Quel est le cœur de l’intelligence artificielle

Le cœur de l'intelligence artificielle : 1. La vision par ordinateur fait référence à la capacité des ordinateurs à reconnaître des objets, des scènes et des activités à partir d'images. 2. L'apprentissage automatique fait référence au fait que les systèmes informatiques n'ont pas besoin de suivre un programme explicite ; instructions ; 3. Traitement du langage naturel ; 4. Robots ; 5. Reconnaissance vocale, qui se concentre principalement sur la transcription automatique et précise de la technologie vocale humaine.

L'environnement d'exploitation de cet article : système Windows 7, ordinateur Dell G3.

Le noyau de l'intelligence artificielle :

1. Vision par ordinateur

La vision par ordinateur fait référence aux ordinateurs qui reconnaissent des objets à partir d'images, capacités de scène et d’activité. Les techniques de vision par ordinateur utilisent des séquences d’opérations de traitement d’images et d’autres techniques pour diviser les tâches d’analyse d’images en morceaux gérables. Par exemple, certaines techniques peuvent détecter les bords et les textures d'objets à partir d'images, et des techniques de classification peuvent être utilisées pour déterminer si les caractéristiques identifiées représentent une classe d'objets connue du système.

La vision par ordinateur a un large éventail d'applications, notamment : l'analyse d'imagerie médicale est utilisée pour améliorer la prédiction, le diagnostic et le traitement des maladies ; la reconnaissance faciale est utilisée par Facebook pour identifier automatiquement les personnes sur les photos ; elle est utilisée dans le cadre de la sécurité ; et les champs de surveillance utilisés pour identifier les suspects ; et lorsqu'il s'agit de faire des achats, les consommateurs peuvent désormais prendre des photos des produits avec leur smartphone pour bénéficier de davantage d'options d'achat.

La vision industrielle, en tant que discipline connexe, fait généralement référence aux applications de vision dans le domaine de l'automatisation industrielle. Dans ces applications, les ordinateurs identifient des objets tels que des pièces de production dans des environnements d'usine très contraints, ce qui rend les objectifs plus simples que la vision par ordinateur qui cherche à fonctionner dans des environnements sans contraintes. La vision par ordinateur est une recherche en cours, tandis que la vision industrielle est un « problème résolu », un sujet d'ingénierie système plutôt qu'un sujet de recherche. Alors que les applications continuent de se développer, certaines startups de vision par ordinateur ont attiré des centaines de millions de dollars en capital-risque depuis 2011.

2. Apprentissage automatique

L'apprentissage automatique signifie que le système informatique n'a pas besoin de suivre des instructions de programme explicites, mais s'appuie uniquement sur les données pour améliorer leurs propres performances. À la base, l’apprentissage automatique découvre automatiquement des modèles dans les données et, une fois découverts, les modèles peuvent être utilisés pour faire des prédictions. Par exemple, si un système d'apprentissage automatique reçoit une base de données d'informations sur les transactions par carte de crédit telles que l'heure de la transaction, le commerçant, l'emplacement, le prix et si la transaction était légitime, le système apprendra des modèles qui peuvent être utilisés pour prédire la fraude par carte de crédit. Plus les données de transaction seront traitées, plus les prédictions seront précises.

L'apprentissage automatique a un large éventail d'applications et il a le potentiel d'améliorer les performances de presque tout ce qui génère d'énormes quantités de données. Outre la détection des fraudes, ces activités comprennent la prévision des ventes, la gestion des stocks, l'exploration pétrolière et gazière et la santé publique. La technologie d'apprentissage automatique joue également un rôle important dans d'autres domaines de technologies cognitives, tels que la vision par ordinateur, qui peut améliorer sa capacité à reconnaître des objets en formant et en améliorant continuellement les modèles visuels dans des images massives.

Aujourd'hui, l'apprentissage automatique est devenu l'un des domaines de recherche les plus en vogue en matière de technologies cognitives, attirant près d'un milliard de dollars de capital-risque entre 2011 et 2014. Google a également dépensé 400 millions de dollars en 2014 pour acquérir Deepmind, une société qui recherche sur les technologies d'apprentissage automatique.

3. Traitement du langage naturel

Le traitement du langage naturel fait référence aux capacités de traitement de texte de type humain des ordinateurs. Par exemple, extrayez le sens d'un texte, et même interprétez indépendamment le sens de textes lisibles, de style naturel et grammaticalement corrects. Un système de traitement du langage naturel ne comprend pas la façon dont les humains traitent le texte, mais il peut traiter habilement le texte de manière très complexe et sophistiquée. Par exemple, identifiez automatiquement toutes les personnes et tous les lieux mentionnés dans un document ; identifiez les sujets principaux du document ; extrayez divers termes et conditions d'une pile de contrats lisibles par l'homme et créez un tableau. Ces tâches sont tout simplement impossibles à accomplir avec un logiciel de traitement de texte traditionnel, qui effectue uniquement de simples correspondances de texte et des modèles.

Le traitement du langage naturel, comme la technologie de vision par ordinateur, combine diverses technologies qui aident à atteindre l'objectif. Les modèles linguistiques sont construits pour prédire la distribution de probabilité des expressions linguistiques, par exemple la probabilité maximale qu'une chaîne de caractères ou de mots donnée exprime une signification sémantique spécifique. Les fonctionnalités sélectionnées peuvent être combinées avec certains éléments du texte pour identifier un morceau de texte. En identifiant ces éléments, certains types de texte peuvent être distingués d'autres textes, comme les courriers indésirables des courriers électroniques normaux. Les méthodes de classification basées sur l'apprentissage automatique deviendront les critères de filtrage utilisés pour déterminer si un e-mail est du spam.

Le contexte étant si important pour comprendre la différence entre les « mouches du temps » et les « mouches des fruits », les applications pratiques des techniques de traitement du langage naturel sont relativement étroites, y compris l'analyse des réponses des clients à un article, révélant automatiquement certains commentaires. implications dans les poursuites civiles ou les enquêtes gouvernementales, rédaction automatique d'essais formulés sur des sujets tels que les revenus des entreprises et le sport, et bien plus encore.

4. Robots

Intégrer des technologies cognitives telles que la vision industrielle et la planification automatique dans des capteurs et actionneurs extrêmement petits mais performants Outre un matériel intelligemment conçu, cela a donné naissance à une nouvelle génération de robots capables de travailler aux côtés des humains et de gérer de manière flexible différentes tâches dans une variété d'environnements inconnus. Par exemple, les drones, les « cobots » qui peuvent partager le travail avec les humains en atelier, etc.

5. Reconnaissance vocale

La reconnaissance vocale concerne principalement la transcription automatique et précise de la technologie vocale humaine. La technologie doit faire face à des problèmes similaires au traitement du langage naturel, avec quelques difficultés à gérer les différents accents, le bruit de fond, à distinguer les homophones/synonymes (« acheter » et « par » sonnent de la même manière), et en même temps, vous devez également être capable de travailler à une vitesse de parole normale. Les systèmes de reconnaissance vocale utilisent certaines des mêmes techniques que les systèmes de traitement du langage naturel, complétées par d'autres techniques telles que des modèles acoustiques qui décrivent les sons et leur probabilité d'apparaître dans des séquences et des langues spécifiques. Les principales applications de la reconnaissance vocale comprennent la dictée médicale, l’écriture vocale, la commande vocale des systèmes informatiques, le service client téléphonique, etc. Par exemple, Domino's Pizza a récemment lancé une application mobile qui permet aux utilisateurs de passer des commandes vocalement.

Pour plus de connaissances connexes, veuillez visiter la colonne FAQ !

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!