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)、計算力和算法；技術(shù)層包括計算機視覺、語音識別和自然語言處理。人工智能的技術(shù)本質(zhì)是什么，本文會詳細分析。

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)便是計算機視覺、語音識別和自然語言理解，機器試圖看懂、聽懂人類的世界、用人類的語言和人類交流，研究人類智能活動的規(guī)律。

1.計算機視覺技術(shù)（Computer Vision）

1)·什么是計算機視覺

“人的大腦皮層的活動， 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，整個人工智能系統(tǒng)是個空架子，只能做符號推理，比如下棋、定理證明， 沒法進入現(xiàn)實世界。計算機視覺之于人工智能，它相當(dāng)于說芝麻開門。大門就在這里面，這個門打不開, 就沒法研究真實世界的人工智能。”——朱松純，加州大學(xué)洛杉磯分校UCLA統(tǒng)計學(xué)和計算機科學(xué)教授根據(jù)科普中國撰寫的對計算機視覺的定義，這是一門研究如何讓機器“看”的科學(xué)，更進一步的說，是指用計算機代替人眼對目標(biāo)進行識別、跟蹤和測量的機器視覺，并進一步做圖形處理，使計算機處理成為更適合人眼觀察或傳送給儀器檢測的圖像。

2)·計算機視覺 VS 機器視覺

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

3)計算機視覺識別技術(shù)的分類

物體識別分為“1 VS N”對不同物體進行歸類，以及“1 VS 1”對同類型的物體進行區(qū)分和鑒別；物體屬性識別，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，進而進行場景的分析和判斷；物體行為識別分為3個進階的步驟，移動識別判斷物體是否做了位移，動作識別判斷物體做的是什么動作，行為識別是結(jié)合視覺主體和場景的交互做出行為的分析和判斷。

4)·計算機視覺的識別流程

計算機視覺識別流程分為兩條路線：訓(xùn)練模型和識別圖像。

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）和負樣本（不包含目標(biāo)的樣本），視覺系統(tǒng)利用算法對原始樣本進行特征的選擇和提取訓(xùn)練出分類器（模型）；此外因為樣本數(shù)據(jù)成千上萬、提取出來的特征更是翻番，所以一般為了縮短訓(xùn)練的過程，會人為加入知識庫（提前告訴計算機一些規(guī)則），或者引入限制條件來縮小搜索空間。

識別圖像：會先對圖像進行信號變換、降噪等預(yù)處理，再來利用分類器對輸入圖像進行目標(biāo)檢測。一般檢測過程為用一個掃描子窗口在待檢測的圖像中不斷的移位滑動，子窗口每到一個位置就會計算出該區(qū)域的特征，然后用訓(xùn)練好的分類器對該特征進行篩選，判斷該區(qū)域是否為目標(biāo)。

5 )計算機視覺技術(shù)模式圖和對應(yīng)企業(yè)圖

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

2.語音識別（Automatic Speech Recognition）

1)什么是語音識別

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

2)語音識別的流程

語音識別流程分為訓(xùn)練和識別兩條線路。

語音信號經(jīng)過前端信號處理、端點檢測等預(yù)處理后，逐幀提取語音特征，傳統(tǒng)的特征類型包括有MFCC、PLP、FBANK等特征，提取好的特征會送到解碼器，在訓(xùn)練好的聲學(xué)模型、語言模型之下，找到最為匹配的此序列作為識別結(jié)果輸出。

3）語音識別技術(shù)模式圖和對應(yīng)企業(yè)圖

基礎(chǔ)層：包含大數(shù)據(jù)、計算力和算法三塊，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。機器在識別人類的語音指令后接入、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音識別功能，新增交互方式；還有智能車載采用語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的語音助手等。

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

1）什么是自然語言理解

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

2）自然語言理解的應(yīng)用：搜索引擎+機器翻譯；

自然語言理解最典型兩種應(yīng)用為搜索引擎和機器翻譯。搜索引擎可以在一定程度上理解人類的自然語言，從自然語言中抽取出關(guān)鍵內(nèi)容并用于檢索，最終達到搜索引擎和自然語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）自然語言理解技術(shù)在搜索引擎中的應(yīng)用

4）自然語言理解技術(shù)在機器翻譯中的應(yīng)用

事實上搜索引擎和機器翻譯不分家，互聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)為其充實了語料庫使得其發(fā)展模態(tài)發(fā)生了質(zhì)的改變。互聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)除了將原先線下的信息（原有語料）進行在線化之外，還衍生出來的新型UGC模式：知識分享數(shù)據(jù)，像維基百科、百度百科等都是人為校準(zhǔn)過的詞條，噪聲小；社交數(shù)據(jù)，像微博和微信等展現(xiàn)用戶的個性化、主觀化、時效性，可以用來做個性化推薦、情感傾向分析、以及熱點輿情的檢測和跟蹤等；社區(qū)、論壇數(shù)據(jù)，像果殼、知乎等為搜索引擎提供了問答知識、問答資源等數(shù)據(jù)源。另一方面，因為深度學(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)在搜索引擎和機器翻譯上的效用沒有語音圖像識別領(lǐng)域來得顯著。

一圖看懂新一代

人工智能知識體系大全