人工智能的认知技术(2).doc

人工智能的认知技术 大众媒体将人工智能刻画为跟人一样聪明的或比人更聪明的计算机的来临。而各项技 术则在以往只有人能做到的特定任务上面表现得越来越好。我们称这些技术为认知技术 ，认知技术是人工智能领域的产物，它们能完成以往只有人能够完成的任务。而它们正 是商业和公共部门的领导者应该关注的。下面我们将介绍几个最重要的认知技术，它们 正被广泛采纳并进展迅速，也获得大量投资。 1)计算机视觉 是指计算机从图像中识别出物体、场景和活动的能力。计算机视觉技术运用由图像处 理操作及其他技术所组成的序列来将图像分析任务分解为便于管理的小块任务.比如，一 些技术能够从图像中检测到物体的边缘及纹理.分类技术可被用作确定识别到的特征是否 能够代表系统已知的一类物体。 计算机视觉有着广泛应用.其中包括，医疗成像分析被用来提高疾病的预测、诊断和 治疗;人脸识别被Facebook用来自动识别照片里的人物；在安防及监控领域被用来指认嫌 疑人;在购物方面，消费者现在可以用智能手机拍摄下产品以获得更多购买选择。 机器视觉作为一个相关学科，泛指在工业自动化领域的视觉应用.在这些应用里，计 算机在高度受限的工厂环境里识别诸如生产零件一类的物体，因此相对于寻求在非受限 环境里操作的计算机视觉来说目标更为简单.计算机视觉是一个正在进行中的研究，而机 器视觉则是"已经解决的问题"，是系统工程方面的课题而非研究层面的课题.因为应用范 围的持续扩大，计算机视觉领域的初创公司自2011年起已经吸引了数亿美元的风投资本 。 2）机器学习 指的是计算机系统无需遵照显式的程序指令而只是依靠暴露在数据中来提升自身性能 的能力。其核心在于，机器学习是从数据中自动发现模式，模式一旦被发现便可用于做 预测。比如，给予机器学习系统一个关于交易时间、商家、地点、价格及交易是否正当 等信用卡交易信息的数据库，系统就会学习到可用来预测信用卡欺诈的模式.处理的交易 数据越多,预测就会越好. 机器学习的应用范围非常广泛,针对那些产生庞大数据的活动，它几乎拥有改进一切 性能的潜力。除了欺诈甄别之外，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的认知技术领域也扮演着重要角色,比如计算 机视觉，它能在海量图像中通过不断训练和改进视觉模型来提高其识别对象的能力。现 如今，机器学习已经成为认知技术中最炙手可热的研究领域之一，在2011—2014年中这段 时间内就已吸引了近十亿美元的风险投资。谷歌也在2014年斥资4亿美金收购Deepmind这 家研究机器学习技术的公司。 3）自然语言处理 是指计算机拥有的人类般文本处理的能力，比如，从文本中提取意义，甚至从那些可 读的、风格自然、语法正确的文本中自主解读出含义.一个自然语言处理系统并不了解人 类处理文本的方式,但是它却可以用非常复杂与成熟的手段巧妙处理文本，例如自动识别 一份文档中所有被提及的人与地点；识别文档的核心议题；或者在一堆仅人类可读的合 同中，将各种条款与条件提取出来并制作成表.以上这些任务通过传统的文本处理软件根 本不可能完成,后者仅能针对简单的文本匹配与模式进行操作。请思考一个老生常谈的例 子,它可以体现自然语言处理面临的一个挑战。在句子"光阴似箭（Timeflieslikeanarr ow）"中每一个单词的意义看起来都很清晰,直到系统遇到这样的句子"果蝇喜欢香蕉（F ruitflieslikeabanana)"，用"水果（fruit）"替代了"时间（time）"，并用"香蕉(ban ana）"替代"箭（arrow)"，就改变了"飞逝／飞着的（like）"与"像／喜欢（like）"这 两个单词的意思.自然语言处理，像计算机视觉技术一样,将各种有助于实现目标的多种 技术进行了融合。建立语言模型来预测语言表达的概率分布，举例来说，就是某一串给 定字符或单词表达某一特定语义的最大可能性.选定的特征可以和文中的某些元素结合来 识别一段文字，通过识别这些元素可以把某类文字同其他文字区别开来，比如垃圾邮件 同正常邮件。以机器学习为驱动的分类方法将成为筛选的标准,用来决定一封邮件是否属 于垃圾邮件. 因为语境对于理解"timeflies（时光飞逝）"和"fruitflies（果蝇）"的区别是如此 重要,所以自然语言处理技术的实际应用领域相对较窄,这些领域包括分析顾客对某项特 定产品和服务的反馈、自动发现民事诉讼或政府调查中的某些含义、以及自动书写诸如 企业营收和体育运动的公式化范文等。 4）机器人技术 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、致动器、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。例如无人机，还有可以在车间为人类分担工作的 人工智能的认知技术是当前科技发展的重要领域，涉及到计算机视觉、机器学习、自然语言处理和机器人技术等多个方面。这些技术不仅在理论研究上取得了显著进步，而且在商业和公共部门的实际应用中也日益显现其价值。 计算机视觉是人工智能中的一大亮点，它使计算机能够解析图像并识别其中的物体、场景和行为。这一技术通过一系列图像处理和分析技术，将复杂的识别任务分解为易于管理的部分。例如，边缘检测和纹理识别技术帮助系统理解图像内容。计算机视觉在医疗、社交网络、安全监控和零售等领域都有广泛的应用，如在医疗中辅助疾病诊断，Facebook上的人脸识别，以及智能购物体验等。机器视觉，作为其子领域，专注于工业自动化中的视觉应用，虽然相对局限，但已在制造业中发挥了重要作用。 机器学习是人工智能的核心驱动力，它使计算机能够在没有明确编程的情况下，通过接触数据自我学习和提升。机器学习的关键在于从数据中发现模式，并利用这些模式进行预测。比如，信用卡欺诈检测系统通过学习大量交易数据来预测潜在的欺诈行为。此外，机器学习还应用于销售预测、库存管理等多个领域，并在计算机视觉中起到关键作用，通过训练和优化模型提高图像识别的准确性。近年来，机器学习领域获得了大量风险投资，如谷歌收购Deepmind，显示了其重要性。 接着，自然语言处理让计算机具备理解和生成人类语言的能力。它能理解文本的意义，即使在复杂和多义的语境中。自然语言处理系统通过复杂的算法处理文本，例如识别文档中的实体、主题，甚至从合同中提取关键条款。然而，由于语言的灵活性和上下文依赖性，自然语言处理面临着巨大的挑战。尽管如此，它在客户反馈分析、法律文档挖掘和自动化写作等方面展现出巨大潜力。 机器人技术结合了计算机视觉、自动规划等认知技术，创造出能够适应各种环境、与人类协同工作的智能机器人。这涵盖了无人机、工厂自动化设备等，它们在物流、制造等领域展现了高效和灵活性。 人工智能的认知技术正在逐步改变我们的生活和工作方式，它们的发展不仅推动了科技进步，也为企业和政府提供了新的机遇和挑战。随着技术的不断成熟和应用场景的拓宽，这些技术将继续对社会产生深远影响。