因和解决办法。经过大数据分析后，Mu Sigma公司不仅为其找到原因，提出咨询的公司按照Mu Sigma提出的建议加以改进，销量马上上升。由此可见，尽管大数据随处可得，但这些数据中对我们有用的其实很少。关键在于如何从大数据中找出有用的东西，这是很难的任务，也是人工智能要解决的任务，即对大数据进行深层次的挖掘。

下面谈感知行为的模拟，感知属于“知其然不知其所以然”的行为。比如人脸识别，我们认识张三，可是我们很难描述张三长什么样子。也就是说，我们无法使用传统的编程方法把张三的脸描述出来。有了机器学习的方法，通过学习训练就能帮助我们解决这类难题。这从一个侧面解释了机器学习和深度学习为什么现在这样受欢迎，因为它使感知行为的计算机模拟成为可能。

下国际象棋属于“知其然又知其所以然”的问题，我们大体上能够说清楚“马为什么怎么走”，“兵为什么向前移一步”等等。但下围棋不然，大多数情况下，围棋大师们说不清楚他为什么这么“落子”。过去围棋程序我们一直按照与象棋类似办法做，结果最高只能达到业余水平。当我们在蒙特卡洛树搜索传统模型基础上加上深度学习，一下子使AphaGo不仅提高到专业水平，而且打败世界围棋冠军李世石。下面介绍机器学习在模式识别中的应用。首先是图像处理，这里包括物体检测、物体分类、物体识别和运动物体检测与跟踪等。目前达到的水平是，在给定的数据库下，物体分类可以达到或者超过人类的水平。我们实验室在这方面的工作成果，在下午的论坛会上王生进教授会专门介绍。关于生物特征识别，包括人脸、指纹、掌纹、视网膜（虹膜）、DNA、签名、姿势、键盘敲击的行为等。这也是企业关注的技术，我们系也有很多这方面的工作。其中声纹识别即用声音识别说话人，我们系郑方教授在声纹研究和推广应用上做了很多工作，取得很好成果。其实，在声音信号处理上，企业感兴趣的还有，语种识别、口音识别、语音识别、性别识别、情感识别等等。

利用模式识别技术从事产业开发的公司很多，但大多数产业规模不大。这里需要企业家的努力，设法把这类企业做大做强。

最后关于行为的模拟，这里所指的“行动”，既包括人类的手脚的动作，还包括动物和人造机器（如车辆、船只）的运动。由于时间关系，我只能简单提一提。第一是工业机器人，这个大家很熟悉，对我们来讲主要是突破和掌握关键技术。第二是服务机器人，包括家庭服务、医疗、助老助残、教育与娱乐等。尽管国内外都重视这方面的企业发展，但目前推向市场的产品还很少，发展服务机器人的关键是要解决可靠性和智能化的问题。

最后谈一下无人车问题，目前国内外正在研制的“无人车”，不同程度上都有人的参与，因此严格地讲应该属于自动辅助驾驶。根据目前的人工智能技术，这类车辆有可能在短期内走向实用。而真正无人参与的无人车，特别是在开放环境（如繁忙的街道）下行驶，目前的人工智能技术还难以解决其面临的困难问题，因此短期内还难以走向实用。由于大众对“无人车”的认知是，“完全无人参与”的全自动汽车，为了避免产生误导，在宣传时应该把这个概念说清楚。

就讲这些，谢谢大家！