<label id="gyn4u"><option id="gyn4u"></option></label>
<strike id="gyn4u"></strike>

      <code id="gyn4u"><small id="gyn4u"></small></code>
      
      

        <object id="gyn4u"><option id="gyn4u"></option></object><th id="gyn4u"><sup id="gyn4u"><acronym id="gyn4u"></acronym></sup></th>

        <tr id="gyn4u"></tr>
        <object id="gyn4u"><option id="gyn4u"></option></object>

        中國安防行業網

        首頁 > 安防百科 > 正文

        人工智能的認知技術
        2017/7/12 16:28:00   中國安防行業網      關鍵字:人工智能,認知技術,安防      瀏覽量:
        認知技術是人工智能領域的產物,它們能完成以往只有人能夠完成的任務。而它們正是商業和公共部門的領導者應該關注的。下面我們將介紹幾個最重要的認知技術,它們正被廣泛采納并進展迅速,也獲得大量投資。

          我們將區分人工智能領域和由此延伸的各項技術。大眾媒體將人工智能刻畫為跟人一樣聰明的或比人更聰明的計算機的來臨。而各項技術則在以往只有人?能做到的特定任務上面表現得越來越好。我們稱這些技術為認知技術(下圖),認知技術是人工智能領域的產物,它們能完成以往只有人能夠完成的任務。而它們正是商業和公共部門的領導者應該關注的。下面我們將介紹幾個最重要的認知技術,它們正被廣泛采納并進展迅速,也獲得大量投資。

          1)計算機視覺

          是指計算機從圖像中識別出物體、場景和活動的能力。計算機視覺技術運用由圖像處理操作及其他技術所組成的序列來將圖像分析任務分解為便于管理的小塊任務。比如,一些技術能夠從圖像中檢測到物體的邊緣及紋理。分類技術可被用作確定識別到的特征是否能夠代表系統已知的一類物體。

          計算機視覺有著廣泛應用。其中包括,醫療成像分析被用來提高疾病的預測、診斷和治療;人臉識別被Facebook用來自動識別照片里的人物;在安防及監控領域被用來指認嫌疑人;在購物方面,消費者現在可以用智能手機拍攝下產品以獲得更多購買選擇。

          機器視覺作為一個相關學科,泛指在工業自動化領域的視覺應用。在這些應用里,計算機在高度受限的工廠環境里識別諸如生產零件一類的物體,因此相對于尋求在非受限環境里操作的計算機視覺來說目標更為簡單。計算機視覺是一個正在進行中的研究,而機器視覺則是“已經解決的問題”,是系統工程方面的課題而非研究層面的課題。因為應用范圍的持續擴大,計算機視覺領域的初創公司自2011年起已經吸引了數億美元的風投資本。

          2)機器學習

          指的是計算機系統無需遵照顯式的程序指令而只是依靠暴露在數據中來提升自身性能的能力。其核心在于,機器學習是從數據中自動發現模式,模式一旦被發現便可用于做預測。比如,給予機器學習系統一個關于交易時間、商家、地點、價格及交易是否正當等信用卡交易信息的數據庫,系統就會學習到可用來預測信用卡欺詐的模式。處理的交易數據越多,預測就會越好。

          機器學習的應用范圍非常廣泛,針對那些產生龐大數據的活動,它幾乎擁有改進一切性能的潛力。除了欺詐甄別之外,這些活動還包括銷售預測、庫存管理、石油和天然氣勘探、以及公共衛生。機器學習技術在其他的認知技術領域也扮演著重要角色,比如計算機視覺,它能在海量圖像中通過不斷訓練和改進視覺模型來提高其識別對象的能力,F如今,機器學習已經成為認知技術中最炙手可熱的研究領域之一,在2011-2014年中這段時間內就已吸引了近十億美元的風險投資。谷歌也在2014年斥資4億美金收購Deepmind這家研究機器學習技術的公司。

          3)自然語言處理

          是指計算機擁有的人類般文本處理的能力,比如,從文本中提取意義,甚至從那些可讀的、風格自然、語法正確的文本中自主解讀出含義。一個自然語言處理系統并不了解人類處理文本的方式,但是它卻可以用非常復雜與成熟的手段巧妙處理文本,例如自動識別一份文檔中所有被提及的人與地點;識別文檔的核心議題;或者在一堆僅人類可讀的合同中,將各種條款與條件提取出來并制作成表。以上這些任務通過傳統的文本處理軟件根本不可能完成,后者僅能針對簡單的文本匹配與模式進行操作。請思考一個老生常談的例子,它可以體現自然語言處理面臨的一個挑戰。在句子“光陰似箭(Timeflieslikeanarrow)”中每一個單詞的意義看起來都很清晰,直到系統遇到這樣的句子“果蠅喜歡香蕉(Fruitflieslikeabanana)”,用“水果(fruit)”替代了“時間(time)”,并用“香蕉(banana)”替代“箭(arrow)”,就改變了“飛逝/飛著的(like)”與“像/喜歡(like)”這兩個單詞的意思。自然語言處理,像計算機視覺技術一樣,將各種有助于實現目標的多種技術進行了融合。建立語言模型來預測語言表達的概率分布,舉例來說,就是某一串給定字符或單詞表達某一特定語義的最大可能性。選定的特征可以和文中的某些元素結合來識別一段文字,通過識別這些元素可以把某類文字同其他文字區別開來,比如垃圾郵件同正常郵件。以機器學習為驅動的分類方法將成為篩選的標準,用來決定一封郵件是否屬于垃圾郵件。

          因為語境對于理解“timeflies(時光飛逝)”和“fruitflies(果蠅)”的區別是如此重要,所以自然語言處理技術的實際應用領域相對較窄,這些領域包括分析顧客對某項特定產品和服務的反饋、自動發現民事訴訟或政府調查中的某些含義、以及自動書寫諸如企業營收和體育運動的公式化范文等。

          4)機器人技術

          將機器視覺、自動規劃等認知技術整合至極小卻高性能的傳感器、致動器、以及設計巧妙的硬件中,這就催生了新一代的機器人,它有能力與人類一起工作,能在各種未知環境中靈活處理不同的任務。例如無人機,還有可以在車間為人類分擔工作的“cobots”,還包括那些從玩具到家務助手的消費類產品。

          5)語音識別技術

          主要是關注自動且準確的轉錄人類的語音。該技術必須面對一些與自然語言處理類似的問題,在不同口音的處理、背景噪音、區分同音異形異義詞(“buy”和“by”聽起來是一樣的)方面存在一些困難,同時還需要具有跟上正常語速的工作速度。語音識別系統使用一些與自然語言處理系統相同的技術,再輔以其他技術,比如描述聲音和其出現在特定序列和語言中概率的聲學模型等。語音識別的主要應用包括醫療聽寫、語音書寫、電腦系統聲控、電話客服等。比如Domino‘sPizza最近推出了一個允許用戶通過語音下單的移動APP。上面提到的認知技術進步飛快并吸引了大量投資,其他相對成熟的認知技術仍然是企業軟件系統的重要組成部分。這些日漸成熟的認知技術包括決策最優化--自動完成對復雜決策或者在資源有限的前提下做出最佳權衡;規劃和調度--使設計一系列行動流程來滿足目標和觀察約束;規則導向系統--為專家系統提供基礎的技術,使用知識和規則的數據庫來自動完成從信息中進行推論的處理過程。

        相關專題:

        加載中...
        加載中...
        头彩彩票