指点成金-最美分享吧

登录

人工智能的几大核心技术

佚名 举报

篇首语:本文由小编为大家整理,主要介绍了人工智能的几大核心技术相关的知识,希望对你有一定的参考价值。



✎ 编 者 悟 语

    

      对于知识来说,把你所缺失的填补上,才能让你获得所希望拥有的能力



文 章 导 读


    今天为大家整理了下人工智能的几大核心技术,也可以说是人工智能的研究领域,人工智能这个词对于不涉足这个领域的人是比较模糊的,你可能只感觉它很高大尚,却不一定了解它与我们的距离,今天我就给大家简要的整理一下这些核心技术所涉及的内容,以让小伙伴们对它有一个更清晰的认识,!


1
概述


    1)定义


    人工智能(Artificial Intelligence),简称AI,它是研究、开发用于模拟、延伸和扩展人智能的理论、方法、技术及应用系统的一门技术科学。


    从表现上来说,它是由人制造出来的机器所表现出来的智能。


    从技术的角度来说,它是指通过普通计算机程序来呈现人类智能的技术。


    2)核心技术


    人工智能的核心技术主要有机器学习、计算机视觉、生物特征识别、自然语言处理、知识图谱、机器人等方面。


    对应人工智能核心技术,说法不一,很多归类中难免有所重叠,但有一个主线大家心里要有数,它是模仿人类智能的,应以人类智能为蓝本,并以此做延伸的科学。


2
机器学习


    机器学习(Machine Learning)是一门涉及统计学、系统辨识、逼近理论、神经网络、优化理论、计算机科学、脑科学等诸多领域的交叉学科。


    它研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能,是人工智能技术的核心。


    1)根据学习模式分类


    根据学习模式的不同,将机器学习分类为监督学习、无监督学习和强化学习等。


    监督学习:是利用已标记的有限训练数据集,通过某种学习策略或方法建立一个模型,实现对新数据或实例的标记(分类)或映射。


    无监督学习:是利用无标记的有限数据描述隐藏在未标记数据中的结构或规律。


    强化学习:是智能系统从环境到行为映射的学习,由于外部环境提供的信息很少,强化学习系统必须靠自身的经历进行学习。


    2)根据学习方法分类


    根据学习方法的不同,将机器学习分为传统机器学习和深度学习。


    传统机器学习:传统机器学习从一些观测(训练)样本出发,试图发现不能通过原理分析获得的规律,实现对未来数据行为或趋势的准确预测。


    深度学习:是建立深层结构模型的学习方法,典型的深度学习算法包括深度置 信网络、卷积神经网络、受限玻尔兹曼机和循环神经网络等。


    3)机器学习的常见算法


    机器学习的常见算法还包括迁移学习、主动学习和演化学习等。


    迁移学习:是指当在某些领域无法取得足够多的数据进行模型训练时,利用另 一领域数据获得的关系进行的学习。


    主动学习:主动学习通过一定的算法查询最有用的未标记样本,并交由专家进行标记,然后用查询到的样本训练分类模型来提高模型的精度。


    演化学习:演化学习对优化问题性质要求极少,只需能够评估解的好坏即可,适用于求解复杂的优化问题,也能直接用于多目标优化。演化算法包括粒子群优化算法、多目标演化算法等。


3
计算机视觉

 

    计算机视觉是使用计算机模仿人类视觉系统的科学,让计算机拥有类似人类提取、处理、理解和分析图像以及图像序列的能力。


    自动驾驶、机器人、智能医疗等领域均需要通过计算机视觉技术从视觉信号中提取并处理信息。


    根据解决的问题,计算机视觉可分为计算成像学、图像理解、三维视觉、动态视觉和视频编解码五大类。


    1)计算成像学


    计算成像学是探索人眼结构、相机成像原理以及其延伸应用的科学。


    2)图像理解


    图像理解是通过用计算机系统解释图像,实现类似人类视觉系统理解外部世界的一门科学。


    3)三维视觉


    三维视觉即研究如何通过视觉获取三维信息(三维重建)以及如何理解所获取的三维信息的科学。


    4)动态视觉


    动态视觉即分析视频或图像序列,模拟人处理时序图像的科学。


    5)视频编解码


    视频编解码是指通过特定的压缩技术,将视频流进行压缩。


    6)虚拟现实与增强现实

    

    虚拟现实(VR)】/增强现实(AR)结合相关科学技术,在一定范围内生成与真实环境在视觉、听觉、触感等方面高度近似的数字化环境。


4
生物特征识别

    生物特征识别技术是指通过个体生理特征或行为特征对个体身份进行识别认证的技术。


    生物特征识别技术涉及的内容十分广泛,包括指纹、掌纹、人脸、虹膜、静脉、声纹、步态等多种生物特征,其识别过程涉及到图像处理、计算机视觉、 语音识别、机器学习等多项技术。


    1)指纹识别 


    指纹识别过程通常包括数据采集、数据处理、分析判别三个过程来识别人类指纹的技术。


    2)人脸识别 


    人脸识别是典型的计算机视觉应用,从应用过程来看,可将人脸识别技术划 分为检测定位、面部特征提取以及人脸确认三个过程。


    3)虹膜识别 


    虹膜识别的理论框架主要包括虹膜图像分割、虹膜区域归一化、特征提取和 识别四个部分,研究工作大多是基于此理论框架发展而来。


    4)指静脉识别 


    指静脉识别是利用了人体静脉血管中的脱氧血红蛋白对特定波长范围内的近红外线有很好的吸收作用这一特性,采用近红外光对指静脉进行成像与识别的技术。


    5)声纹识别与语音识别 


    声纹识别是指根据待识别语音的声纹特征识别说话人的技术。


    语音识别主要是关注自动且准确地转录人类的语音技术。


    6)步态识别 

    

    步态是远距离复杂场景下唯一可清晰成像的生物特征,步态识别是指通过身体体型和行走姿态来识别人的身份。


5
自然语言处理


    自然语言处理研究人与计算机之间用自然语言进行有效通信的各种理论和方法,涉及的领域较多,主要包括机器翻译、机器阅读理解和问答系统等。


    1)机器翻译


    机器翻译技术是指利用计算机技术实现从一种自然语言到另外一种自然语言的翻译过程。


    2)语义理解


    语义理解技术是指利用计算机技术实现对文本篇章的理解,并且回答与篇章相关问题的过程。


    3)问答系统


    问答系统分为开放领域的对话系统和特定领域的问答系统。


6
知识图谱


    1)定义


    通俗来讲,知识图谱就相当于人类大脑对知识信息的存储记忆图谱。


    知识图谱本质上是结构化的语义知识库,是一种由节点和边组成的图数据结构,以符号形式描述物理世界中的概念及其相互关系。


    其基本组成单位是“实体 —关系—实体”三元组,以及实体及其相关“属性—值”对。


    不同实体之间通过关系相互联结,构成网状的知识结构。


    2)应用领域


    知识图谱可用于反欺诈、不一致性验证、组团欺诈等公共安全保障领域,需要用到异常分析、静态分析、动态分析等数据挖掘方法。


    特别地,知识图谱在搜索引擎、可视化展示和精准营销方面有很大的优势,已成为业界的热门工具。

7
机器人


    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、制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。


    应用:快递包裹分类机器人、无人机、可以在车间为人类分担工作的机器人。


总结

    今天给大家总结了人工智能相关的核心技术,主要是从概念层面进行总结汇总的,为的是增加大家对人工智能的认识,更深的的内容,大家可以去网上或找相关书籍进行学习,后期还会有人工智能相关的内容,小伙伴们敬请期待哈,。



免责声明:本文内容来源于技术文档及网络,版权归原作者所有。如涉及侵权问题,请与我联系删除。



推荐文章:










专辑推荐:












Game Over!

以上是关于人工智能的几大核心技术的主要内容,如果未能解决你的问题,请参考以下文章