人工智慧從上世紀八十年代開始興起，許多初創公司、政府、以及大型企業都開始部署人工智慧系統，來處理過去由人類專家執行的任務。相比於傳統的程式語言，這些系統大多基於行為規則，然後形成“記憶”，人工智慧系統可以處理更多計算密集型任務，比如機器學習，規劃和排程，以及自然語言處理等。

最近幾年，人工智慧技術還在其他很多行業內得到了廣泛應用，包括：

1、生命科學：人工智慧可以學習臨床試驗資料，然後為患者匹配最合適的治療藥物，或是尋找最理想的醫生。

2、網路安全系統：人工智慧可以預測企業網路的潛在危險

3、物聯網系統：基於 RFID 標籤，人工智慧可以對資產位置變化做出反應，而且還能預測、分析某些特定場景，防止犯罪。

基於資料強化的人工智慧系統需要和海量資料進行互動，他們通常會高速獲取數十億量級的資訊記錄。對於人工智慧系統來說，實時吸收資料是它們必備的技能之一，此外還需要獲取不間斷的流媒體資料（絕大多數都是小資料模組，比如物聯網感測器評估）和批量資料（一些大資料模組，比如系統資料庫內的歷史資料表）。

二、自適應性

利用機器學習技術，自適應的應用程式可以進行自我優化。隨著時間的推移，他們會分析工作處理的結果，然後學習如何做的更好。機器學習的工作流程需要資料科學家進行模型選擇，這涉及到一整套迭代流程，包括特徵工程、演算法選擇、以及引數調整。開發人員之後會把機器學習模型部署到應用程式內部，再匯入新資料，該模型會進行資料分類，在按照分類分析處理行為。最後，這些部署了機器學習的應用程式會“回顧”自己的處理結果，再利用這些結果資料重新進行訓練。

三、反應性

現代人工智慧系統可以根據周圍環境情況，實時做出變化反應。傳統應用程式更多的是基於批處理模式——你安排應用程式執行任務，它們執行，然後儲存處理結果，最後關閉程式。而人工智慧應用程式則會不斷監測他們的輸入（通常來自於各種流媒體資料平臺），然後根據實際情況執行操作，人工智慧程式會自動呼叫程式、規則和行為，然後自己做出決策。簡單的說，人工智慧系統會一直處於運轉之中，然後根據不同的輸入做出反應。

四、前瞻性

許多人工智慧系統不僅僅具備反應性，他們可以規劃未來，執行最佳的行動計劃。事實上，系統規劃、遊戲規劃、甚至是語言分析系統，都需要一個前瞻性的解決方案。這些系統必須要具備根據不同場景（情況）隨時切換輸入資料的能力。舉個例子，人工智慧會及時獲取天氣預報資料，並以此分析是否會延誤來自中國的海運或航運發貨，一旦發貨延遲，是否會對美國的製造進度計劃產生影響，是否需要重新優化生產計劃。

五、併發性

人工智慧系統，其實就像傳統應用程式一樣，必須支援同時處理多個使用者或多個系統。通過在作業系統和資料庫領域裡開發分散式系統，人工智慧系統需要不斷確保執行傳統資料庫事務的四要素原則（ACID）：原子性（Atomicity）、一致性（Consistency）、隔離性（Isolation）、以及永續性（Durability）。

對於現代人工智慧系統而言，正確的構建系統可以幫助企業快速拓展技術基礎設施。當然，不管是個人還是企業，上述五大特徵在過去四十年人工智慧發展的過程中都扮演了支柱角色，也是所有人工智慧系統必須要考慮的重點。

注：部分圖文來源於網路，如有侵權，請聯絡作者刪除！

交流qq862729908