近幾年，中國(guó)人工智能快速發(fā)展。無人超級(jí)市場(chǎng)、無人物流、無人加油站、無人駕駛、無人賓館…以及各種功能完善的機(jī)器人！當(dāng)我們沒有意識(shí)到這一點(diǎn)時(shí)，人工智能正日夜不停地不斷迭代進(jìn)化，影響到我們生活的各個(gè)方面。這一令人驚奇而又振奮人心的事件背后，離不開計(jì)算機(jī)視覺、自然語言處理、生物特征識(shí)別與圖譜等人工智能關(guān)鍵技術(shù)。下面就由小編為您介紹一下人工智能三大核心技術(shù)。

千視通

0

0條點(diǎn)評(píng)

咨詢產(chǎn)品

免費(fèi)試用

解決用戶選型困難的好軟件，有各維度的信息

客戶案例

2

合作品牌

9

人工智能三大核心技術(shù)

計(jì)算機(jī)視覺：人工智能系統(tǒng)的大門

    根據(jù)實(shí)際解決的問題， 計(jì)算機(jī)視覺技術(shù)可分為 人臉識(shí)別、圖像檢測(cè)、圖像檢索、目標(biāo)跟蹤、風(fēng)格遷移 等幾大板塊。 其中，人臉識(shí)別、圖像分類等功能計(jì)算機(jī)視覺技術(shù)已經(jīng)比人類視覺更精準(zhǔn)、更迅速。在醫(yī)院，一般早期食管癌檢出率低于 10% ，而騰訊覓影通過掃描上消化道內(nèi)鏡圖片篩查食管癌，檢出率高達(dá) 90% ，且用時(shí)不到 4 秒。商湯科技宣稱，利用其計(jì)算機(jī)視覺技術(shù)，視頻內(nèi)容審核能夠節(jié)省 99% 的人工。

      然而，雖然在解決識(shí)別、檢測(cè)、聚類等問題上，計(jì)算機(jī)視覺已經(jīng)可以超越人類，但其發(fā)展仍面臨挑戰(zhàn)。

      首先， 缺乏可用于人工智能模型訓(xùn)練的大規(guī)模數(shù)據(jù)集。缺乏標(biāo)注數(shù)據(jù)是幾乎所有應(yīng)用場(chǎng)景普遍存在的挑戰(zhàn)。當(dāng)前的應(yīng)用場(chǎng)景多以項(xiàng)目制形式落地，數(shù)據(jù)仍然在項(xiàng)目建設(shè)方，數(shù)據(jù)不能共享也無法形成閉環(huán)，也就導(dǎo)致技術(shù)的進(jìn)步分散在各個(gè)企業(yè)的各個(gè)項(xiàng)目中，難以帶來行業(yè)整體跨越。

      其次， 缺乏從技術(shù)到產(chǎn)品到規(guī)模化應(yīng)用的工程化經(jīng)驗(yàn)。計(jì)算機(jī)視覺技術(shù)的應(yīng)用已不再是單一的軟件應(yīng)用，涉及到新型基礎(chǔ)架構(gòu)，涉及到新的數(shù)據(jù)分析流程，還涉及到智能硬件如攝像頭的安裝等等。每一個(gè)環(huán)節(jié)都可能會(huì)影響識(shí)別效果。將這一技術(shù)從實(shí)驗(yàn)室擴(kuò)展到工業(yè)化應(yīng)用的過程本身就是很大的挑戰(zhàn)。

自然語言處理：中國(guó)領(lǐng)先的人工智能技術(shù)

      一個(gè)完整的自然語言處理系統(tǒng)包含 語音識(shí)別、語義識(shí)別、語音合成 三部分。 其中，國(guó)內(nèi)企業(yè)在語音識(shí)別和語音合成已處世界領(lǐng)先地位。

      語音識(shí)別 是指讓計(jì)算機(jī)“聽到”人的語音，目前已經(jīng)比較成熟，尤其漢語的語音識(shí)別領(lǐng)先英語。根據(jù)2017年IBM、谷歌和微軟發(fā)布的詞錯(cuò)率進(jìn)展數(shù)據(jù)，他們的識(shí)別率均在94%-95%之間，而在此之前，國(guó)內(nèi)語音識(shí)別企業(yè)，如百度、搜狗、科大訊飛，識(shí)別率均已達(dá)到97%左右。

      語音合成 是指計(jì)算機(jī)將準(zhǔn)備“回復(fù)”給人類的語句，通過合成音頻的形式，利用揚(yáng)聲器外放。百度地圖的語音導(dǎo)航、蘋果手機(jī)的Siri助手背后都利用了語音合成技術(shù)，這項(xiàng)技術(shù)已日臻成熟。當(dāng)前，科大訊飛的語音合成技術(shù)代表了世界領(lǐng)先水平。2018年科大訊飛打敗卡內(nèi)基梅隆等眾多高校、科研機(jī)構(gòu)和企業(yè)，連續(xù)13年贏得Blizzard Challenge（國(guó)際語音合成大賽）冠軍。

      區(qū)別于語音識(shí)別“ 聽到” 人類語言，語義識(shí)別更加強(qiáng)調(diào)“ 聽懂” 。 當(dāng)用戶對(duì)智能系統(tǒng)說出一個(gè)飯店的名字，系統(tǒng)對(duì)用戶語音進(jìn)行識(shí)別，搜索飯店，這是“語音識(shí)別”；當(dāng)用戶對(duì)智能系統(tǒng)說“自助餐”、“海鮮”、“連鎖店”等模糊語句，智能系統(tǒng)根據(jù)用戶的性別、愛好、飲食傾向等特征進(jìn)行智能分析，并精準(zhǔn)推薦，則是“語義分析”。可見，語義識(shí)別比語音識(shí)別技術(shù)難度高好幾個(gè)層次。

      語義識(shí)別 是當(dāng)前自然語言處理發(fā)展的瓶頸，仍處于初級(jí)研究階段。由于目前的人工智能技術(shù)只能把音變成字，字變成音，不能理解其中含義，很難實(shí)現(xiàn)基于場(chǎng)景的生動(dòng)會(huì)話，商業(yè)落地的場(chǎng)景十分有限。

知識(shí)圖譜：人工智能的下一技術(shù)風(fēng)口

      知識(shí)圖譜 最初是由Google 公司在 2012 年提出來的一個(gè)新的概念。從學(xué)術(shù)的角度，我們可以對(duì)知識(shí)圖譜給一個(gè)這樣的定義：“知識(shí)圖譜本質(zhì)上是語義網(wǎng)絡(luò)（ Semantic Network ）的知識(shí)庫(kù)”。但這有點(diǎn)抽象，所以換個(gè)角度，從實(shí)際應(yīng)用的角度出發(fā)其實(shí)可以簡(jiǎn)單地把知識(shí)圖譜理解成多關(guān)系圖（ Multi-relational Graph ）。如果說以往的智能分析專注在每一個(gè)個(gè)體，知識(shí)圖譜則專注于這些個(gè)體之間的 “ 關(guān)系 ” 。知識(shí)圖譜用 “ 圖 ” 的表達(dá)形式，最有效、最直觀地表達(dá)出實(shí)體間的關(guān)系，是最接近真實(shí)世界、符合人類思維模式的數(shù)據(jù)組織結(jié)構(gòu)。

      相較于傳統(tǒng)的智能分析， 知識(shí)圖譜是基于圖的數(shù)據(jù)結(jié)構(gòu)，即知識(shí)圖譜需要從海量信息中抽去多個(gè)維度的特征信息， 并在這些特征信息素材的基礎(chǔ)上，通過智能推理實(shí)現(xiàn)從數(shù)據(jù)到可視化圖像深加工，從而能夠直觀易懂的展現(xiàn)給用戶，并與用戶交互。

      目前， 知識(shí)圖譜主要應(yīng)用于面向 互聯(lián)網(wǎng)的搜索、推薦、問答 等業(yè)務(wù)場(chǎng)景，成為以 商業(yè)搜索引擎公司 為首的互聯(lián)網(wǎng)公司重兵布局的人工智能技術(shù)之一。 同時(shí)，也開始在金融、醫(yī)療、電商及公共安全保障等領(lǐng)域得到廣泛的探索。當(dāng)我們使用搜索軟件時(shí)，搜索結(jié)果右側(cè)的聯(lián)想，就來自于知識(shí)圖譜技術(shù)。在反洗錢或電信詐騙場(chǎng)景，知識(shí)圖譜可精準(zhǔn)追蹤卡與卡間的交易路徑，追本溯源識(shí)別洗錢/套現(xiàn)路徑和可疑人員，并通過他們的交易軌跡，層層關(guān)聯(lián)，分析得到更多可疑人員、賬戶、商戶或卡號(hào)等實(shí)體。

      然而， 目前知識(shí)圖譜尚處于發(fā)展初期，受制于抽取數(shù)據(jù)的樣本量限制、深加工準(zhǔn)確率和效率較低、數(shù)據(jù)噪聲大等因素限制，應(yīng)用場(chǎng)景非常有限 。相信未來，隨著研究的深入，會(huì)有越來越多的應(yīng)用場(chǎng)景被發(fā)掘出來，對(duì)于知識(shí)圖譜所能發(fā)揮的價(jià)值可期。

      雖然人工智能在圖像識(shí)別、語音識(shí)別、文本處理、游戲博弈等方面全面趕超人類，取得了突破性進(jìn)展，但總體來說還處于嬰幼兒期，遠(yuǎn)未達(dá)到人們預(yù)期的智能水平，也遠(yuǎn)未成熟。我相信，在未來，隨著時(shí)代的進(jìn)步，技術(shù)瓶頸將不斷突破，人工智能的發(fā)展將更加多樣化，更多的黑技術(shù)將使我們的生活更加智能化。以上就是小編為您介紹的人工智能三大核心技術(shù)。