1. 首页
  2. 人工智能

互联网人工智能的核心技术

  计算机视觉   计算机视觉具有广泛的应用,包括:医学影像分析用于提高疾病的预测、诊断和治疗;脸书使用人脸识别来自动识别照片中的人;用于安全监控领域的嫌疑人识别;在购物方面,消费者现在可以用智能手机给产品拍照,以获得更多的购买选择。

  计算机视觉

  计算机视觉具有广泛的应用,包括:医学影像分析用于提高疾病的预测、诊断和治疗;脸书使用人脸识别来自动识别照片中的人;用于安全监控领域的嫌疑人识别;在购物方面,消费者现在可以用智能手机给产品拍照,以获得更多的购买选择。

  机器视觉作为一门相关学科,一般是指视觉在工业自动化领域的应用。在这些应用中,计算机识别对象,如生产部件在一个高度限制的工厂环境,所以目标比计算机视觉寻求在一个不受限制的环境中操作更简单。计算机视觉是一个正在进行的研究,而机器视觉是一个“已解决的问题”,是一个系统工程的课题,而不是一个研究课题。由于应用范围的不断扩大,自2011年以来,一些计算机视觉领域的初创公司已经吸引了数亿美元的风险投资。

  机器学习

  机器学习指的是计算机系统仅仅依靠数据而不是遵循明确的程序指令来提高其性能的能力。其核心是机器学习自动从数据中发现模式,一旦模式被发现,它们就可以用于预测。例如,机器学习系统有一个信用卡交易信息的数据库,如交易时间、商户、地点、价格以及交易是否合法,系统将学习可以用来预测信用卡欺诈的模式。处理的交易数据越多,预测就越准确。

  机器学习的应用范围非常广泛。对于那些产生大量数据的活动,它有潜力提高几乎所有的性能。除了欺诈检测,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认知技术领域也发挥着重要作用,如计算机视觉,通过对大量图像中的视觉模型的不断训练和改进,提高其识别物体的能力。

  自然语言处理

  自然语言处理是指计算机的类人文本处理能力。例如,从文本中提取意义,甚至从可读、风格自然和语法正确的文本中自主地解释意义。自然语言处理系统不理解人类处理文本的方式,但可以通过非常复杂和复杂的手段巧妙地处理文本。例如,自动识别文档中提到的所有人和地点;确定文件的核心问题;从一堆人类可读的契约中提取各种条款和条件,并创建一个表。传统的文本处理软件只能进行简单的文本匹配和模式处理,根本无法完成这些任务。

  自然语言处理,结合各种技术来帮助实现目标。建立语言模型来预测语言表达的概率分布,例如给定的一串字符或单词表达特定语义的最大概率。所选的特征可以与文本中的某些元素结合,以识别文本的一段。通过识别这些元素,可以将某些类型的文本与其他文本(如垃圾邮件和普通邮件)区分开来。由机器学习驱动的分类方法将成为判断邮件是否是垃圾邮件的筛选标准。

  机器人

  认知等技术的集成机器视觉和自动规划成极小但高性能的传感器、执行器和巧妙设计硬件孕育了新一代的机器人与人类有能力工作,能够在各种未知环境中灵活处理不同的任务。

  语音识别

  语音识别主要研究人类语音的自动、准确转录技术。该技术在自然语言处理方面也必须面临类似的问题。在处理不同的口音、背景噪音以及区分同音异义词/不同的单词(“buy”和“by”发音相同)时存在一些困难。它还需要有一个工作速度,可以跟上正常的讲话速度。语音识别的主要应用包括医学听写、语音书写、计算机系统语音控制、电话客户服务等。例如,达美乐披萨最近推出了一款移动应用,用户可以通过语音下单。

  从应用层来看,可以大致分为以下几类。第一类是工业级机器人。像富士康这样的公司已经很好地利用了机器人,因为劳动力成本越来越高,劳动力风险越来越高,而机器人可以解决这些问题。第二类是监控机器人,它可以在家里和医院里作为病人、老人或儿童的看护人,帮助他们完成一定程度的复杂工作。中国对女佣级机器人的需求实际上更为迫切,因为中国的人口红利正在下降,同时老龄化也在加剧。机器人可以帮助解决这两个矛盾。因此,这一领域的需求占了民用市场的很大比例。第三类是探险级机器人,用于采矿或探险,极大地避免了人类必须经历的危险。此外,还有用于战争的军用机器人。

  与此同时,人工智能技术的发展也会给很多老行业带来新的面貌,其中最典型的就是汽车行业。汽车工业已经存在了几百年,这段时间的变化也很大,但是人们一直都在开车。近年来,随着谷歌等公司的大量投资,机器或某种自动化系统有望取代人。来驾驶汽车,从而形成了一个具有巨大市场容量的新兴产业,即无人驾驶汽车产业。这个行业的规模也将达到数万亿甚至10万亿。此外,这个行业也将叠加和集成与新能源产业形成一个复合工业车辆“互联网+能源网络+网络+电动汽车”——未来,我们将使用插件发电厂使用汽车和氢燃料汽车,使新能源汽车成为电网的一部分,成为新能源的供应商,就像现在一些房子安装了太阳能发电系统的太阳能供应商。

免责声明:本站旨在传递信息,不代表有传资讯的观点和立场。本站遵循行业规范,如转载您的文章未标注版权,请联系我们(QQ:78799268)改正。本站的原创文章,如若转载,请注明出处:http://www.ainoline.cn/rengongzhineng/13206.html

发表评论

电子邮件地址不会被公开。 必填项已用*标注

联系我们

在线咨询:点击这里给我发消息

邮件:78799268@qq.com

工作时间:周一至周五,9:30-18:30,节假日休息

QR code