『』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?( 四 )


自然语言处理 , 像计算机视觉技术一样 , 将各种有助于实现目标的多种技术进行了融合 。建立语言模型来预测语言表达的概率分布 , 举例来说 , 就是某一串给定字符或单词表达某一特定语义的最大可能性 。选定的特征可以和文中的某些元素结合来识别一段文字 , 通过识别这些元素可以把某类文字同其他文字区别开来 , 比如垃圾邮件同正常邮件 。以机器学习为驱动的分类方法将成为筛选的标准 , 用来决定一封邮件是否属于垃圾邮件 。
因为语境对于理解“timeflies(时光飞逝)”和“fruitflies(果蝇)”的区别是如此重要 , 所以自然语言处理技术的实际应用领域相对较窄 , 这些领域包括分析顾客对某项特定产品和服务的反馈、自动发现民事诉讼或政府调查中的某些含义、以及自动书写诸如企业营收和体育运动的公式化范文等 。
4)机器人技术
将机器视觉、自动规划等认知技术整合至极小却高性能的传感器、致动器、以及设计巧妙的硬件中 , 这就催生了新一代的机器人 , 它有能力与人类一起工作 , 能在各种未知环境中灵活处理不同的任务 。例如无人机 , 还有可以在车间为人类分担工作的“cobots” , 还包括那些从玩具到家务助手的消费类产品 。
5)语音识别技术
主要是关注自动且准确的转录人类的语音 。该技术必须面对一些与自然语言处理类似的问题 , 在不同口音的处理、背景噪音、区分同音异形异义词(“buy”和“by”听起来是一样的)方面存在一些困难 , 同时还需要具有跟上正常语速的工作速度 。语音识别系统使用一些与自然语言处理系统相同的技术 , 再辅以其他技术 , 比如描述声音和其出现在特定序列和语言中概率的声学模型等 。语音识别的主要应用包括医疗听写、语音书写、电脑系统声控、电话客服等 。比如Domino’sPizza最近推出了一个允许用户通过语音下单的移动APP 。
上面提到的认知技术进步飞快并吸引了大量投资 , 其他相对成熟的认知技术仍然是企业软件系统的重要组成部分 。这些日渐成熟的认知技术包括决策最优化——自动完成对复杂决策或者在资源有限的前提下做出最佳权衡;规划和调度——使设计一系列行动流程来满足目标和观察约束;规则导向系统——为专家系统提供基础的技术 , 使用知识和规则的数据库来自动完成从信息中进行推论的处理过程 。
三、认知技术的广泛使用
各种经济部门已经把认知技术运用到了多种商业职能中 。
1)银行业
自动欺诈探测系统使用机器学习可以识别出预示着欺诈性付款行动的行为模式;借助语音识别技术能够自动完成电话客服;声音识别可以核实来电者的身份
2)医疗健康领域
美国有一半的医院采用自动语音识别来帮助医生自动完成医嘱抄录 , 而且使用率还在迅速增长;机器视觉系统自动完成乳房X光检查和其他医学影响的分析;IBM的Watson借助自然语言处理技术来阅读和理解大量医学文献 , 通过假设自动生成来完成自动诊断 , 借助机器学习可以提高准确率 。
3)生命科学领域
机器学习系统被用来预测生物数据和化合物活动的因果关系 , 从而帮助制药公司识别出最有前景的药物 。
4)媒体与娱乐行业
许多公司正在使用数据分析和自然语言生成技术 , 自动起草基于数据的的公文材料 , 比如公司营收状况、体育赛事综述等 。
5)石油与天然气
厂商将机器学习广泛运用在矿藏资源定位、钻井设备故障诊断等众多方面 。
6)公共部门
出于监控、合规和欺诈检测等特定目的 , 公共部门也已经开始使用认知技术 。比如 , 乔治亚州正在通过众包的形式来进行财政披露和竞选捐助表格的数字化 , 在这个过程中他们就采用了一套自动手写识别系统 。
7)零售商
零售商利用机器学习来自动发现有吸引力的交叉销售定价和有效的促销活动 。
8)科技公司
它们正利用机器视觉、机器学习等认知技术来改进产品或者开发全新产品 , 比如Roomba机器人吸尘器 , Nest智能恒温器 。


推荐阅读