促進人工智能發展的四種技術

“人工智能”這一術語最早出現在1956年。人工智能是通過機器(特别是計算機系統)模仿人類智力的過程。專家系統、自然語言處理、語音識别、機器視覺是人工智能應用的一些典型例子。人工智能如今被廣泛用于根據消費者先前的搜尋和購買以及其他線上活動，為消費者提供定制建議。在商業應用中，人工智能在産品優化、庫存規劃和物流等方面發揮着關鍵作用。

人工智能及其應用

醫療保健：醫療保健行業采用的人工智能可以提供量身定制的藥物和X光片的診斷。個人保健助理可以充當私人教練，提醒患者吃藥、鍛煉以及飲食健康。

制造：制造行業采用人工智能可能會利用循環網絡(這是一種與序列資料一起使用的深度學習網絡形式)來評估工廠設施中的物聯網資料，因為它從連接配接的裝置輸入，以預測負載和需求。

生命科學：人工智能技術可以釋放資料的全部潛力來解決人們面臨的一些重大健康問題，從保證藥物安全到更快地将新藥推向市場。

零售：零售行業采用人工智能提供的虛拟購物功能提供量身定制的建議以及讨論使用者的購買選擇。人工智能還将促進庫存管理和站點布局。

銀行：銀行采用的人工智能提高了人類活動的速度、精度和效率。人工智能方法可用于金融機構，以确定哪些交易可能是欺詐性的，實施快速準确的信用評分，并使勞動密集型資料管理活動實作自動化。

•公共部門：人工智能可以使智慧城市更加智能，它可以幫助應急機構做好任務準備和預防性維護。人工智能具有全面提高計劃效率和有效性的潛力。

1.機器學習

機器學習是一種自動建立分析模型的資料分析類型。這是一個人工智能領域，其基礎是計算機可以從資料中學習、識别模式，并在很少或沒有人工輸入的情況下做出選擇。

機器學習的應用：大多數處理大量資料的企業都承認機器學習技術的重要性。

金融領域的服務：銀行和其他金融機構将機器學習用于識别具有價值的資料見解和防止欺詐這兩個主要目的。

醫療保健服務：由于可穿戴裝置和傳感器的發展可以利用資料實時分析患者的健康狀況，機器學習成為醫療保健領域的快速增長趨勢。醫學專家可以使用該技術來檢查資料，并發現可能導緻更好診斷和治療的趨勢或危險信号。

政府：因為政府部門有許多可以挖掘洞察力的資料來源，是以公共安全和公用事業等政府部署需要采用機器學習技術。

零售：零售行業可以使用機器學習來評估消費者的購買曆史，他們的網站會根據消費者之前的購買情況推薦可能喜歡的商品。零售商使用機器學習來收集、評估和應用資料來定制購物體驗、執行營銷活動、定價優化、商品供應計劃和消費者洞察。

2.深度學習

深度學習是一種機器學習，在其應用中，計算機被訓練執行類似人類的任務，例如語音識别、圖檔識别和預測。深度學習設定了有關資料的基本參數，并通過檢測利用多層處理的模式來訓練計算機自行學習，而不是通過預先設定的模式安排資料。

深度學習的應用：

語音識别：用于語音識别的深度學習在企業和學術領域都獲得了發展和進步。為了檢測人類的語音和語音模式，Xbox、Skype、GoogleNow和Apple的Siri等已經在人工助理系統中使用了深度學習技術。

自然語言處理：多年來，深度學習的關鍵組成部分神經網絡一直被用于處理和解釋文本。這種方法是文本挖掘的一個子集，可用于在各種來源中查找模式，其中包括消費者投訴、醫療記錄和新聞報道等。

圖像識别：自動圖檔字幕和場景描述是圖像識别的兩個實際應用。在自動駕駛汽車中采用360度攝像頭技術也将增強圖檔識别能力。

推薦系統：亞馬遜公司和Netflix推廣了推薦系統，該系統可以根據使用者之前的行為和活動預測其下一步可能感興趣的内容。深度學習可用于在音樂品味或服裝偏好等複雜環境中改進跨多個平台的建議。

3.自然語言處理(NLP)

自然語言處理(NLP)是一個人工智能領域，可以幫助計算機了解、解釋和操縱人類語言。為了彌合人類交流和機器了解之間的差距，自然語言處理(NLP)依賴于多個領域，包括計算機科學和計算語言學。自然語言處理并不是一個新學科，但由于人們對人機通信的興趣日益濃厚，以及海量資料的可用性、強大的計算能力和改進的算法，自然語言處理技術正在迅速發展。

自然語言處理(NLP)的應用：

文本分析和自然語言處理：文本分析對單詞進行計數和分類，以從大量材料中提取結構和含義，與自然語言處理密切相關。

自然語言處理(NLP)在日常生活中的例子：自然語言處理(NLP)在人們的日常生活中有廣泛的常見和實際應用。貝葉斯垃圾郵件過濾是一種統計自然語言處理方法，可将垃圾郵件術語與合法電子郵件進行比較以識别垃圾郵件。人們是否曾經錯過一些重要電話，然後在電子郵件收件箱或智能手機應用程式上閱讀語音郵件記錄?這就是語音到文本的轉換，也是自然語言處理(NLP)的一項功能。

4.計算機視覺

計算機視覺是一個人工智能領域，它訓練計算機分析和了解圖像。機器可以使用來自攝像頭和視訊的數字圖檔以及深度學習模型可靠地檢測和分類事物，然後對它們觀察到的内容做出反應。在許多領域，計算機視覺接近并超越了人類的視覺能力，從識别人到分析足球比賽的實況。

計算機視覺的應用：

圖檔分割将圖像分成許多區域或片段，每個區域或片段都可以獨立進行研究。

物體檢測是識别照片中特定物體的過程。足球場、進攻球員、防守球員、足球等都可以使用單個圖像中的進階對象識别進行識别。為了建構邊界框并識别其中的所有内容，這些模型使用X和Y坐标進行辨別。

面部識别是一種複雜的對象檢測形式，它不僅可以識别圖檔中的特定人物。

邊緣​​檢測是一種确定項目或景觀的邊緣以更好地識别圖像中内容的方法。

識别圖檔中重複形式、顔色和其他視覺線索的技術稱為模式檢測。

照片的分類将它們分成不同的類别。

特征比對是一種模式識别形式，它可以比較圖檔的相似性以幫助對其進行分類。

本文轉載自51CTO，本文一切觀點和機器智能技術圈子無關。

原文連結 免費體驗百種AI能力以及試用熱門離線SDK：【點此跳轉】