江苏龙网

  1. 首页 > 资讯 > 科技 > >

埃尔法哥哥■为什么已经步入人工智能时代，还不了解人工智能的基本常识？( 三 )


4、认知技术
我们将区分人工智能领域和由此延伸的各项技术 。 大众媒体将人工智能刻画为跟人一样聪明的或比人更聪明的计算机的来临 。 而各项技术则在以往只有人能做到的特定任务上面表现得越来越好 。 我们称这些技术为认知技术（下图） ， 认知技术是人工智能领域的产物 ， 它们能完成以往只有人能够完成的任务 。 而它们正是商业和公共部门的领导者应该关注的 。 下面我们将介绍几个最重要的认知技术 ， 它们正被广泛采纳并进展迅速 ， 也获得大量投资 。
一文了解人工智能的基本常识
1）计算机视觉
是指计算机从图像中识别出物体、场景和活动的能力 。 计算机视觉技术运用由图像处理操作及其他技术所组成的序列来将图像分析任务分解为便于管理的小块任务 。 比如 ， 一些技术能够从图像中检测到物体的边缘及纹理 。 分类技术可被用作确定识别到的特征是否能够代表系统已知的一类物体 。
计算机视觉有着广泛应用 。 其中包括 ， 医疗成像分析被用来提高疾病的预测、诊断和治疗；人脸识别被Facebook用来自动识别照片里的人物；在安防及监控领域被用来指认嫌疑人；在购物方面 ， 消费者现在可以用智能手机拍摄下产品以获得更多购买选择 。
机器视觉作为一个相关学科 ， 泛指在工业自动化领域的视觉应用 。 在这些应用里 ， 计算机在高度受限的工厂环境里识别诸如生产零件一类的物体 ， 因此相对于寻求在非受限环境里操作的计算机视觉来说目标更为简单 。 计算机视觉是一个正在进行中的研究 ， 而机器视觉则是“已经解决的问题” ， 是系统工程方面的课题而非研究层面的课题 。 因为应用范围的持续扩大 ， 计算机视觉领域的初创公司自2011年起已经吸引了数亿美元的风投资本 。
2）机器学习
指的是计算机系统无需遵照显式的程序指令而只是依靠暴露在数据中来提升自身性能的能力 。 其核心在于 ， 机器学习是从数据中自动发现模式 ， 模式一旦被发现便可用于做预测 。 比如 ， 给予机器学习系统一个关于交易时间、商家、地点、价格及交易是否正当等信用卡交易信息的数据库 ， 系统就会学习到可用来预测信用卡欺诈的模式 。 处理的交易数据越多 ， 预测就会越好 。
机器学习的应用范围非常广泛 ， 针对那些产生庞大数据的活动 ， 它几乎拥有改进一切性能的潜力 。 除了欺诈甄别之外 ， 这些活动还包括销售预测、库存管理、石油和天然气勘探、以及公共卫生 。 机器学习技术在其他的认知技术领域也扮演着重要角色 ， 比如计算机视觉 ， 它能在海量图像中通过不断训练和改进视觉模型来提高其识别对象的能力 。 现如今 ， 机器学习已经成为认知技术中最炙手可热的研究领域之一 ， 在2011-2014年中这段时间内就已吸引了近十亿美元的风险投资 。 谷歌也在2014年斥资4亿美金收购Deepmind这家研究机器学习技术的公司 。
3）自然语言处理
是指计算机拥有的人类般文本处理的能力 ， 比如 ， 从文本中提取意义 ， 甚至从那些可读的、风格自然、语法正确的文本中自主解读出含义 。 一个自然语言处理系统并不了解人类处理文本的方式 ， 但是它却可以用非常复杂与成熟的手段巧妙处理文本 ， 例如自动识别一份文档中所有被提及的人与地点；识别文档的核心议题；或者在一堆仅人类可读的合同中 ， 将各种条款与条件提取出来并制作成表 。 以上这些任务通过传统的文本处理软件根本不可能完成 ， 后者仅能针对简单的文本匹配与模式进行操作 。 请思考一个老生常谈的例子 ， 它可以体现自然语言处理面临的一个挑战 。 在句子“光阴似箭（Timeflieslikeanarrow）”中每一个单词的意义看起来都很清晰 ， 直到系统遇到这样的句子“果蝇喜欢香蕉（Fruitflieslikeabanana）” ， 用“水果（fruit）”替代了“时间（time）” ， 并用“香蕉（banana）”替代“箭（arrow）” ， 就改变了“飞逝／飞着的（like）”与“像／喜欢（like）”这两个单词的意思 。


推荐阅读


上一篇：『Geeks小树』华为"最贵终端"定价超3万？这几大卖点绝对值回票价

下一篇：『登哥谈电脑DIY』2020年组装电脑主机配置单推荐收藏，办公电脑到高性能的组装机