今年年初出于个人兴趣ღ✿◈，我开始了对人工智能的研究ღ✿◈。为了更好理解人工智能和设计的关系ღ✿◈，我开始学习机器学习ღ✿◈、深度学习ღ✿◈、Alexa开发等知识ღ✿◈，从当初觉得人工智能只会让大部分设计师失业ღ✿◈，到现在觉得人工智能只是一个设计的辅助工具ღ✿◈，也算是成长了不少ღ✿◈。

　　这次希望能将积累的知识写成一本电子书ღ✿◈，没别的ღ✿◈，因为字太多ღ✿◈，更重要的是这样很酷ღ✿◈。由写作时间可能太长ღ✿◈，互联网每天都在变化ღ✿◈，一些比较前沿的思考可能转眼成为现实ღ✿◈，所以先把前四章陆续发出来ღ✿◈。

　　前四章主要讲了现在人工智能的基础知识ღ✿◈、底层设计ღ✿◈、互联网产品设计以及人工智能与设计的关系ღ✿◈，后面会通过3~4章详细分析人工智能对不同行业设计的影响ღ✿◈，目前考虑的领域是室内设计ღ✿◈、公共设计和服务设计ღ✿◈。

　　说起人工智能这词ღ✿◈，不得不提及人工智能的历史ღ✿◈。人工智能的概念主要由AlanTuring提出ღ✿◈：机器会思考吗？如果一台机器能够与人类对话而不被辨别出其机器的身份ღ✿◈，那么这台机器具有智能的特征ღ✿◈。同年ღ✿◈，AlanTuring还预言了存有一定的可能性可以创造出具有真正智能的机器ღ✿◈。

　　说明ღ✿◈：AlanTuring(1912.6.23-1954.6.7)曾协助英国军队破解了德国的著名密码系统Enigmaღ✿◈，帮助盟军取得了二战的胜利ღ✿◈。因提出一种用于判定机器是否具有智能的试验方法ღ✿◈，即图灵试验ღ✿◈，被后人称为计算机之父和人工智能之父ღ✿◈。

　　1956年ღ✿◈，在达特茅斯学院举行的一次会议上ღ✿◈，不同领域(数学ღ✿◈，心理学ღ✿◈，工程学ღ✿◈，经济学和政治学)的科学家正式确立了人工智能为研究学科ღ✿◈。

　　达特茅斯会议之后是大发现的时代ღ✿◈。对很多人来讲99re网址进入最新地址ღ✿◈，这一阶段开发出来的程序堪称神奇ღ✿◈：计算机可以解决代数应用题ღ✿◈、证明几何定理ღ✿◈、学习和使用英语ღ✿◈。在众多研究当中ღ✿◈，搜索式推理99re网址进入最新地址ღ✿◈、自然语言ღ✿◈、微世界在当时最具影响力ღ✿◈。

　　大量成功的AI程序和新的研究方向不断涌现ღ✿◈，研究学者认为具有完全智能的机器将在二十年内出现并给出了如下预言ღ✿◈：

　　美国政府向这一新兴领域投入了大笔资金ღ✿◈，每年将数百万美元投入到麻省理工学院ღ✿◈、卡耐基梅隆大学ღ✿◈、爱丁堡大学和斯坦福大学四个研究机构ღ✿◈，并允许研究学者去做任何感兴趣的方向ღ✿◈。

　　首次提出人工智能拥有模仿智能的特征ღ✿◈，懂得使用语言ღ✿◈，懂得形成抽象概念并解决人类现存问题

　　ArthurSamuel在五十年代中期和六十年代初开发的国际象棋程序ღ✿◈，棋力已经可以挑战具有相当水平的业余爱好者

　　机器人SHAKEY项目受到了大力宣传ღ✿◈，它能够对自己的行为进行“推理”;人们将其视作世界上第一台通用机器人

　　70年代初ღ✿◈，AI遭遇到瓶颈ღ✿◈。研究学者逐渐发现ღ✿◈，虽然机器拥有了简单的逻辑推理能力ღ✿◈，但遭遇到当时无法克服的基础性障碍wepoker官网下载地址ღ✿◈，AI停留在“玩具”阶段止步不前ღ✿◈，远远达不到曾经预言的完全智能ღ✿◈。由于此前的过于乐观使人们期待过高ღ✿◈，当AI研究人员的承诺无法兑现时ღ✿◈，公众开始激烈批评AI研究人员ღ✿◈，许多机构不断减少对人工智能研究的资助ღ✿◈，直至停止拨款ღ✿◈。

　　常识和推理需要大量对世界的认识信息ღ✿◈，计算机达不到“看懂”和“听懂”的地步

　　说明ღ✿◈：莫拉维克悖论ღ✿◈：如果机器像数学天才一样下象棋ღ✿◈，那么它能模仿婴儿学习又有多难呢？然而ღ✿◈，事实证明这是相当难的ღ✿◈。

　　80年代初ღ✿◈，一类名为“专家系统”的AI程序开始为全世界的公司所采纳ღ✿◈，人工智能研究迎来了新一轮高潮ღ✿◈。在这期间ღ✿◈，卡耐基梅隆大学为DEC公司设计的XCON专家系统能够每年为DEC公司节省数千万美金ღ✿◈。日本经济产业省拨款八亿五千万美元支持第五代计算机项目ღ✿◈。其目标是造出能够与人对话99re网址进入最新地址ღ✿◈、翻译语言ღ✿◈、解释图像ღ✿◈、能够像人一样推理的机器ღ✿◈。其他国家也纷纷作出了响应ღ✿◈，并对AI和信息技术的大规模项目提供了巨额资助ღ✿◈。

　　说明ღ✿◈：专家系统是一种程序ღ✿◈，能够依据一组从专门知识中推演出的逻辑规则在某一特定领域回答或解决问题wepoker官网下载地址ღ✿◈。由于专家系统仅限于一个很小的领域ღ✿◈，从而避免了常识问题ღ✿◈。“知识处理”随之也成为了主流AI研究的焦点ღ✿◈。

　　AI研究人员发现智能可能需要建立在对分门别类的大量知识的多种处理方法之上

　　AI研究人员首次提出ღ✿◈：机器为了获得真正的智能ღ✿◈，机器必须具有躯体ღ✿◈，它需要有感知ღ✿◈、移动ღ✿◈、生存ღ✿◈，与这个世界交互的能力ღ✿◈。感知运动技能对于常识推理等高层次技能是至关重要的ღ✿◈，基于对事物的推理能力比抽象能力更为重要ღ✿◈，这也促进了未来自然语言ღ✿◈、机器视觉的发展ღ✿◈。

　　1987年ღ✿◈，AI硬件的市场需求突然下跌ღ✿◈。科学家发现ღ✿◈，专家系统虽然很有用ღ✿◈，但它的应用领域过于狭窄ღ✿◈，而且更新迭代和维护成本非常高ღ✿◈。同期美国Apple和IBM生产的台式机性能不断提升ღ✿◈，个人电脑的理念不断蔓延;日本人设定的“第五代工程”最终也没能实现wepoker官网下载地址ღ✿◈。人工智能研究再次遭遇了财政困难ღ✿◈，一夜之间这个价值五亿美元的产业土崩瓦解99re网址进入最新地址ღ✿◈。

　　在摩尔定律下ღ✿◈，计算机性能不断突破ღ✿◈。云计算ღ✿◈、大数据ღ✿◈、机器学习ღ✿◈、自然语言和机器视觉等领域发展迅速ღ✿◈，人工智能迎来第三次高潮ღ✿◈。

　　摩尔定律起始于GordonMoore在1965年的一个预言ღ✿◈，当时他看到因特尔公司做的几款芯片ღ✿◈，觉得18到24个月可以把晶体管体积缩小一半ღ✿◈，个数可以翻一番ღ✿◈，运算处理能力能翻一倍ღ✿◈。没想到这么一个简单的预言成真了ღ✿◈，下面几十年一直按这个节奏往前走ღ✿◈，成为了摩尔定律ღ✿◈。

　　1997年ღ✿◈：IBM的国际象棋机器人深蓝战胜国际象棋世界冠军卡斯帕罗夫

　　2005年ღ✿◈：Stanford开发的一台机器人在一条沙漠小径上成功地自动行驶了131英里ღ✿◈，赢得了DARPA挑战大赛头奖;

　　很多专家学者对此次人工智能浪潮给予了肯定ღ✿◈，认为这次人工智能浪潮能引起第四次工业革命ღ✿◈。人工智能逐渐开始在保险ღ✿◈，金融等领域开始渗透ღ✿◈，在未来健康医疗ღ✿◈、交通出行ღ✿◈、销售消费ღ✿◈、金融服务ღ✿◈、媒介娱乐ღ✿◈、生产制造ღ✿◈，到能源ღ✿◈、石油ღ✿◈、农业ღ✿◈、政府……所有垂直产业都将因人工智能技术的发展而受益ღ✿◈，那么我们现在讲的人工智能究竟是什么？

　　在60年代ღ✿◈，AI研究人员认为人工智能是一台通用机器人ღ✿◈，它拥有模仿智能的特征ღ✿◈，懂得使用语言ღ✿◈，懂得形成抽象概念ღ✿◈，能够对自己的行为进行推理ღ✿◈，它可以解决人类现存问题ღ✿◈。由于理念ღ✿◈、技术和数据的限制ღ✿◈，人工智能在模式识别ღ✿◈、信息表示ღ✿◈、问题解决和自然语言处理等不同领域发展缓慢ღ✿◈。

　　80年代ღ✿◈，AI研究人员转移方向ღ✿◈，认为人工智能对事物的推理能力比抽象能力更重要ღ✿◈，机器为了获得真正的智能ღ✿◈，机器必须具有躯体ღ✿◈，它需要感知ღ✿◈、移动ღ✿◈、生存ღ✿◈，与这个世界交互ღ✿◈。为了积累更多推理能力ღ✿◈，AI研究人员开发出专家系统ღ✿◈，它能够依据一组从专门知识中推演出的逻辑规则在某一特定领域回答或解决问题ღ✿◈。

　　1997年ღ✿◈，IBM的超级计算机深蓝在国际象棋领域完胜整个人类代表卡斯帕罗夫;相隔20年ღ✿◈，Google的AlphaGo在围棋领域完胜整个人类代表柯洁ღ✿◈。划时代的事件使大部分AI研究人员确信人工智能的时代已经降临ღ✿◈。

　　可能大家觉得国际象棋和围棋好像没什么区别ღ✿◈，其实两者的难度不在同一个级别ღ✿◈。国际象棋走法的可能性虽多ღ✿◈，但棋盘的大小和每颗棋子的规则大大限制了赢的可能性ღ✿◈。深蓝可以通过蛮力看到所有的可能性ღ✿◈，而且只需要一台计算机基本上就可以搞定ღ✿◈。相比国际象棋ღ✿◈，围棋很不一样ღ✿◈。围棋布局走法的可能性可能要比宇宙中的原子数量还多ღ✿◈，几十台计算机的计算能力都搞不定ღ✿◈，所以机器下围棋想赢非常困难ღ✿◈，包括围棋专家和人工智能领域的专家们也纷纷断言ღ✿◈：计算机要在围棋领域战胜人类棋手ღ✿◈，还要再等100年ღ✿◈。结果机器真的做到了ღ✿◈，并据说AlphaGo拥有围棋十几段的实力(目前围棋棋手最高是9段)ღ✿◈。

　　那么深蓝和AlphaGo在本质上有什么区别？简单点说ღ✿◈，深蓝的代码是研究人员编程的ღ✿◈，知识和经验也是研究人员传授的ღ✿◈，所以可以认为与卡斯帕罗夫对战的深蓝的背后还是人类ღ✿◈，只不过它的运算能力比人类更强ღ✿◈，更少失误ღ✿◈。而AlphaGo的代码是自我更新的ღ✿◈，知识和经验是自我训练出来的ღ✿◈。与深蓝不一样的是ღ✿◈，AlphaGo拥有两颗大脑ღ✿◈，一颗负责预测落子的最佳概率ღ✿◈，一颗做整体的局面判断ღ✿◈，通过两颗大脑的协同工作ღ✿◈，它能够判断出未来几十步的胜率大小ღ✿◈。所以与柯洁对战的AlphaGo的背后是通过十几万盘的海量训练后ღ✿◈，拥有自主学习能力的人工智能系统ღ✿◈。

　　这时候社会上出现了不同的声音ღ✿◈：“人工智能会思考并解决所有问题”ღ✿◈、“人工智能会抢走人类的大部分工作!”“人工智能会取代人类吗？”那么已来临的人工智能究竟是什么？

　　普通群众所遐想的人工智能属于强人工智能ღ✿◈，它属于通用型机器人ღ✿◈，也就是60年代AI研究人员提出的理念ღ✿◈。它能够和人类一样对世界进行感知和交互ღ✿◈，通过自我学习的方式对所有领域进行记忆ღ✿◈、推理和解决问题ღ✿◈。这样的强人工智能需要具备以下能力ღ✿◈：

　　这些能力在常人看来都很简单ღ✿◈，因为自己都具备着;但由于技术的限制ღ✿◈，计算机很难具备以上能力ღ✿◈，这也是为什么现阶段人工智能很难达到常人思考的水平ღ✿◈。

　　由于技术未成熟ღ✿◈，现阶段的人工智能属于弱人工智能ღ✿◈，还达不到大众所遐想的强人工智能ღ✿◈。弱人工智能也称限制领域人工智能或应用型人工智能ღ✿◈，指的是专注于且只能解决特定领域问题的人工智能ღ✿◈，例如AlphaGoღ✿◈，它自身的数学模型只能解决围棋领域的问题ღ✿◈，可以说它是一个非常狭小领域问题的专家系统ღ✿◈，以及它很难扩展到稍微宽广一些的知识领域ღ✿◈，例如如何通过一盘棋表达出自己的性格和灵魂ღ✿◈。

　　弱人工智能和强人工智能在能力上存在着巨大鸿沟ღ✿◈，弱人工智能想要进一步发展ღ✿◈，必须具备以下能力ღ✿◈：

　　在计算机理念来说ღ✿◈，人工智能是用来处理不确定性以及管理决策中的不确定性ღ✿◈。意思是通过一些不确定的数据输入来进行一些具有不确定性的决策ღ✿◈。从目前的技术实现来说99re网址进入最新地址ღ✿◈，人工智能就是深度学习ღ✿◈，它是06年由GeoffreyHinton所提出的机器学习算法ღ✿◈，该算法可以使程序拥有自我学习和演变的能力ღ✿◈。

　　机器学习简单点说就是通过一个数学模型将大量数据中有用的数据和关系挖掘出来ღ✿◈。机器学习建模采用了以下四种方法ღ✿◈：

　　监督学习与数学中的函数有关ღ✿◈。它需要研究学者不断地标注数据从而提高模型的准确性ღ✿◈，挖掘出数据间的关系并给出结果ღ✿◈。

　　非监督学习与现实中的描述(例如哪些动物有四条腿)有关ღ✿◈。它可以在没有额外信息的情况下ღ✿◈，从原始数据中提取模式和结构的任务ღ✿◈，它与需要标签的监督学习相互对立ღ✿◈。

　　增强学习ღ✿◈，它的大概意思是通过联想并对比未来几步所带来的好处而决定下一步是什么ღ✿◈。

　　深度学习属于机器学习下面的一条分支ღ✿◈。它能够通过多层神经网络以及使用以上四种方法ღ✿◈，不断对自身模型进行自我优化ღ✿◈，从而发现出更多优质的数据以及联系ღ✿◈。

　　目前的AlphaGo正是采用了深度学习算法击败了人类世界冠军ღ✿◈，更重要的是ღ✿◈，深度学习促进了人工智能其他领域如自然语言和机器视觉的发展ღ✿◈。目前的人工智能的发展依赖深度学习ღ✿◈，这句话没有任何问题ღ✿◈。

　　在了解人工智能基础能力前ღ✿◈，我们先聊聊更底层的东西——数据ღ✿◈。计算机数据分为两种wepoker官网下载地址ღ✿◈，结构化数据和非结构化数据ღ✿◈。结构化数据是指具有预定义的数据模型的数据ღ✿◈，它的本质是将所有数据标签化wepoker官网下载地址ღ✿◈、结构化ღ✿◈，后续只要确定标签ღ✿◈，数据就能读取出来ღ✿◈，这种方式容易被计算机理解ღ✿◈。非结构化数据是指数据结构不规则或者不完整ღ✿◈，没有预定义的数据模型的数据ღ✿◈。非结构化数据格式多样化ღ✿◈，包括了图片ღ✿◈、音频ღ✿◈、视频ღ✿◈、文本ღ✿◈、网页等等ღ✿◈，它比结构化信息更难标准化和理解ღ✿◈。

　　音频ღ✿◈、图片ღ✿◈、文本ღ✿◈、视频这四种载体可以承载着来自世界万物的信息ღ✿◈，人类在理解这些内容时毫不费劲;对于只懂结构化数据的计算机来说ღ✿◈，理解这些非结构化内容比登天还难ღ✿◈，这也就是为什么人与计算机交流时非常费劲ღ✿◈。

　　全世界有80%的数据都是非结构化数据ღ✿◈，人工智能想要达到看懂ღ✿◈、听懂的状态ღ✿◈，必须要把非结构化数据这块硬骨头啃下来ღ✿◈。学者在深度学习的帮助下在这领域取得了突破性成就ღ✿◈，这成就为人工智能其他各种能力奠定了基础ღ✿◈。

　　如果将人工智能比作一个人ღ✿◈，那么人工智能应该具有记忆思考能力ღ✿◈，输入能力如视觉ღ✿◈、听觉ღ✿◈、嗅觉ღ✿◈、味觉以及触觉ღ✿◈，以及输出能力如语言交流ღ✿◈、躯体活动ღ✿◈。以上能力对相应的术语为ღ✿◈：深度学习ღ✿◈、知识图谱ღ✿◈、迁移学习ღ✿◈、自然语言处理ღ✿◈、机器视觉ღ✿◈、语音识别ღ✿◈、语音合成(触觉ღ✿◈、嗅觉ღ✿◈、味觉在技术研究上暂无商业成果ღ✿◈，躯体活动更多属于机器人领域ღ✿◈，不在文章中过多介绍)

　　简单点说ღ✿◈，知识图谱就是一张地图ღ✿◈。它从不同来源收集信息并加以整理ღ✿◈，每个信息都是一个节点ღ✿◈，当信息之间有关系时ღ✿◈，相关节点会建立起联系ღ✿◈，众多信息节点逐渐形成了图ღ✿◈。知识图谱有助于信息存储ღ✿◈，更重要的是提高了搜索信息的速度和质量ღ✿◈。

　　迁移学习把已学训练好的模型参数迁移到新的模型来帮助新模型训练数据集ღ✿◈。由于大部分领域都没有足够的数据量进行模型训练ღ✿◈，迁移学习可以将大数据的模型迁移到小数据上ღ✿◈，实现个性化迁移ღ✿◈，如同人类思考时使用的类比推理ღ✿◈。迁移学习有助于人工智能掌握更多知识ღ✿◈。

　　自然语言处理是一门融语言学ღ✿◈、计算机科学ღ✿◈、数学于一体的学科ღ✿◈，它是人工智能的耳朵-语音识别和嘴巴-语音合成的基础ღ✿◈。计算机能否理解人类的思想ღ✿◈，首先要理解自然语言ღ✿◈，其次拥有广泛的知识ღ✿◈，以及运用这些知识的能力ღ✿◈。自然语言处理的主要范畴非常广ღ✿◈，包括了语音合成ღ✿◈、语音识别ღ✿◈、语句分词ღ✿◈、词性标注ღ✿◈、语法分析ღ✿◈、语句分析ღ✿◈、机器翻译ღ✿◈、自动摘要等等ღ✿◈、问答系统等等ღ✿◈。

　　机器视觉通过摄影机和计算机代替人的眼睛对目标进行识别ღ✿◈、跟踪和测量ღ✿◈，并进一步对图像进行处理ღ✿◈。这是一门研究如何使机器“看懂”的技术ღ✿◈，是人工智能最重要的输入方式之一ღ✿◈。如何通过摄像头就能做到实时ღ✿◈、准确识别外界状况ღ✿◈，这是人工智能的瓶颈之一ღ✿◈，深度学习在这方面帮了大忙ღ✿◈。现在热门的人脸识别ღ✿◈、无人驾驶等技术都依赖于机器视觉技术ღ✿◈。

　　语音识别的目的是将人类的语音内容转换为相应的文字ღ✿◈。机器能否与人类自然交流的前提是机器能听懂人类讲什么ღ✿◈，语音识别也是人工智能的最重要输入方式之一ღ✿◈。由于不同地区有着不同方言和口音99re网址进入最新地址ღ✿◈，这对于语音识别来说都是巨大的挑战ღ✿◈。目前百度ღ✿◈、科大讯飞等公司的语音识别技术在普通线%ღ✿◈，但方言准确率还有待提高ღ✿◈。

　　目前大部分的语音合成技术是利用在数据库内的许多已录好的语音连接起来ღ✿◈，但由于缺乏对上下文的理解以及情感的表达ღ✿◈，朗读效果很差ღ✿◈。现在百度和科大讯飞等公司在语音合成上有新的成果ღ✿◈：16年3月百度语音合成了张国荣声音与粉丝互动;17年3月本邦科技利用科大讯飞的语音合成技术ღ✿◈，成功帮助小米手机实现了一款内含“黑科技”的营销活动H5ღ✿◈。它们的主要技术是通过对张国荣ღ✿◈、马东的语音资料进行语音识别ღ✿◈，提取该人的声纹和说话特征ღ✿◈，再通过自然语言处理对讲述的内容进行情绪识别ღ✿◈，合成出来的语音就像本人在和你对话ღ✿◈。新的语音合成技术不再被数据库内的录音所限制语言和情感的表达ღ✿◈。

　　经过多年的人工智能研究ღ✿◈，人工智能的主要发展方向分为ღ✿◈：计算智能ღ✿◈、感知智能ღ✿◈、认知智能ღ✿◈，这一观点也得到业界的广泛认可ღ✿◈。

　　计算智能是以生物进化的观点认识和模拟智能ღ✿◈。有学者认为ღ✿◈，智能是在生物的遗传ღ✿◈、变异ღ✿◈、生长以及外部环境的自然选择中产生的ღ✿◈。在用进废退ღ✿◈、优胜劣汰的过程中ღ✿◈，适应度高的(头脑)结构被保存下来ღ✿◈，智能水平也随之提高ღ✿◈。机器借助大自然规律的启示设计出具有结构演化能力和自适应学习能力的智能ღ✿◈。计算智能算法主要包括神经计算ღ✿◈、模糊计算和进化计算三大部分ღ✿◈，神经网络和遗传算法的出现ღ✿◈，使得机器的运算能力大幅度提升ღ✿◈，能够更高效ღ✿◈、快速处理海量的数据ღ✿◈。计算智能是人工智能的基础ღ✿◈，AlphaGo是计算智能的代表ღ✿◈。

　　感知智能是以视觉ღ✿◈、听觉ღ✿◈、触觉等感知能力辅助机器ღ✿◈，让机器能听懂我们的语言ღ✿◈、看懂世界万物ღ✿◈。相比起人类的感知能力ღ✿◈，机器可以通过传感器获取更多信息ღ✿◈，例如温度传感器ღ✿◈、湿度传感器ღ✿◈、红外雷达ღ✿◈、激光雷达等等ღ✿◈。感知智能也是人工智能的基础ღ✿◈，机器人ღ✿◈、自动驾驶汽车是感知智能的代表ღ✿◈。

　　认知智能是指机器具有主动思考和理解的能力ღ✿◈，不用人类事先编程就可以实现自我学习ღ✿◈，有目的推理并与人类自然交互ღ✿◈。人类有语言ღ✿◈，才有概念ღ✿◈、推理ღ✿◈，所以概念ღ✿◈、意识ღ✿◈、观念等都是人类认知智能的表现ღ✿◈，机器实现以上能力还有漫长的路需要探索ღ✿◈。

　　在认知智能的帮助下ღ✿◈，人工智能通过发现世界和历史上海量的有用信息ღ✿◈，并洞察信息间的关系ღ✿◈，不断优化自己的决策能力ღ✿◈，从而拥有专家级别的实力ღ✿◈，辅助人类做出决策ღ✿◈。认知智能将加强人和人工智能之间的互动ღ✿◈，这种互动是以每个人的偏好为基础的ღ✿◈。认知智能通过搜集到的数据ღ✿◈，例如地理位置ღ✿◈、浏览历史ღ✿◈、可穿戴设备数据和医疗记录等等ღ✿◈，为不同个体创造不同的场景ღ✿◈。认知系统也会根据当前场景以及人和机器的关系ღ✿◈，采取不同的语气和情感进行交流ღ✿◈。

　　假如能像设想的一样实现认知智能ღ✿◈，那么底层平台必须足够宽广和灵活ღ✿◈，以便在各领域甚至跨领域得到应用ღ✿◈。因此研发人员需要从全局性出发ღ✿◈，打造这个健壮的底层平台ღ✿◈，它应该包括机器学习ღ✿◈、自然语言处理ღ✿◈、语音和图像识别ღ✿◈、人机交互等技术ღ✿◈，便于上层应用开发者的开发和使用ღ✿◈。德州扑克微扑克官方ღ✿◈，微扑克appღ✿◈！wepoker官网中文版ღ✿◈。