用人工智能的摄像头和录音设备去监控，可是比养猪户自己看着要靠谱多了。基于这个思路，一个ai智慧养殖基地在当地建立了起来，擅长解读声音的某知名科技公司语音云扮演了技术角色，6个月时间第一批30头猪已经出栏。
人工智能本质上为类人智能，即追求设计和开发像人脑那样工作的软硬件系统。对于“智能”理解的差异，使人工智能分化为专用和通用两个不同分支。其实，专用和通用存在根本性差异：专用人工智能的目标是行为层面上“看起来像有智能”，通用人工智能关注系统从内在层面上“如何才能实现真正的智能”。
我同意某些观点：它可以传播人类的偏见，不容易解释，它没有常识，更多的是在模式匹配而不是强大的语义理解的层面上。但我们在解决其中一些问题上取得了进展，而且这一领域的进展仍然相当快。你可以把深度学习应用到数学上，也可以用它来理解蛋白质，你可以用它做很多事情。
2019年是AI逐渐深入社会生活、同时开始带来麻烦的一年。和平利用AI，将与和平利用原子能一样，成为未来人类持续面临的挑战。
目前很多行业的数据以大数据形式存放，有的上云了，个人信息保护更为严峻。一旦大数据泄露，甚至会泄露上亿人的信息。单纯从加密角度，密码技术防护可以实现，但可能会影响大数据处理能力，需要长时间进行新型密码技术的研究和防护。
人脸本不属于隐私的范畴，我们每天出门不会蒙着面。但一旦人脸与手机、电脑和各种账号绑定，情况就不一样了。人脸数据的采集和使用必须遵循一定的标准，否则就意味着个人信息时时刻刻在裸奔。虽然机器没有意志，但开发技术的是人，管理设备的是人。
如何基于人工智能的应用主动创新战争和作战指导理论，如何确定人机结合作战行动的作战重心、攻击节点和力量配比，如何明晰无人化武器运用的责任权限避免附带伤亡等等，均需要进行深入的研究。总体上看，各国军队都有一种军事理论革新滞后于军事实践的危机感。
对于北京地铁即将推行人脸识别技术的做法，我表示坚决反对。以下是具体的理由。首先，人脸识别涉及对个人重要的生物学数据的收集，相关组织或机构在收集之前，必须证明这种做法的合法性。
那一年ImageNet大赛的冠军，是一个来自多伦多大学的研究组，他们创造性的在传统的“输入层”和“输出层”之间加入了几个逻辑层 —— 也就是所谓的“卷积层”......而“卷积网络”和“深度学习”的横空出世，也让新技术的曙光照进现实，人类文明似乎踏上一条全新的进化之路。
对区块链来说，通过5G网络，它的速度能够更快。5G解决通信问题，是一个移动互联网能动互联网，主要是传输速度加快，能爆发出新的应用场景，但无论如何，5G还是像一般的移动互联网，尽管它的传输过程非常高效，但它的传输网络，对一般的老百姓和一般的应用场景来说，都是不透明的。
正如《经济学人》企业网络总监康仕学（Robert Koepp）所讲，人与机器的关系并非零和游戏。机器和决策之间只有加上人，才能实现增益（augmentation），即从人类现在所做工作出发，追求更好地使用机器，拓展人类的工作空间。
