人工智能 - 研究领域
人工智能领域范围广泛。在接下来的内容中,我们将考虑人工智能领域中广泛流行的研究领域:
语音识别和声纹识别
这两个术语在机器人技术、专家系统和自然语言处理中很常见。虽然这两个术语常被互换使用,但它们的目标不同。
语音识别 | 声纹识别 |
---|---|
语音识别的目标是理解和理解说了什么。 | 声纹识别的目标是识别说话者是谁。 |
它用于免提计算、地图或菜单导航。 | 它用于通过分析语调、音高和口音等来识别一个人。 |
语音识别不需要机器训练,因为它不依赖于说话者。 | 这种识别系统需要训练,因为它以人为本。 |
开发与说话者无关的语音识别系统比较困难。 | 与说话者相关的语音识别系统相对容易开发。 |
语音和声纹识别系统的运作
用户对着麦克风说出的语音输入到系统的声卡。转换器将模拟信号转换为等效的数字信号进行语音处理。数据库用于比较声音模式以识别单词。最后,将反向反馈提供给数据库。
源语言文本成为翻译引擎的输入,将其转换为目标语言文本。它们支持交互式图形用户界面、大型词汇数据库等。
研究领域的现实应用
人工智能在人们日常生活中有很多应用:
序号 | 研究领域 | 现实生活中的应用 |
---|---|---|
1 | 专家系统 例如:航班追踪系统、临床系统。 |
|
2 | 自然语言处理 例如:Google Now 功能、语音识别、自动语音输出。 |
|
3 | 神经网络 例如:模式识别系统,如人脸识别、字符识别、手写识别。 |
|
4 | 机器人技术 例如:用于搬运、喷涂、绘画、精度检查、钻孔、清洁、涂层、雕刻等的工业机器人。 |
|
5 | 模糊逻辑系统 例如:消费电子产品、汽车等。 |
AI 任务分类
AI 领域分为形式化任务、普通任务和专家任务。
人工智能的任务领域 | ||
---|---|---|
普通任务 | 形式化任务 | 专家任务 |
感知
|
|
|
自然语言处理
|
游戏
|
科学分析 |
常识 | 验证 | 财务分析 |
推理 | 定理证明 | 医学诊断 |
规划 | 创造力 | |
机器人技术
|
人类从出生起就学习普通任务。他们通过感知、说话、使用语言和运动来学习。他们后来按顺序学习形式化任务和专家任务。
对人类来说,普通任务是最容易学习的。在尝试在机器中实现普通任务之前,人们也认为这是正确的。早期,人工智能的所有工作都集中在普通任务领域。
后来,事实证明,机器需要更多知识、更复杂的知识表示和更复杂的算法来处理普通任务。这就是为什么人工智能工作现在在专家任务领域更加繁荣的原因,因为专家任务领域需要专家知识而不需要常识,这更容易表示和处理。
广告