人工智能的發(fā)展離不開基礎(chǔ)支持層和技術(shù)層，基礎(chǔ)支持層包括大數(shù)據(jù)、計(jì)算力和算法；技術(shù)層包括計(jì)算機(jī)視覺、語(yǔ)音識(shí)別和自然語(yǔ)言處理。人工智能的技術(shù)本質(zhì)是什么，本文會(huì)詳細(xì)分析。

總覽人工智能技術(shù)圖譜

基礎(chǔ)支撐層的算法創(chuàng)新發(fā)生在20世紀(jì)80年代末，是大數(shù)據(jù)和計(jì)算力將人工智能推到鎂光燈之下，而建立在這之上的基礎(chǔ)技術(shù)便是計(jì)算機(jī)視覺、語(yǔ)音識(shí)別和自然語(yǔ)言理解，機(jī)器試圖看懂、聽懂人類的世界、用人類的語(yǔ)言和人類交流，研究人類智能活動(dòng)的規(guī)律。

1.計(jì)算機(jī)視覺技術(shù)（Computer Vision）

1)·什么是計(jì)算機(jī)視覺

“人的大腦皮層的活動(dòng)， 大約70%是在處理視覺相關(guān)信息。視覺就相當(dāng)于人腦的大門，其它如聽覺、觸覺、味覺那都是帶寬較窄的通道。視覺相當(dāng)于八車道的高速， 其它感覺是兩旁的人行道。如果不能處理視覺信息的話，整個(gè)人工智能系統(tǒng)是個(gè)空架子，只能做符號(hào)推理，比如下棋、定理證明， 沒(méi)法進(jìn)入現(xiàn)實(shí)世界。計(jì)算機(jī)視覺之于人工智能，它相當(dāng)于說(shuō)芝麻開門。大門就在這里面，這個(gè)門打不開, 就沒(méi)法研究真實(shí)世界的人工智能。”——朱松純，加州大學(xué)洛杉磯分校UCLA統(tǒng)計(jì)學(xué)和計(jì)算機(jī)科學(xué)教授根據(jù)科普中國(guó)撰寫的對(duì)計(jì)算機(jī)視覺的定義，這是一門研究如何讓機(jī)器“看”的科學(xué)，更進(jìn)一步的說(shuō)，是指用計(jì)算機(jī)代替人眼對(duì)目標(biāo)進(jìn)行識(shí)別、跟蹤和測(cè)量的機(jī)器視覺，并進(jìn)一步做圖形處理，使計(jì)算機(jī)處理成為更適合人眼觀察或傳送給儀器檢測(cè)的圖像。

2)·計(jì)算機(jī)視覺 VS 機(jī)器視覺

計(jì)算機(jī)視覺更關(guān)注圖像信號(hào)本身以及圖像相關(guān)交叉領(lǐng)域（地圖、醫(yī)療影像）的研究；機(jī)器視覺則偏重計(jì)算機(jī)視覺技術(shù)工程化，更關(guān)注廣義上的圖像信號(hào)（激光和攝像頭）和自動(dòng)化控制（生產(chǎn)線）方面的應(yīng)用。

3)計(jì)算機(jī)視覺識(shí)別技術(shù)的分類

物體識(shí)別分為“1 VS N”對(duì)不同物體進(jìn)行歸類，以及“1 VS 1”對(duì)同類型的物體進(jìn)行區(qū)分和鑒別；物體屬性識(shí)別，結(jié)合地圖模型讓物體在視覺的三維空間里得到記憶的重建，進(jìn)而進(jìn)行場(chǎng)景的分析和判斷；物體行為識(shí)別分為3個(gè)進(jìn)階的步驟，移動(dòng)識(shí)別判斷物體是否做了位移，動(dòng)作識(shí)別判斷物體做的是什么動(dòng)作，行為識(shí)別是結(jié)合視覺主體和場(chǎng)景的交互做出行為的分析和判斷。

4)·計(jì)算機(jī)視覺的識(shí)別流程

計(jì)算機(jī)視覺識(shí)別流程分為兩條路線：訓(xùn)練模型和識(shí)別圖像。

訓(xùn)練模型：樣本數(shù)據(jù)包括正樣本（包含待檢目標(biāo)的樣本）和負(fù)樣本（不包含目標(biāo)的樣本），視覺系統(tǒng)利用算法對(duì)原始樣本進(jìn)行特征的選擇和提取訓(xùn)練出分類器（模型）；此外因?yàn)闃颖緮?shù)據(jù)成千上萬(wàn)、提取出來(lái)的特征更是翻番，所以一般為了縮短訓(xùn)練的過(guò)程，會(huì)人為加入知識(shí)庫(kù)（提前告訴計(jì)算機(jī)一些規(guī)則），或者引入限制條件來(lái)縮小搜索空間。

識(shí)別圖像：會(huì)先對(duì)圖像進(jìn)行信號(hào)變換、降噪等預(yù)處理，再來(lái)利用分類器對(duì)輸入圖像進(jìn)行目標(biāo)檢測(cè)。一般檢測(cè)過(guò)程為用一個(gè)掃描子窗口在待檢測(cè)的圖像中不斷的移位滑動(dòng)，子窗口每到一個(gè)位置就會(huì)計(jì)算出該區(qū)域的特征，然后用訓(xùn)練好的分類器對(duì)該特征進(jìn)行篩選，判斷該區(qū)域是否為目標(biāo)。

5 )計(jì)算機(jī)視覺技術(shù)模式圖和對(duì)應(yīng)企業(yè)圖

目前世界上圖像識(shí)別最大的數(shù)據(jù)庫(kù)，是斯坦福大學(xué)人工智能實(shí)驗(yàn)室提供的ImageNet，針對(duì)諸如醫(yī)療等細(xì)分領(lǐng)域也需要收集相應(yīng)的訓(xùn)練數(shù)據(jù)；Google、Microsoft此類科技巨頭會(huì)面向市場(chǎng)提供開源算法框架，為初創(chuàng)視覺識(shí)別公司提供初級(jí)算法。

2.語(yǔ)音識(shí)別（Automatic Speech Recognition）

1)什么是語(yǔ)音識(shí)別

語(yǔ)音識(shí)別是以語(yǔ)音為研究對(duì)象，通過(guò)信號(hào)處理和識(shí)別技術(shù)讓機(jī)器自動(dòng)識(shí)別和理解人類口述的語(yǔ)言后，將語(yǔ)音信號(hào)轉(zhuǎn)換為相應(yīng)的文本或命令的一門技術(shù)。由語(yǔ)音識(shí)別和語(yǔ)音合成、自然語(yǔ)言理解、語(yǔ)義網(wǎng)絡(luò)等技術(shù)相結(jié)合的語(yǔ)音交互正在逐步成為當(dāng)前多通道、多媒體智能人機(jī)交互的主要方式。

2)語(yǔ)音識(shí)別的流程

語(yǔ)音識(shí)別流程分為訓(xùn)練和識(shí)別兩條線路。

語(yǔ)音信號(hào)經(jīng)過(guò)前端信號(hào)處理、端點(diǎn)檢測(cè)等預(yù)處理后，逐幀提取語(yǔ)音特征，傳統(tǒng)的特征類型包括有MFCC、PLP、FBANK等特征，提取好的特征會(huì)送到解碼器，在訓(xùn)練好的聲學(xué)模型、語(yǔ)言模型之下，找到最為匹配的此序列作為識(shí)別結(jié)果輸出。

3）語(yǔ)音識(shí)別技術(shù)模式圖和對(duì)應(yīng)企業(yè)圖

基礎(chǔ)層：包含大數(shù)據(jù)、計(jì)算力和算法三塊，其中大數(shù)據(jù)等接入的是相應(yīng)領(lǐng)域的第三方服務(wù)商。機(jī)器在識(shí)別人類的語(yǔ)音指令后接入、提供相應(yīng)的服務(wù)。諸如影視、電影票、餐飲等；

技術(shù)層：以科大訊飛為首的語(yǔ)音技術(shù)提供商；

應(yīng)用層：傳統(tǒng)家居環(huán)境中的電視、音箱廠商都給加上了語(yǔ)音識(shí)別功能，新增交互方式；還有智能車載采用語(yǔ)音交互讓手不離開方向盤提高安全系數(shù)；還有搜索廠商基于搜索做出來(lái)的語(yǔ)音助手等。

3.自然語(yǔ)言理解（Natural Language Understanding）

1）什么是自然語(yǔ)言理解

自然語(yǔ)言理解即文本理解，和語(yǔ)音圖像的模式識(shí)別技術(shù)有著本質(zhì)的區(qū)別，語(yǔ)言作為知識(shí)的載體，承載了復(fù)雜的信息量，具有高度的抽象性，對(duì)語(yǔ)言的理解屬于認(rèn)知層面，不能僅靠模式匹配的方式完成。

2）自然語(yǔ)言理解的應(yīng)用：搜索引擎+機(jī)器翻譯；

自然語(yǔ)言理解最典型兩種應(yīng)用為搜索引擎和機(jī)器翻譯。搜索引擎可以在一定程度上理解人類的自然語(yǔ)言，從自然語(yǔ)言中抽取出關(guān)鍵內(nèi)容并用于檢索，最終達(dá)到搜索引擎和自然語(yǔ)言用戶之間的良好銜接，可以在兩者之間建立起更高效，更深層的信息傳遞。

3）自然語(yǔ)言理解技術(shù)在搜索引擎中的應(yīng)用

4）自然語(yǔ)言理解技術(shù)在機(jī)器翻譯中的應(yīng)用

事實(shí)上搜索引擎和機(jī)器翻譯不分家，互聯(lián)網(wǎng)、移動(dòng)互聯(lián)網(wǎng)為其充實(shí)了語(yǔ)料庫(kù)使得其發(fā)展模態(tài)發(fā)生了質(zhì)的改變。互聯(lián)網(wǎng)、移動(dòng)互聯(lián)網(wǎng)除了將原先線下的信息（原有語(yǔ)料）進(jìn)行在線化之外，還衍生出來(lái)的新型UGC模式：知識(shí)分享數(shù)據(jù)，像維基百科、百度百科等都是人為校準(zhǔn)過(guò)的詞條，噪聲小；社交數(shù)據(jù)，像微博和微信等展現(xiàn)用戶的個(gè)性化、主觀化、時(shí)效性，可以用來(lái)做個(gè)性化推薦、情感傾向分析、以及熱點(diǎn)輿情的檢測(cè)和跟蹤等；社區(qū)、論壇數(shù)據(jù)，像果殼、知乎等為搜索引擎提供了問(wèn)答知識(shí)、問(wèn)答資源等數(shù)據(jù)源。另一方面，因?yàn)?a target="_blank">深度學(xué)習(xí)采用的層次結(jié)構(gòu)從大規(guī)模數(shù)據(jù)中自發(fā)學(xué)習(xí)的黑盒子模式是不可解釋的，而以語(yǔ)言為媒介的人與人之間的溝通應(yīng)該要建立在相互理解的基礎(chǔ)上，所以深度學(xué)習(xí)在搜索引擎和機(jī)器翻譯上的效用沒(méi)有語(yǔ)音圖像識(shí)別領(lǐng)域來(lái)得顯著。

一圖看懂新一代

人工智能知識(shí)體系大全