲学，语言，自然科学和社会科学等等几乎所有的学科。
应用领域有：翻译，智能控制，专家系统，机器人学，语言，图像理解，遗传编程，自动程序设计，大信息的处理，储存，管理，执行一些生命体无法执行的任务，或者复杂的和规模庞大的任务等等。
具体应用方面有：网络，工业，农业，航空航天，军事，自然，家庭，个人等等，各行各业都有人工智能的身影。
人工智能按照发展层级划分，可以分为哪几层
分为：
A.计算智能
计算智能(ComputingIntelligence)是指以数据为基础，以计算为手段来建立功能上的联系（模型），而进行问题求解，以实现对智能的模拟和认识。也指用计算科学与技术模拟人的智能结构和行为。计算智能是强调通过计算的方法来实现生物内在的智能行为。
B.感知智能
感知智能是指将物理世界的信号通过摄像头、麦克风或者其他传感器的硬件设备，借助语音识别、图像识别等前沿技术，映射到数字世界，再将这些数字信息进一步提升至可认知的层次，比如记忆、理解、规划、决策等等。而在这个过程中，人机界面的交互至关重要。
C.认知智能
认知智能是一个经济术语。是指机器具有主动思考和理解的能力，不用人类事先编程就可以实现自我学习，有目的推理并与人类自然交互。