當前的人工智能發(fā)展浪潮始于2010年，隨著(zhù)大數據技術(shù)和計算能力的發(fā)展，聯(lián)網(wǎng)大數據為改進(jìn)機器學(xué)習方式和算法提供了有力支撐。2016年9月，斯坦福發(fā)布了《2030年的人工智能與生活》報告，分析了人工智能過(guò)去15年的發(fā)展狀況，并預測了其在未來(lái)15年的發(fā)展趨勢。報告中指出：人工智能領(lǐng)域將集中關(guān)注人類(lèi)意識系統的開(kāi)發(fā)，主要包括以下6項核心技術(shù)。
1) 計算機視覺(jué)。用攝影機和計算機代替人眼對目標進(jìn)行識別、跟蹤和測量等機器視覺(jué)，并進(jìn)一步做圖像處理，成為更適合人眼觀(guān)察或傳送給儀器檢測的圖像。計算機視覺(jué)技術(shù)運用由圖像處理操作及機器學(xué)習等技術(shù)所組成的序列將圖像分析任務(wù)分解為便于管理的小塊任務(wù)。
2) 機器學(xué)習。機器學(xué)習是計算機模擬人類(lèi)的學(xué)習活動(dòng)，通過(guò)對已有的案例進(jìn)行學(xué)習，借助歸納和總結的方法，對本身的能力加強或改進(jìn)，使機器獲得新知識和新技能，在下一次執行相同或類(lèi)似任務(wù)時(shí)，會(huì )比現在做得更好或效率更高。機器學(xué)習是從數據中自動(dòng)發(fā)現模式，模式一旦被發(fā)現便可以做預測，處理的數據越多，預測也會(huì )越準確。日前頗受矚目的AlphaGo深度學(xué)習就是集中于深層神經(jīng)網(wǎng)絡(luò )的機器學(xué)習的分支之一。
3) 文本語(yǔ)言處理。對自然語(yǔ)言文本的處理是指計算機擁有與人類(lèi)類(lèi)似的對文本進(jìn)行處理的能力。例如從文本中提煉出核心信息，計算機可從自然語(yǔ)言寫(xiě)成的文本中自主解讀出含義，做到對文本的“理解”。例如自動(dòng)識別文檔中被提及的人物、地點(diǎn)等，或將合同中的條款提取出來(lái)制作成表。
4) 自然語(yǔ)言處理。通過(guò)建立語(yǔ)言模型預測語(yǔ)言表達的概率分布，確定某一串給定字符或單詞表達某一特定語(yǔ)義的最大可能性。選定的特征可以與文中某些元素結合識別文字，通過(guò)識別這些元素，將某類(lèi)文字同其他文字區分開(kāi)，例如垃圾郵件和正常郵件。
5) 機器人技術(shù)。即機器+人工智能，將機器視覺(jué)、自動(dòng)規劃等認知技術(shù)整合至極小卻高性能的傳感器制動(dòng)器以及設計巧妙的硬件中，使機器人具有與人類(lèi)一起工作的能力，能在各種未知環(huán)境中靈活處理不同任務(wù)。近年來(lái)，隨著(zhù)算法等核心技術(shù)的提升，機器人技術(shù)已取得重要突破。
6) 生物識別技術(shù)。生物識別可融合計算機、光學(xué)、聲學(xué)、生物傳感器、生物統計學(xué)，利用人體固有的身體特性如指紋、人臉、虹膜、靜脈、聲音、步態(tài)等進(jìn)行個(gè)人身份鑒定，最初應用于司法鑒定。
首頁(yè)