人工智能技術(shù)包含七個(gè)關(guān)鍵技術(shù)

山水山石

人工智能技術(shù)包含了機(jī)器學(xué)習(xí),、知識(shí)圖譜、自然語(yǔ)言處理,、人機(jī)交互,、計(jì)算機(jī)視覺(jué)、生物特征識(shí)別,、AR/VR七個(gè)關(guān)鍵技術(shù),。

一、機(jī)器學(xué)習(xí)

機(jī)器學(xué)習(xí)（Machine Learning）是一門(mén)涉及統(tǒng)計(jì)學(xué),、系統(tǒng)辨識(shí),、逼近理論、神經(jīng)網(wǎng)絡(luò),、優(yōu)化理論,、計(jì)算機(jī)科學(xué)、腦科學(xué)等諸多領(lǐng)域的交叉學(xué)科,，研究計(jì)算機(jī)怎樣模擬或?qū)崿F(xiàn)人類(lèi)的學(xué)習(xí)行為,，以獲取新的知識(shí)或技能，重新組織已有的知識(shí)結(jié)構(gòu)使之不斷改善自身的性能,，是人工智能技術(shù)的核心,。基于數(shù)據(jù)的機(jī)器學(xué)習(xí)是現(xiàn)代智能技術(shù)中的重要方法之一,，研究從觀測(cè)數(shù)據(jù)（樣本）出發(fā)尋找規(guī)律,，利用這些規(guī)律對(duì)未來(lái)數(shù)據(jù)或無(wú)法觀測(cè)的數(shù)據(jù)進(jìn)行預(yù)測(cè)。根據(jù)學(xué)習(xí)模式,、學(xué)習(xí)方法以及算法的不同,，機(jī)器學(xué)習(xí)存在不同的分類(lèi)方法。

• 根據(jù)學(xué)習(xí)模式將機(jī)器學(xué)習(xí)分類(lèi)為監(jiān)督學(xué)習(xí),、無(wú)監(jiān)督學(xué)習(xí)和強(qiáng)化學(xué)習(xí)等,。
• 根據(jù)學(xué)習(xí)方法可以將機(jī)器學(xué)習(xí)分為傳統(tǒng)機(jī)器學(xué)習(xí)和深度學(xué)習(xí)。
  
  

二,、知識(shí)圖譜

知識(shí)圖譜本質(zhì)上是結(jié)構(gòu)化的語(yǔ)義知識(shí)庫(kù),，是一種由節(jié)點(diǎn)和邊組成的圖數(shù)據(jù)結(jié)構(gòu)，以符號(hào)形式描述物理世界中的概念及其相互關(guān)系,，其基本組成單位是“實(shí)體—關(guān)系—實(shí)體”三元組,，以及實(shí)體及其相關(guān)“屬性—值”對(duì),。不同實(shí)體之間通過(guò)關(guān)系相互聯(lián)結(jié)，構(gòu)成網(wǎng)狀的知識(shí)結(jié)構(gòu),。在知識(shí)圖譜中,，每個(gè)節(jié)點(diǎn)表示現(xiàn)實(shí)世界的“實(shí)體”，每條邊為實(shí)體與實(shí)體之間的“關(guān)系”,。通俗地講,，知識(shí)圖譜就是把所有不同種類(lèi)的信息連接在一起而得到的一個(gè)關(guān)系網(wǎng)絡(luò),，提供了從“關(guān)系”的角度去分析問(wèn)題的能力,。

知識(shí)圖譜可用于反欺詐、不一致性驗(yàn)證,、組團(tuán)欺詐等公共安全保障領(lǐng)域,，需要用到異常分析、靜態(tài)分析,、動(dòng)態(tài)分析等數(shù)據(jù)挖掘方法,。特別地，知識(shí)圖譜在搜索引擎,、可視化展示和精準(zhǔn)營(yíng)銷(xiāo)方面有很大的優(yōu)勢(shì),，已成為業(yè)界的熱門(mén)工具。但是,，知識(shí)圖譜的發(fā)展還有很大的挑戰(zhàn),，如數(shù)據(jù)的噪聲問(wèn)題，即數(shù)據(jù)本身有錯(cuò)誤或者數(shù)據(jù)存在冗余,。隨著知識(shí)圖譜應(yīng)用的不斷深入,，還有一系列關(guān)鍵技術(shù)需要突破。

三,、自然語(yǔ)言處理

自然語(yǔ)言處理是計(jì)算機(jī)科學(xué)領(lǐng)域與人工智能領(lǐng)域中的一個(gè)重要方向,，研究能實(shí)現(xiàn)人與計(jì)算機(jī)之間用自然語(yǔ)言進(jìn)行有效通信的各種理論和方法，涉及的領(lǐng)域較多,，主要包括機(jī)器翻譯,、機(jī)器閱讀理解和問(wèn)答系統(tǒng)等。

• 機(jī)器翻譯
  
  

機(jī)器翻譯技術(shù)是指利用計(jì)算機(jī)技術(shù)實(shí)現(xiàn)從一種自然語(yǔ)言到另外一種自然語(yǔ)言的翻譯過(guò)程,�,；�于統(tǒng)計(jì)的機(jī)器翻譯方法突破了之前基于規(guī)則和實(shí)例翻譯方法的局限性，翻譯性能取得巨大提升,�,；�于深度神��(jīng)網(wǎng)絡(luò)的機(jī)器翻譯在日常口語(yǔ)等一些場(chǎng)景的成功應(yīng)用已經(jīng)顯現(xiàn)出了巨大的潛力,。隨著上下文的語(yǔ)境表征和知識(shí)邏輯推理能力的發(fā)展,，自然語(yǔ)言知識(shí)圖譜不斷擴(kuò)充,，機(jī)器翻譯將會(huì)在多輪對(duì)話(huà)翻譯及篇章翻譯等領(lǐng)域取得更大進(jìn)展。

• 語(yǔ)義理解
  
  

語(yǔ)義理解技術(shù)是指利用計(jì)算機(jī)技術(shù)實(shí)現(xiàn)對(duì)文本篇章的理解,，并且回答與篇章相關(guān)問(wèn)題的過(guò)程,。語(yǔ)義理解更注重于對(duì)上下文的理解以及對(duì)答案精準(zhǔn)程度的把控。隨著 MCTest 數(shù)據(jù)集的發(fā)布,，語(yǔ)義理解受到更多關(guān)注,，取得了快速發(fā)展，相關(guān)數(shù)據(jù)集和對(duì)應(yīng)的神經(jīng)網(wǎng)絡(luò)模型層出不窮,。語(yǔ)義理解技術(shù)將在智能客服,、產(chǎn)品自動(dòng)問(wèn)答等相關(guān)領(lǐng)域發(fā)揮重要作用，進(jìn)一步提高問(wèn)答與對(duì)話(huà)系統(tǒng)的精度,。

• 問(wèn)答系統(tǒng)
  
  

問(wèn)答系統(tǒng)分為開(kāi)放領(lǐng)域的對(duì)話(huà)系統(tǒng)和特定領(lǐng)域的問(wèn)答系統(tǒng),。問(wèn)答系統(tǒng)技術(shù)是指讓計(jì)算機(jī)像人類(lèi)一樣用自然語(yǔ)言與人交流的技術(shù)。人們可以向問(wèn)答系統(tǒng)提交用自然語(yǔ)言表達(dá)的問(wèn)題,，系統(tǒng)會(huì)返回關(guān)聯(lián)性較高的答案,。盡管問(wèn)答系統(tǒng)目前已經(jīng)有了不少應(yīng)用產(chǎn)品出現(xiàn)，但大多是在實(shí)際信息服務(wù)系統(tǒng)和智能手機(jī)助手等領(lǐng)域中的應(yīng)用,，在問(wèn)答系統(tǒng)魯棒性方面仍然存在著問(wèn)題和挑戰(zhàn),。

自然語(yǔ)言處理面臨四大挑戰(zhàn)：

一是在詞法、句法,、語(yǔ)義,、語(yǔ)用和語(yǔ)音等不同層面存在不確定性；

二是新的詞匯,、術(shù)語(yǔ),、語(yǔ)義和語(yǔ)法導(dǎo)致未知語(yǔ)言現(xiàn)象的不可預(yù)測(cè)性；

三是數(shù)據(jù)資源的不充分使其難以覆蓋復(fù)雜的語(yǔ)言現(xiàn)象,；

四是語(yǔ)義知識(shí)的模糊性和錯(cuò)綜復(fù)雜的關(guān)聯(lián)性難以用簡(jiǎn)單的數(shù)學(xué)模型描述,，語(yǔ)義計(jì)算需要參數(shù)龐大的非線性計(jì)算

四、人機(jī)交互

人機(jī)交互主要研究人和計(jì)算機(jī)之間的信息交換,，主要包括人到計(jì)算機(jī)和計(jì)算機(jī)到人的兩部分信息交換,，是人工智能領(lǐng)域的重要的外圍技術(shù)。人機(jī)交互是與認(rèn)知心理學(xué),、人機(jī)工程學(xué),、多媒體技術(shù)、虛擬現(xiàn)實(shí)技術(shù)等密切相關(guān)的綜合學(xué)科,。傳統(tǒng)的人與計(jì)算機(jī)之間的信息交換主要依靠交互設(shè)備進(jìn)行,，主要包括鍵盤(pán)、鼠標(biāo),、操縱桿,、數(shù)據(jù)服裝,、眼動(dòng)跟蹤器、位置跟蹤器,、數(shù)據(jù)手套,、壓力筆等輸入設(shè)備，以及打印機(jī),、繪圖儀,、顯示器、頭盔式顯示器,、音箱等輸出設(shè)備,。人機(jī)交互技術(shù)除了傳統(tǒng)的基本交互和圖形交互外，還包括語(yǔ)音交互,、情感交互,、體感交互及腦機(jī)交互等技術(shù),。

五,、計(jì)算機(jī)視覺(jué)

計(jì)算機(jī)視覺(jué)是使用計(jì)算機(jī)模仿人類(lèi)視覺(jué)系統(tǒng)的科學(xué)，讓計(jì)算機(jī)擁有類(lèi)似人類(lèi)提取,、處理,、理解和分析圖像以及圖像序列的能力。自動(dòng)駕駛,、機(jī)器人,、智能醫(yī)療等領(lǐng)域均需要通過(guò)計(jì)算機(jī)視覺(jué)技術(shù)從視覺(jué)信號(hào)中提取并處理信息。近來(lái)隨著深度學(xué)習(xí)的發(fā)展,，預(yù)處理,、特征提取與算法處理漸漸融合，形成端到端的人工智能算法技術(shù),。根據(jù)解決的問(wèn)題,，計(jì)算機(jī)視覺(jué)可分為計(jì)算成像學(xué)、圖像理解,、三維視覺(jué),、動(dòng)態(tài)視覺(jué)和視頻編解碼五大類(lèi)。

目前,，計(jì)算機(jī)視覺(jué)技術(shù)發(fā)展迅速,，已具備初步的產(chǎn)業(yè)規(guī)模。未來(lái)計(jì)算機(jī)視覺(jué)技術(shù)的發(fā)展主要面臨以下挑戰(zhàn)：

一是如何在不同的應(yīng)用領(lǐng)域和其他技術(shù)更好的結(jié)合,，計(jì)算機(jī)視覺(jué)在解決某些問(wèn)題時(shí)可以廣泛利用大數(shù)據(jù),，已經(jīng)逐漸成熟并且可以超過(guò)人類(lèi)，而在某些問(wèn)題上卻無(wú)法達(dá)到很高的精度,；

二是如何降低計(jì)算機(jī)視覺(jué)算法的開(kāi)發(fā)時(shí)間和人力成本,，目前計(jì)算機(jī)視覺(jué)算法需要大量的數(shù)據(jù)與人工標(biāo)注,，需要較長(zhǎng)的研發(fā)周期以達(dá)到應(yīng)用領(lǐng)域所要求的精度與耗時(shí)；

三是如何加快新型算法的設(shè)計(jì)開(kāi)發(fā),，隨著新的成像硬件與人工智能芯片的出現(xiàn),，針對(duì)不同芯片與數(shù)據(jù)采集設(shè)備的計(jì)算機(jī)視覺(jué)算法的設(shè)計(jì)與開(kāi)發(fā)也是挑戰(zhàn)之一。

六,、生物特征識(shí)別

生物特征識(shí)別技術(shù)是指通過(guò)個(gè)體生理特征或行為特征對(duì)個(gè)體身份進(jìn)行識(shí)別認(rèn)證的技術(shù),。從應(yīng)用流程看，生物特征識(shí)別通常分為注冊(cè)和識(shí)別兩個(gè)階段,。注冊(cè)階段通過(guò)傳感器對(duì)人體的生物表征信息進(jìn)行采集,，如利用圖像傳感器對(duì)指紋和人臉等光學(xué)信息、麥克風(fēng)對(duì)說(shuō)話(huà)聲等聲學(xué)信息進(jìn)行采集,，利用數(shù)據(jù)預(yù)處理以及特征提取技術(shù)對(duì)采集的數(shù)據(jù)進(jìn)行處理,，得到相應(yīng)的特征進(jìn)行存儲(chǔ)。

識(shí)別過(guò)程采用與注冊(cè)過(guò)程一致的信息采集方式對(duì)待識(shí)別人進(jìn)行信息采集,、數(shù)據(jù)預(yù)處理和特征提取,，然后將提取的特征與存儲(chǔ)的特征進(jìn)行比對(duì)分析，完成識(shí)別,。從應(yīng)用任務(wù)看,，生物特征識(shí)別一般分為辨認(rèn)與確認(rèn)兩種任務(wù)，辨認(rèn)是指從存儲(chǔ)庫(kù)中確定待識(shí)別人身份的過(guò)程,，是一對(duì)多的問(wèn)題,；確認(rèn)是指將待識(shí)別人信息與存儲(chǔ)庫(kù)中特定單人信息進(jìn)行比對(duì)，確定身份的過(guò)程,，是一對(duì)一的問(wèn)題,。

生物特征識(shí)別技術(shù)涉及的內(nèi)容十分廣泛，包括指紋,、掌紋,、人臉、虹膜,、指靜脈,、聲紋、步態(tài)等多種生物特征,，其識(shí)別過(guò)程涉及到圖像處理,、計(jì)算機(jī)視覺(jué)、語(yǔ)音識(shí)別,、機(jī)器學(xué)習(xí)等多項(xiàng)技術(shù),。目前生物特征識(shí)別作為重要的智能化身份認(rèn)證技術(shù)，在金融、公共安全,、教育,、交通等領(lǐng)域得到廣泛的應(yīng)用。

七,、VR/AR

虛擬現(xiàn)實(shí)（VR）/增強(qiáng)現(xiàn)實(shí)（AR）是以計(jì)算機(jī)為核心的新型視聽(tīng)技術(shù),。結(jié)合相關(guān)科學(xué)技術(shù)，在一定范圍內(nèi)生成與真實(shí)環(huán)境在視覺(jué),、聽(tīng)覺(jué),、觸感等方面高度近似的數(shù)字化環(huán)境。用戶(hù)借助必要的裝備與數(shù)字化環(huán)境中的對(duì)象進(jìn)行交互,，相互影響,，獲得近似真實(shí)環(huán)境的感受和體驗(yàn)，通過(guò)顯示設(shè)備,、跟蹤定位設(shè)備,、觸力覺(jué)交互設(shè)備、數(shù)據(jù)獲取設(shè)備,、專(zhuān)用芯片等實(shí)現(xiàn),。

虛擬現(xiàn)實(shí)/增強(qiáng)現(xiàn)實(shí)從技術(shù)特征角度，按照不同處理階段,，可以分為獲取與建模技術(shù),、分析與利用技術(shù),、交換與分發(fā)技術(shù),、展示與交互技術(shù)以及技術(shù)標(biāo)準(zhǔn)與評(píng)價(jià)體系五個(gè)方面。獲取與建模技術(shù)研究如何把物理世界或者人類(lèi)的創(chuàng)意進(jìn)行數(shù)字化和模型化,，難點(diǎn)是三維物理世界的數(shù)字化和模型化技術(shù),；分析與利用技術(shù)重點(diǎn)研究對(duì)數(shù)字內(nèi)容進(jìn)行分析、理解,、搜索和知識(shí)化方法,，其難點(diǎn)是在于內(nèi)容的語(yǔ)義表示和分析；交換與分發(fā)技術(shù)主要強(qiáng)調(diào)各種網(wǎng)絡(luò)環(huán)境下大規(guī)模的數(shù)字化內(nèi)容流通,、轉(zhuǎn)換,、集成和面向不同終端用戶(hù)的個(gè)性化服務(wù)等，其核心是開(kāi)放的內(nèi)容交換和版權(quán)管理技術(shù),；展示與交換技術(shù)重點(diǎn)研究符合人類(lèi)習(xí)慣數(shù)字內(nèi)容的各種顯示技術(shù)及交互方法,，以期提高人對(duì)復(fù)雜信息的認(rèn)知能力，其難點(diǎn)在于建立自然和諧的人機(jī)交互環(huán)境,；標(biāo)準(zhǔn)與評(píng)價(jià)體系重點(diǎn)研究虛擬現(xiàn)實(shí)/增強(qiáng)現(xiàn)實(shí)基礎(chǔ)資源,、內(nèi)容編目、信源編碼等的規(guī)范標(biāo)準(zhǔn)以及相應(yīng)的評(píng)估技術(shù),。

魍者歸來(lái)

最主要的是如何在人類(lèi)無(wú)法察覺(jué)的前提下,，干掉他們

遠(yuǎn)祥

人臉識(shí)別功能,，算不算生物特征識(shí)別？