从AI的应用场景来回答下这个问题吧：
北极32度高温、意大利葡萄牙罕见高温、环渤海的海参大量被热死....我们生活的环境正在慢慢失控。
例如在过去的一个世纪里，非洲大陆上90%的大象消失。1993年以来，狮子的数量下降已经超过40%，阿里巴巴的工程师们借助物联网、云计算技术，构建了一个“动物可追踪、种群可分析、偷盗可预警、保护区可管理”智能野保平台。
这一计划将为大象佩戴感应颈圈，借助野外红外线摄像设备，对大象的状态以及重点区域进行实时了解，预测他们的行动路线，从而优化守护员的行动路线。
同时通过AI也能对盗猎活动进行预警，这些技术被用于识别非法盗猎份子与车辆，实现自动识别和事前阻止盗猎行为，这也能让盗猎导致的死亡率下降30%。
其实在让世界变得更好这件事上，AI能做的还有很多，阿里巴巴的工程师在自己业余时间做了很多尝试。
疫苗事件发生后，阿里的工程师，连夜开发了一个“疫苗查询”功能。这一举动，让千千万万的人安了心。
阿里巴巴的工程师还开发了移动打拐平台——“团圆”，找回儿童3000余名，找回率为97.6%，其中解救被拐卖儿童48名。
一位名叫代立晨的阿里工程师还在两周时间里，通过大量的传感设备、网络设置、传输指令，帮助一位视障人士让改造了其69平米的房子，它“能听会看”，可以认识主人、陪伴主人、照顾主人。
马云曾说过：“大公司的’大’不是利润大、收入大、市场份额大，而是责任大、担当大，人们希望你能担当更多的责任，希望你能做更多的事情。”
技术没有语言和国界之分，在让世界变得更好这件事上，也许AI能做的还有更多。
我认为人工智能的好处就是精细，准确；具体到对人类的好处，能体现在工作，生活，学习等各个方面。
2.帮助从繁重的，重复的工作中解脱；
3.帮助从繁琐的数据整理，统计和应用中解脱；
1.提高人类的生活质量；
2.应用在医疗领域能提高寿命；
1.足不出门就能晓天下；
2.随时可以获取你想知道的知识，资料；
谢各位好友光临，点赞。。。
人工智能就是人机互动，人对有智能系统机器提出问题和指令时，机器会会通过智能系统的数据库来解答你的问题和识别你的指令并执行。
人工智能主要运用在航天和自助终端机上。
要回答人工智能有什么用，其实答案可以很简单，人工智能即人工的智能，也就是让机器拥有人类水平的智能。人有什么作用，人工智能就应该有什么作用。
但是如果只是这样回答，并不是太精确。因为人工智能和人类智能虽然都有智能二字，但是是有本质区别的。今年6月份，行者团队有幸参与第一届世界智能大会运营，马云在主题演讲时提过一个观点，“我不喜欢人工智能”这个词，更喜欢“机器智能”。马云觉得机器智能一定和人类的智能不一样，“人工智能”的提法可能有些误导。马云这么有钱，他说的肯定有道理是不是（认真脸）？
因此，人工智能的作用还是和人类有所不同的，大致总结一下，有这样三方面：
因为深度学习等AI技术的发展，机器在自然语言处理和图像识别上的能力有了大幅度的提升。所以现在机器可以用听懂人类说的话，可以看到我们能够看到的东西。有了语音能力，机器就可以做翻译、同传、速记等工作。有了视觉，机器就可以参与安防、反恐等工作。同时，再结合一定的知识库，人工智能还应用在教育和，比如帮助教师修改考卷，和更具互动性的玩具。玩具方面，可以参考索尼的机器狗。
上图为索尼即将发布的aibo机器狗，能够和人类自然互动，借助新的机械设备，机器狗的动作也和眼神、声音的动作结合更加自然。
分析和预测方面是人工智能非常成熟的应用场景，通过机器学习和深度学习，人工智能可以从海量的数据当中挖掘出规律和线索，比如视频网站可以根据用户的浏览记录，知道用户的观看习惯和兴趣爱好，针对性的推送广告。工厂可以在设备上安装传感器，通过分析数据总结经验，可以提前预测设备的运行状况，提前介入维修维护。
3、自动系统和智能装备
自动系统，可以看作是前两者能力的结合。这方面最具典型的场景就是自动驾驶，它兼具了机器视觉、语言处理和分析预测等多方面的能力。能够代替人类司机驾驶，同时降低交通事故的产生。根据世界卫生组织2015年的报告，全球每年因为交通事故的死亡人数超过百万，其中很大一部分原因是司机的疏忽。AI在这方面的潜力非常巨大。
上图为Google旗下的Waymo自动驾驶原型。目前各大自动驾驶公司预测，2025到2030年可以实现完全自动驾驶（即真正的无人车）。
以上是行者团队成员KEN所做的回答。
人工智能尽管现在尚幼稚，并没有传说的那么厉害，但是，其发展前途无量。
一、在一些领域其智力远远超过人脑的极限。它本身也是集体智慧的结晶，是团队的能力，而非某个人的能力了。这使未来的技术竞争变为团队竞争。技术更新速度进一步加快。
二、具有稳定性和严格的执行性，避免人为因素影响。
三、对于重复性、大数据、繁琐的工作，其效率优势明显，人力与其比较，根本没有无可比性。
四、数学分析、数学拟合、大数据处理能力不仅可以代替人力，同时，可节约大量宝贵的研发时间。未来，效率决定领先的成败。
数据驱动的人工智能现在可以应用于复杂的问题集，人类从未能够完全整理模拟算法的解决方案。为什么不？在某些情况下，人类已知的解决方案太细致和复杂，无法转化为代码（图像识别是一个领域：想想要向计算机描述猫需要多少“规则”）。在其他情况下，这是因为我们甚至还没有解决问题。借助现代机器学习和深度学习方法，计算机可以构建针对问题的高性能解决方案，而不会暴露该解决方案的基本原理或逻辑。这在人工智能和人类智能之间产生了一个尖锐的裂痕
，后者不是前者的先决条件，而前者不一定会推进后者。人工智能现在处于与人类智能不同的路径上。对人工智能的现代统计方法是对我们思考问题的方式以及解决问题意味着什么的一种根本性消除。现在，关于特征选择和分类器选择的学习和知识的语义学的哲学选择现在已经很多了。新型的智能不一定会回到我们自己的世界观上，并能够解决眼前的问题。这种类型的智能并不能模拟单个研究人员在发现时刻的光辉，而是建立在一个模糊的高维分类方法基础之上，这种分类方法在难以理解的数据山上训练。
人工智能现在拥有令人兴奋的潜力，能够推进我们自己掌握的第一原则至多不完整的领域：生物学，制药，基因组学，自动驾驶，机器人等等。这些学科的进步将会，而且已经在以戏剧性的方式和加速的步伐改变我们的。随着这项技术的不断发展，它还将围绕归因和可解释性这些关键主题产生具有挑战性的问题。
顺便说一句，如果你想知道更多硅谷或者美国的前沿信息，可以关注微信号“硅发布”。
早在图灵时代就提出人工智能的概念，从提出到现在兴起中间经历了几个阶段，之前受限制于硬件，数据，算法等因素，人工智能在应用中表现并不好。随着互联网的发展，大数据的发展，人工智能蓬勃发展起来。它给人们带来的好处大致分为以下几个方面:
现在各大数码产品都已经引入了人工智能，比如:
- iPhoneXR，iPhone8已经引入了人工神经网络引擎，这能更大程度的提升手机的流畅度
- 各类音响如雨后春笋般的冒出来，天猫精灵，小爱同学等，这除了能带来，在智能家居方面也是重要一环
- 智能家电，前几天刚买了智能电视，确实很方便
无人驾驶最近几年很火的应用，这真是开车族的福音，能很大程度减少驾驶疲劳。现在特斯拉，百度无人车，谷歌无人车等。
现在各大快递物流仓里，依靠人工智能机器人代替了人工分拣，可以快速分类，加快了物流速度。
现在通过人工智能识别重大疾病的人工网络模型已经取得了很高的识别率，这在体检，看病中带来的好处是巨大的，提前发现，避免疾病的恶化。还有机器人辅助医生进行手术等应用。
机器人助教，帮助老师在线指导学生作业。现在高考压力下，学生们会经常采用题海战术，人工智能从做过的题中分析出哪些知识点还没掌握，可以重点学习。
6.广告投放，海报制作
通过人工智能分析用户群体，可以进行广告的精准投放，即节省了成本，又能使广告最大程度的带来客户。
每年双十一，各大电商有许多海报的制作，通过人工智能快速又经济，这在去年的双十一已经大显身手。
智能机器人在自然灾害中的救援早就得到应用，这能代替救援人员提前进入危险环境，能及时挽回生命和经济损失。
上面仅仅列举了跟我们生活息息相关的领域其他诸如科研，歌曲创作等等方面不再一一列举，感兴趣的可以一起交流！
关于人工智能以及它有什么用的提问和回答其实已经很多了。简单来说，人工智能AI，它其实是一门技术科学，而不是特指的科学产品。
它作为一项技术、一类知识，探究它有什么用其实是很难的。我们永远不知道一项技术要发挥到怎样的程度，才算是把它发挥到极致，用尽了它的一切可能。而且，技术也会更新迭代，总的来说，它是用以研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用。
既然叫人工智能，自然就是人能接触到的可能性，智能就能被用到。AI像是一个技术框架，有无限的可能性。
就目前而言，它的实际应用，大体在机器视觉，指纹识别，人脸识别，视网膜识别，虹膜识别，掌纹识别，专家系统，自动规划，智能搜索，定理证明，博弈，自动程序设计，智能控制，机器人学，语言和图像理解，遗传编程等。
而上面提到的这些，除了计算机科学以外，人工智能还涉及信息论、控制论、自动化、仿生学、生物学、心理学、数理逻辑、语言学、医学和哲学等多门学科。几乎是被用到了人类的方方面面。从交通出行，到生物医疗，再到日常用品，再到安全设施，再到航天国防。
这东西可以说是能用到任何领域。比如：无人驾驶、机场安检、人员识别、安保控制。
一个好消息是，用人工智能建立谋杀档案库，没准能依靠算法揪出真凶。
自1976年以来美国共发生了75万起的凶杀案，但是破案率却屡创新低。据估计，每年美国有超过5000名杀人凶手逍遥法外，而在逃的连环杀手数量可能高达2000以上。有没有办法找出那些命案的相似之处，建立关联，从而揪出其中的连环杀手呢？Thomas
Hargrove就是这么干的。他建立了美国最大的谋杀案档案库，开发了一个犯罪手法模式匹配算法，并且成立了一个非盈利组织专门来研究这件事。《纽约客》报道了他们的故事。
Hargrove估计美国的连环杀手大概有2000人之多。
Hargrove是一位连环杀手档案管理员。过去七年来，他一直在收集谋杀案的地方记录，现在他已经建起了全美最大的谋杀案档案库——自1976年以来发生过的751785起谋杀案，这个数目甚至比FBI的档案还要多出约二万七千多份。按规定，各州应该向美国司法部汇报发生的谋杀案，但有些报告不准确或者不全面，Hargrove已经向其中一些州提出诉讼，要求获取相关档案。他还自己编写了计算机代码，用来搜索里面的存档，查找三角恋、抢劫或者斗殴等引起的略为普通的凶杀案在统计上的反常现象。美国每年犯命案而未被抓获的人数约为5000人，而且这些人当中一定比例者犯下命案次数不止一次。Hargrove打算揪出这些人，他的工具就是代码，有时候他称之为连环杀手侦探。
这个代码是一个简单的算法，Hargrove是在2010年，在现已倒闭的Scripps Howard新闻服务当记者的时候写的。这个算法成为了非盈利组织Murder Accountability
Project（MAP）的基础。MAP由现已退休的Hargrove，一个数据库，一个网站以及九名成员组成，这些人当中有前侦探、研究杀人犯的学者、法医以及心理医生。算法通过数据汇总，收集了在手段、地点、时间，以及受害者性别方面存在相关性的凶杀案。同时它还会考虑某座城市凶杀案的未破案率是否显著，因为一名在逃的连环杀手会影响警察部门的破案率。从统计上来看，一个潜伏着连环杀手的城镇看起来简直就像法外之地。
2010年8月，Hargrove注意到印第安纳州莱克县（Gary市在其管辖范围内）的凶杀案有一定的模式。1980到2008年间，共有15名女性是被掐死的。而且其中的很多尸体是在空房内被发现的。Hargrove于是写信给Gary警察局，对这些凶杀案进行了描述，并且附上了相应情况的电子表格。他问道：“这些案子会不会反映出所在地区一或多名连环杀手的活动呢？”
警察局对他的热心漠不关心；一名探长说Garu这里没有未破的连环凶杀案（连环杀手在逃时美国司法部建议警察局要告诉市民，但一些地方对此还是保密）。Hargrove感到很气愤：“我给他们留言，还给警察局长和市长发挂号信。”后来，他从一名也开始怀疑Gary市有连环杀手的副验尸官那里得到了一些消息。她试图跟警方谈话，但也遭到了拒绝。在看了Hargrove的案子之中，她又给他的名单增补了3位受害者。
4年后，毗邻Gary市的Hammond警察局街道报案，称一家Motel 6旅馆出了状况，有人在浴缸内发现了一具女尸。她的名字叫做Afrikka Hardy，年纪只有19岁。Hargrove说：“他们逮捕了一个叫做Darren
Vann的家伙，就像这些案例经常发生的情况一样，他说，‘你们抓到我了。’在接下来的几天时间里，他领着警察去到被废弃的建筑物，警方又发现了6具女性尸体，全都是被掐死的，就像我们在算法里看到的手法一样。” Vann在1990年代初就杀死了他的第一个女人。2009年，他因为强奸而入狱，杀戮才停了下来。不过在2013年出狱后，Hargrove说：“他又恢复了之前的罪恶勾当。”
研究人员研究连环杀手的方式就好像他们是自然标本一样。Radford连环杀手数据库是其中最全面之一，它有来自世界各地的近五千个条目，其中大部分来自美国，是弗吉尼亚州Radford University退休教授Michael Aamodt 25年前开始编撰的。根据这个数据库，美国的连环杀手为男性的可能性要比女性高10倍。Ray
Copeland，在上个世纪末在密苏里州他的农场里至少杀死了5名流浪汉，被捕时已经75岁的他是数据库中最老的连环杀手。最年轻的是Robert Dale Segee，他在缅因州的波特兰长大，被认为在1938年8岁的时候用石头砸死了一个女孩。他的父亲经常抓起他的手指到蜡烛火焰上烤来惩罚他，后来Segee就变成了一个纵火犯。纵火后他有时会产生幻觉，仿佛看到一个张牙舞爪脑袋冒火浑身通红的人。
1944年6月，Segee 14岁的时候在Ringling兄弟马戏团找到了一份工作。次月，马戏团帐篷着火，导致了168人丧生。 1950年，在因为另一起纵火案被捕后，Segee承认是他点着了帐篷，但几年后，他又翻供说当时自己已经疯了。
根据数据库的资料，连环杀手通常都不是特别聪明，平均智商为94.5。他们会分成若干类型。觉得自己必定要摆脱那些被视为不道德或不受欢迎的人——比如瘾君子、移民或者私生活混乱的女人的世界——的人被称为传教士。黑寡妇杀死男人，通常是为了继承财产或者骗取保险；残暴的丈夫杀死女人，要么是为了钱要么是为了显示自己的权力。杀死病人的护士被称为死亡天使。钓鱼的碰巧遇上了个受害者，而设陷阱的要么观察到了他的受害者，要么就是在某个地方，比如医院工作，而受害者不幸碰见了他。
FBI认为，每年由连环杀手实施的命案不到1%，但Hargrove却认为这个比例要更高些，而且美国大概有2000名连环杀手在逃。他说：“我是怎么知道的？几年前，我让FBI的人查了有记录在案的在逃但有DNA关联的杀手数量。”结果是大约有14000，这个数字略超他们查档杀手数的2%。Hargrove说：“那些还只是可以通过DNA锁定的案子数。而杀手未必总会留下DNA的——你能拿到DNA就是天赐的礼物。所以2个百分点是下限，而不是上限。”
Hargrove已经61岁。他身材比较高瘦，长着白胡子和一幅狐疑的眼神。他跟妻子和儿子住在弗吉尼亚州亚历山大市，每天都要走8英里的路，去到Mount Vernon，或者沿着波多马克河行走，一边听着电子书，通常是神秘小说的录音。他出生在曼哈顿，但他的父母在他小时候搬到了威彻斯特县的约克城。“4岁前我一直住在Riverside
Drive。然后有一天我给我妈展示了在操场学会的东西，用Popsicle冰棍做成一把弹簧刀，我记得的下一件事就是我住在约克城了。”
Hargrove的父亲编写如何使用机械计算器的技术手册，Hargrove在密苏里大学上学时，学的是计算新闻学和公众舆论。他学会了用来进行民意调查的随机数字拨号理论等做法，并受到Philip Meyer的《精确新闻》鼓励记者从科学中学习调查方法的影响。
1977年毕业后，他被阿拉巴马州《伯明翰邮报》聘用，他的理解是自己会进行民意调查，并做报纸需要他做的其他任何事情。结果表明，该报需要的是一名犯罪记者。
1978年，Hargrove目睹了第一名男性死者，一名便利店老板在抢劫中被枪杀了。他还报道过一起骚乱，是在警方开枪打死一名十六岁的非洲裔美国女孩后爆发的。有一次，在到达一个对峙现场之后，他被水塔上的一个醉鬼用来复枪射击。子弹击中了他脚边的碎石。他还报道过一名叫做John Lewis
Evans的男子的行刑，这是美国最高法院在1960、70年代废除死刑以来阿拉巴马州第一个被处决的囚犯。Hargrove说：“在阿拉巴马州，他们会把处极刑的犯人放到一张电椅上，那电椅还有个名字，叫做Yellow
Mama，因为被涂上了亮黄色。由于距离上一次行刑的时间已经相去甚久，以至于已经没人记得怎么用了。第一次的时候，由于把过大的电流加载到太细的导线上，所以所有地方都着火了。每个人都在大叫，我好几天都睡不着觉。”
1990年，Hargrove搬到了华盛顿特区替Scripps Howard工作。他说在那里“我的主要目的是用数字震撼大家。”在研究美国保障管理局的死亡主档案（Death Master
File，Hargrove说大家总有一天都会在上面）时，Hargrove注意到有些人某一年被列进去之后又在几年后被剔除出去了：也就是说某人被错误地宣布死亡了。从采访中他发现这些人的银行记录往往会被突然冻结，没法申请信用卡或者抵押贷款，并且工作申请往往会被拒绝因为通不过背景调查。在比较了不同邮编下的平民区危险儿童联邦补助金清单后，他发现有2/3的资金都是拨往郊区方向的。曾经坐在Hargrove邻桌的前记者Isaac
Wolf说：“他做所有事情都是通过非常聪明的逻辑和编程来实现的，是足智多谋和创新思维的结合，通过耗时耗力的工作来收集和分析数据。”
2004年，Hargrove被派去调查一桩卖淫案的故事。为了了解哪些城市允许哪些不允许卖淫，他申请获取了一份联邦犯罪报告，FBI每年都会编撰这样的一份报告，随后他收到了一张包含从2002年以来的所有报告的CD。他说：“里面还附带有一份叫做‘S.H.R. 2002’的报告。”这是FBI的补充凶杀报告（Supplementary Homicide
Report），里面列有所有向联邦调查局报备的凶杀案资料，包括年龄、种族、性别，以及受害者的种族，还列举了杀人的手段和情况介绍。Hargrove在查看的时候，“首先想到的是有没有可能教计算机认出连环受害者。” Hargrove说6年来他一直在跟Scripps Howard的每一位编辑说自己想用计算机找出连环杀手，而得到的回应总是，“你在玩笑，对吧？”
根据美国疾控中心的婴儿死亡率记录，佛罗里达州婴儿意外窒息的死亡人数要比加州高很多，尽管加州的婴儿数量更多。为了了解这背后的原因，2007年，Hargrove开始对婴儿猝死综合征（SIDS）进行调查。次年，Hargrove采访了美国全国各地的验尸官和病理学家。他说：“越来越多的人开始说，‘说实话，这么说可能会有麻烦，但SIDS其实并不存在。’”
Hargrove于是推断认为SIDS不属于一种诊断或者神秘疾病，而是因为婴儿放进婴儿床的方式导致婴儿睡觉时被窒息。佛罗里达州往往把这些死亡归因为意外窒息，而加州则归因为SIDS。在他的故事报道出去之后，疾控中心建立了突然意外婴儿死亡病例登记档案来评估每一起死亡。新泽西州参议员Frank Lautenberg跟Hargrove会面后出台了突然死亡数据增强和意识法案（Sudden Death
Data Enhancement and Awareness Act），2014年，这项法案由奥巴马总统签署生效。经过SIDS的故事之后，Hargrove在“新闻编辑部的地位高得出奇。”他告诉老板说他还是想教计算机侦查连环杀手，这次老板告诉他：“你有1年的时间。”
Hargrove开始申请调阅从1980年到2008的命案报告；其中包括了超过50万份熊山。他说，从一开始一就知道“计算机不知道的东西。我可以从数据中看到受害者。”他开始尝试编写算法来返回被定罪的凶手的受害者。他选择了Gary Ridgway作为测试用例，此人被称为Green River
Killer（格林河杀手），从1980年代开始，他陆续在西雅图谋杀了48名女性，并将尸体抛弃在格林河边。Hargrove在办公桌上贴了一张Ridgway的照片，相片里的他看起来很疲倦，一脸的不高兴。在照片下面，他写道：“那些连环谋杀案的受害者在统计学上有何相似之处呢？”
建立算法是件累活。Isaac Wolf说：“他会写一些代码，然后用一堆看似没完没了的记录来进行测试。我们当时又没有昂贵的计算机设备，所以有时候会跑好几天。整个过程都是磕磕碰碰，他总是在修修补补。”
Ridgway最终被通过DNA比对识别出来，并在2001年被逮到了，当时他正要辞掉在Kenworth的一家载货卡车厂的工作，此前他已经在这家工厂当了32年的油漆工。但它告诉警察说掐女性脖子才是他的实际工作。他说：“我干的是掐脖子的工作，而且相当擅长。” Ridgway的妻子——第三任妻子对他的所为感到震惊。两人在Parents Without
Partners（离异父母协会）聚会上相识，结婚已经有17个年头。她说他对自己一直都像新婚妻子那样。Ridgway曾经想过要杀死他的前两任妻子，但是考虑到太容易被抓到而作罢。基本上他杀掉的都是妓女，如果被杀掉的人身上正好带有钱的话，他会把那些钱当作是杀死她的酬劳而据为己有。
Hargrove每天都以前一天为什么失败的反省作为开始。他按照类型把凶杀案进行分类，因为有人告诉他连环杀手往往采用勒死或者棒击的手法，显然是因为他们更愿意让受害者没那么快死去。他选择的受害者对象是女性，因为FBI称70%的连环杀手受害者都是女性。每一次测试都要一天的时间。他都不知道有没有效。好一段时间内，唯一有希望的变量似乎是“无法解决”。Hargrove抬起手把右手拇指和食指并在一起说：“在尝试了100件不起作用的事情之后，然后才有了点见效的东西。我开始定得更具体，寻找一系列的因素——女性、武器、年龄以及位置等。”
通过这些要素，算法把凶杀案组织成了大概1万组。比方说：波士顿，女性，15到19岁，手枪就是其中一组。而新奥尔良、女性、20到50岁，窒息可能是另一组。既然“未能解决”已经产生出结果，哪怕是很无力的结果，Hargrove告诉计算机要通知他哪些地方的未破案率是特别低的。这方面西雅图排行第三，其中大多数受害女性都属于死因不明——不明是因为尸体都被抛弃在外面时间太长了，久到验尸官已经无法确定她们是怎么死的。Hargrove知道，计算机终于看到Ridgway的受害者了。
通过解读受害者与杀手的地理位置，Hargrove无意间已经运用了一门叫做犯罪空间情报分析（geographic profiling）的学科，前警察，现为德州州立大学刑事司法学院教授的Kim
Rossmo是这方面的典范。1991年，Rossmo坐在日本的一趟列车上时想出了一个方程式，根据实施犯罪的地点以及尸体被发现的场所等因素，这个方程式可以用来预测连环杀手住在哪里。纽约市的一位凶杀案侦探说：“连环杀手的实施地点往往比较固定，会在集中的地区寻找牺牲品，这样的放是可以定义和检查的。”通常他们的猎场会远离他们居住地，但又不会是他们不熟悉的地方。犯罪分子跑得越远，其行动的可能性就越低，犯罪学家把这种现象称为是随距衰减。
Rossmo还利用犯罪空间情报分析来跟踪恐怖分子——他研究这些人住在哪里，武器藏在什么地方，以及用来打电话的公用电话亭的位置——还识别流行病是在什么地方开始的。他还跟动物学家一起协作，研究大白鲨的狩猎模式。最近，Rossmo研究了街头艺术家Banksy留下来的早期作品，找到了支撑英国《每日邮报》在2008年所做未获证实的论断的证据，当时该报纸称Banksy是一位来自布里斯托尔的中年男子，真名叫做Robin
Rossmo说：“说到谋杀调查，如果你避开好莱坞那一套的话，剩下的就是跟信息打交道。任何一桩连环谋杀案，警方需要调查的嫌疑人往往都有好几千，甚至好几万。”在格林河那件案子中，警方的名单就有1.8万人。“那么你该从何开始呢？关于犯罪的行程我们了解很多，通过留意谋杀发生地或者尸体被发现的地方，其实你可以建立概率分布。”
Rossmo在他的《犯罪空间情报分析》一书中指出，研究发现，惯有右手的犯罪分子往往在逃跑的时候往左转，但是会把证据留到右边，而且大多数犯罪分子在躲藏进建筑物中的时候，会呆在靠近外墙的地方。
Killer。Glatman是一位广播电视维修工，也是一位业余摄影师，平时会邀请年轻女性给他当模特，说照片是给侦探杂志拍摄的。所以他会把受害者捆绑起来进行拍摄，可一旦受害者这被绑起来之后就再也不松绑了。Witzig说：“其中一位年轻女性受害者，不仅被绑起来，而且捆绑物的转角还非常的尖锐且精确，这表明罪犯从中享受到了极大的愉悦。”
Brooks开始研究一些杀手反复实施相同犯罪的方式。他把所有的凶案记录放到到3乘5英寸的卡片上，1950年代末，在对计算机感兴趣后，他向洛杉矶警察局提出请求，问能不能给他买一台。上面告诉他说太贵了。1983年，在FBI给他在Quantico提供了一份工作并且替他购买设备启动ViCAP之后，Brooks把制作命案跟踪计算机数据库的想法提交给了国会。这项计划的本意是给调查提供配套，但是侦探对此并不感冒。Witzig说：“首要原因也许是原先的ViCAP报告表格。”
Brooks希望记录命案的每一个要素，因此要问答的问题超过了150个。Witzig说，这种情况下“用户当然会有抵触情绪了。没人喜欢太多的文书工作。”他还补充说该计划“得到了全世界执法方面最聪明的深度思考者的参与，但我们的MAP之所以存在是因为他们失败了。”
MAP也有自身的局限。由于算法依赖地点作为搜索选项，那些活动范围不局限在周边县市的凶手它就看不见了。此外MAP换回出现一种假阳性，Hargrove称之为Flint效应：在一些城市，比如Flint、密歇根，由于对命案的侦破太不上心了，以至于这些地方看起来就像受到了连环杀手的特别关照一样。
算法被放到了MAP的网站上，精通统计的人可以跑这个算法。其他不懂算法的人，可能也想知道有多少凶手尚未抓捕归案什么的，则可以使用网站的“搜索案件”功能。住在新奥尔良的Deborah
Smith是一名MAP的搜索爱好者，同时也是业余侦探网上吹水论坛Websleuths的论坛管理员。她说：“我保留了全国被谋杀或失踪女性的名单及相关统计数据，同时还重点标注了那些我认为存在关联的命案。我把每个州的数据都保留下来，这些都是从MAP获取的，如果我关注了一名凶手，比如说Israel
Keys，这个人15年前住在西雅图，我就会寻找西雅图以及阿拉斯加部分地区的命案，因为他也曾在那里住过，然后看看有没有被警方忽视的东西。”她还补充说：“这方面MAP特别特别有用。其他地方都找不到这样的工具。”
不过，MAP的小组尚未决定用算法的发现来做什么，而且这个问题还会给Hargrove造成道德和实践上的困难。他说：“我们必须确定我们的参与规则。在什么情况下我们才可以找警察？”一个月前，Hargrove通知克利夫兰警方，称似乎大概有60桩命案，受害者全都是女性，可能跟一位连环杀手有关，或者按照实施手段来看，也许是3名连环杀手所为。其中12名女性犯有卖淫罪，尸体在两个不同的地理分布区被发现。Hargrove不愿透露跟克利夫兰警方的交谈细节，因为MAP的规则要求此类沟通必须是私密的。警方给我写信称，在看到Hargrove的分析后，“考虑派一小组人翻查几单未决的命案。”该局特别调查小组的负责人是James
McPike，他告诉MAP的人说：“我们准备跟你们一起合作，看看可以做些什么。”
Hargrove对调查感到满意，但他也担心搞错了。他问道：“如果题目抓错了人然后被对方告了该怎么办？2010年还是记者的时候我联络了一批警察局，因为我想看看算法是不是有效。现在我知道它有效了——我脑子里的疑惑已经解开了。在特定城市我们有信心说‘这些受害者有共同杀手的可能性更高。’但2010年的时候我背后有一家大的媒体公司，还有律师和媒体保险做后盾。但现在我是一个人，经营的这家非盈利组织在银行只有1400美元，董事会有9位董事，还没有保险。”
MAP的最大公益在于它让大家意识到了美国的命案破获率之低。1965年的时候，一起命案的破案率超过了92%。2016年的时候这个数字还不到60%，是有记录以来的最低点。洛杉矶的破案率最高，为73%，底特律最低，只有14%。就像MAP董事会成员，东北大学非典型谋杀研究小组（Atypical Homicide Research Group）主任Enzo
Yaksic所说那样，该项目“说明了外面还有一大批没有被抓获的杀人犯。”
Arntfield是西安大略大学的一位教授，他管理着一个铁证悬案社团。该社团关注的是这一算法的最大发现，也就是过去40年在亚特兰大地区总共100桩未破案的女性被杀案。这些受害者大部分都是非洲裔美国人，而且全都是被掐死的。Arntfield从亚特兰大警方那里弄到了44位女性的名字，现在一直在了解她们更多的信息。（研究敏感受害者的背景，希望能够发现他们是怎么遇到杀手的，这属于一门学科，叫做被害人学。）Arntfield和他的同事把受害者分成了两组：一组规模略小，是年纪稍大的女性，都是在家中遇害的。另一组年轻女性规模较大，其中很多都是妓女。Arntfield从报纸报道中发现，有两名男性实施犯罪的手法非常类似，现在都已经入狱。亚特兰大重案组负责人Adam
Lee说警方尚未将这些命案跟特定杀人犯关联，但他说他认为MAP是一个有用的工具，并且对“跟Arntfield坐下来一起谈谈很感兴趣。”
Hargrove说他希望侦探最终会开始用这样算法来建立案件之间的关联，而MAP将会帮助找出凶犯。与此同时，他正在考虑建立一个比较网站，希望用这个网站来跟踪纵火案，并且他已经在开始编译着火方面的数据，只是现在还没有时间发布出去。他说：“连续纵火案跟连环谋杀案之间存在着关联。很多家伙都是从烧东西开始的。”
我们沿着亚历山大市河边在走路，这是Hargrove平时经常走的一条路线，他说：“我们的主要目的是收集尽可能多的记录。但这些记录是非常强大，非常诱人的。只需要查看这些记录就能识别出连环杀手。在不同的地方不同的年份，你会看到类似恐怖的事情的发生。”
人们对人工智能总是有很多顾虑：人工智能对我们的工作意味着什么？机器人会不会在工作中取代人类？会不会导致“人机”战争的最终爆发？
但目前的研究项目显示，人工智能可以在很多领域中造福人类。
1，医疗保健：AI能治病
人工智能的最大优势之一，就在于它能够在极短的时间之内查阅海量的数据。这使得研究者们在进行研究时，能够精确定位所需关注的领域。
例如，在最近，人们对于肌萎缩侧索硬化（ALS，也就是渐冻症）的研究取得了突破性的进展。这一研究就是由巴罗神经学研究所（Barrow Neurological Institute）和IBM的公司人工智能计算系统“沃森（Watson Health）”共同完成的。,IBM公司的“沃森（Watson）”是一个运用了人工智能的计算系统，能够查阅数千项研究成果，并找出与ALS有关的基因。
“数据科学家、研究者们想要跟上任何全球问题的脚步，但传统的研究工具越来越无法满足他们的需要。而人工智能可以帮助我们解决难题，并在遍布世界各地的数十亿个文档中找到相关的信息。”IBM公司在新闻稿中如是写道。
人工智能在医疗领域另一项极富前景的应用就是预测药物的疗效。比如，癌症患者通常会服用相同的药物，人们通过检测病人的反应，了解药物的效果。而人工智能可以根据数据，预测哪一种特定的药物对病人最有效，为病人们提供高度个性化的治疗方案，可以节省宝贵的时间与金钱。
2，无人驾驶：AI开车更安全
斯坦福大学的一则报告显示，自动驾驶不仅能减少因交通事故导致的人员伤亡，还能改变我们的生活方式：在通勤途中，我们可以把更多的时间用于工作、；关于居住的地点，我们甚至有了更多的选择。
报告还指出，“自动驾驶愈发舒适，人们的认知负担越来越少，共享交通的发展——这些因素可能会影响人们对于生活地点的选择。”
3，高等教育：AI能当助教
有了人工智能，人们的学习方式会发生改变：速度不同，起点不同。人工智能将会把人们引入未来，人们会以更个性化的方式学习。世界上没有任何一个教育体系能为每一个孩子都配备一个家庭教师，而人工智能可以满足这一需求。“机器人老师”高度拟人，声音、外表都十分逼真，它们将成为个性化教育的“领路人”。
如美国佐治亚理工学院（Georgia Tech University） 的助教是一个机器人。尽管在使用初期遇到一些困难，机器助教回答学生们问题的正确率高达97%。
4，能源利用：AI更聪明
人工智能能够帮助我们更加合理地利用能源。如谷歌等巨头拥有庞大的数据中心，需要大量的能源来维持服务器的运转及冷却。谷歌使用了一款名为“DeepMind”的人工智能平台来预测其数据中心何时会过热。冷却系统只有在需要时才会激活。人工智能减少了谷歌服务器群组40%的能源消耗。
5，保护野生动物：AI爱地球
正如在医疗领域一样，人工智能分析大量数据的功能还可以被用于保护野生动物。,例如，人工智能可以追踪动物的行动。因此，我们可以得知他们去了哪里，我们需要保护怎样的栖息地。这项研究使用了计算技术，找出了在蒙大拿州最适合为狼獾及灰熊建立野生动物保护走廊的地方。野生动物保护走廊是数片彼此相连、受保护的区域，这些区域具有重要的生态意义：野生动物们可以安全地从“走廊”中穿越野生地区。
还有很多领域需要我们去，人工智能可以更好的服务于人类。
欢迎关注【创新工场微信公众号：chuangxin2009】。这是一个创新工场和创业者的沟通交流平台，您可以学习创业相关的法务、市场、财务、HR等各个业务领域所需的知识干货，还有机会参与到创新工场举办的创业者培训、沙龙和其他各类活动中。
