在不久的将来，机器学习、深度学习、自然语言处理以及认知计算的结合，将会改变我们与环境相处的方式。人工智能驱动的智能服务，将会感知我们正在做的事情，从过去的行为中分析我们的偏好，甚至以真正无缝隙对接的方式潜移默化地指引我们的日常生活。

为了清楚这一系统究竟是如何运作的，我们不妨体验下去医院探望病人的场景。

情景1：医院大厅

走进医院，你会看到医院的智能服务正在搜索你要探望的病人。（通过早期的接触，机器人对你已经有所了解。）系统应用人脸识别技术，将你的信息与提供的照片以及允许通过的拜访人员名单进行匹配。在接待服务台，系统注意到你空手而来，而且气喘吁吁。考虑到这些因素，系统会询问你想先去四楼看病人，还是先喝点东西、逛礼品店。你回答想先喝东西以及挑选礼物。

情景2：自助餐厅

如果需要，智能服务会将去自助餐厅、礼品店的路线发送到你的移动设备上。到了自助餐厅，你选择了一款苏打水。人工智能服务会记住当时的天气、时间、地点以及你的心率，从而今后帮你做出更好的选择。在你离开自助餐厅时，付款已经自动完成了。

情景3：礼品店

你要去探望的病人是一个5岁的孩子，人工智能服务为你提供的礼物选择分别是：一束假花、一束气球或者是毛绒玩具。因为你本打算送一束鲜花，所以觉得智能服务提供的推荐很奇怪，于是你向店员询问。店员在看到病人的名字后，告诉你由于病人有过敏性症状，所以不适合送鲜花。他为你推荐了同样的三个礼物选择以及一张下次使用的85折优惠券。

情景4：病人房间

在你走向智能电梯时，它会告诉你要探访的病人住在 4楼的儿童病房。走出电梯后，智能系统会邀请你下载关于儿童健康的最新信息，以及为你规划最快的行走路线，并提醒你探望时间在晚上9点结束。你带着礼物走进病房，看望病人。由于不是直系亲属，所以智能服务不会为你提供最新的病情状况。不过，它会询问你是否愿意与护理人员聊聊，或者为你介绍其他的智能服务。

与人工智能进行的这些互动，并不是遥不可及的愿景。为了考虑得更深入一些，我们来看看人工智能究竟是如何赋能医院体验的。

人工智能链条包括七个步骤：

1.  “感知”是对正在发生事情的描述。

“感知”主要根据明显和非明显的发现，来提供基本信息以及进行相关推荐。在上面的示例中，这就意味着要提前把医院的物理布局告诉智能系统，它才能指明方向。为智能系统提供的信息包括地理空间位置、限制进入区域以及设备存放区域。其中，大部分信息是要人工输入的。

2.  “通知”会告诉你想要知道的信息。

通过人工输入和机器学习，“通知”会以警示、工作流、提示器以及其他信号的方式来传递额外信息。初级编程会为智能系统设定“如果—那么”的动作路径。例如，如果到了吃药时间，那么病人和其家人就会收到相关通知。

3.  “建议”推荐你需要采取的行动。

“建议”主要是基于过去行为提出的，另外随着时间推移，还会根据加权性质、决策管理以及机器学习等不断改进。通过应用最佳实践以及规划客户体验，智能系统会根据相关规定和条款，给出切实的建议，比如指出病人的楼层位置，点餐时进行饮食推荐以及根据生命体征情况建议休息等。

4. “自动化”重复你一直想做的事情。

随着机器学习的日趋成熟和完善，自动化带来越来越多的便利。如果智能系统知道你总是喝“热的伯爵茶，”那么系统就会始终遵循你的习惯。算法基于神经网络的交互而逐渐了解人们的喜好。比如，系统会基于之前的模式，自动弹出提醒病人吃药的消息。

5.  “预测”告诉你可以期待什么。

基于深度学习和神经网络，“预测”会推算将要发生的行为。如果智能系统知道，从家到医院有45分钟的车程，而你在出门前喝了一杯咖啡，那么当你到达医院时，系统会自动告诉你洗手间的位置。

6.  “防范”帮助你避免不良后果。

“防范”通过认知计算来识别潜在威胁。比如，根据病人的过往病历以及医生开具的处方，就可以避免药物的相互作用。

7.  “情境意识”知道你此时需要什么。

在某种程度上，“情境意识”很像人类的决策能力。病人和医护人员可以放宽心了，因为智能系统只会为需要的人提供相关信息。如果病人出现紧急情况，遥感技术会根据需要知道的优先顺序给护士、医生、手术室以及家庭成员等发送有针对性的信息。

正是以上7个环节的结合，人工智能驱动的智能服务才得以出现。智能服务主要包括5个关键要素：

1.由于数字足迹和数据排放，人工智能服务才得以建立文档。

每一个人、每一台设备以及每一个网络都提供了信息。数字足迹或者数据排放来自面部分析、网络IP地址，甚至一个人的行走步态。通过人工智能以及认知计算，系统可以进行模式分析以及关联身份。这就意味着，在不同的情境下，人工智能服务可以对我们进行个体识别。

2.沉浸式体验让自然交互成为可能。

在人工智能服务中，情境、内容、合作以及渠道的融合，给每个人带来了沉浸式、独特的体验。智能服务会根据当时的情境特点，比如地理位置、时间、天气、心率甚至情绪，并结合之前对我们身份、偏好的了解，提供高关联、合适的内容。“感知—响应机制”使得参与者与机器之间的合作成为可能，合作的形式包括交谈与文本对话。渠道包括所有的联系点，例如手机、社交聚会、前台以及面对面交流等。总之，目标是基于个人身份的自然用户体验。

3.大规模提供个性化数字服务。

预期分析、刺激因素以及选择，将带来大规模的个性化。预期分析会基于对客户的过往了解，来调整客户体验。刺激因素为客户的反应提供了触发点。选择是客户自己做的决定。这三个因素的结合，使得人工智能系统可以基于客户身份、过往喜好以及当时的需求实时设计体验。

4.价值交换使信任流程得以实现。

一旦采取了行动，价值交换就可以加强这一交易。货币、非货币以及意见的交流是价值交换的三种常见形式。虽然货币价值交换可能是最明显的方式，但是非货币的价值交换（包括识别、进入和影响）往往更引人注目。另外，一份简单的意见或协议也可以提供价值交换，比如投保人要求的医疗索赔是否真实或者对病人治疗方案的意见是否一致等。

5.持续的反馈和检测，让人工智能可以持续学习。

通过机器学习和其他智能工具的赋能，智能系统的交付形式主要包括以下几种：一次、临时安排、重复、订阅以及阈值驱动。通过机器学习技术，智能系统可以学习如何为特定的患者群体提供智能服务，以及将这些服务应用在未来的互动中。例如，系统可以检测出哪些服务更能取悦孩子以及何时提供这些建议。

虽然人工智能驱动的自动化会让一些人感到焦虑，但是担忧机器人将掌控世界的想法未免过于夸张。人工智能驱动的智能服务将提升人类的智慧，就像之前机器提升了人类的体力能力一样。通过减少错误、提高决策速度、识别需求信号、预测结果、防范灾难，人工智能驱动的智能服务将在我们未来的生活中扮演关键角色。