人工智慧的核心是什麼

人工智慧的核心：1、電腦視覺，是指電腦從影像中辨識出物件、場景和活動的能力；2、機器學習，指的是電腦系統無須遵照顯式的程式指令； 3.自然語言處理；4、機器人；5、語音識別，主要專注於自動且準確地轉錄人類的語音技術。

本文操作環境：windows7系統、Dell G3電腦。

人工智慧的核心：

1、電腦視覺

電腦視覺是指電腦從圖像中辨識出物體、場景和活動的能力。電腦視覺技術運用由影像處理操作及其他技術所組成的序列，將影像分析任務分解為便於管理的小塊任務。例如，一些技術能夠從影像中偵測到物體的邊緣及紋理，分類技術可被用來作為確定辨識到的特徵是否能夠代表系統已知的一類物體。

電腦視覺有著廣泛的應用，其中包括：醫療影像分析被用來提高疾病預測、診斷和治療；人臉辨識被Facebook 用來自動辨識照片裡的人物；在安防及監控領域被用來指認嫌疑犯；在購物方面，消費者現在可以用智慧型手機拍攝下產品以獲得更多購買選擇。

機器視覺作為相關學科，泛指在工業自動化領域的視覺應用。在這些應用裡，電腦在高度受限的工廠環境裡識別諸如生產零件一類的物體，因此相對於尋求在非受限環境裡操作的電腦視覺來說目標更為簡單。電腦視覺是一個正在進行中的研究，而機器視覺則是“已經解決的問題”，是系統工程方面的課題而非研究層面的課題。因為應用範圍的持續擴大，某些電腦視覺領域的新創公司自2011 年起已經吸引了數億美元的風投資本。

2、機器學習

機器學習指的是電腦系統無須遵照明確的程式指令，而只依賴數據來提升自身性能的能力。其核心在於，機器學習是從資料中自動發現模式，模式一旦被發現便可用於預測。例如，給予機器學習系統一個關於交易時間、商家、地點、價格及交易是否正當等信用卡交易資訊的資料庫，系統就會學習到可用來預測信用卡詐欺的模式。處理的交易資料越多，預測就會越準確。

機器學習的應用範圍非常廣泛，針對那些產生龐大資料的活動，它幾乎擁有改善一切效能的潛力。除了欺詐甄別之外，這些活動還包括銷售預測、庫存管理、石油和天然氣勘探，以及公共衛生等。機器學習技術在其他的認知技術領域也扮演著重要角色，例如電腦視覺，它能在海量影像中透過不斷訓練和改進視覺模型來提高其識別物件的能力。

現今，機器學習已成為認知技術中最炙手可熱的研究領域之一，在2011~2014 年這段時間內就已吸引了近10 億美元的創投。谷歌也在2014 年斥資4 億美元收購Deepmind這家研究機器學習技術的公司。

3、自然語言處理

#自然語言處理是指電腦擁有的人類般的文字處理的能力。例如，從文本中提取意義，甚至從那些可讀的、風格自然、語法正確的文本中自主解讀出含義。一個自然語言處理系統並不了解人類處理文本的方式，但是它卻可以用非常複雜與成熟的手段巧妙處理文本。例如，自動識別一份文件中所有被提及的人與地點；識別文件的核心議題；在一堆僅人類可讀的合約中，將各種條款與條件提取出來並製作成表。以上這些任務透過傳統的文本處理軟體根本不可能完成，後者僅針對簡單的文本匹配與模式就能進行操作。

自然語言處理就像電腦視覺技術一樣，將各種有助於實現目標的多種技術進行了融合。建立語言模型來預測語言表達的機率分佈，舉例來說，就是某一串給定字符或單字表達某一特定語意的最大可能性。選定的特徵可以和文中的某些元素結合來辨識一段文字，透過辨識這些元素可以把某類文字與其他文字區分開來，例如垃圾郵件同正常郵件。以機器學習為驅動的分類方法將成為篩選的標準，用來決定一封郵件是否屬於垃圾郵件。

Because context is so important in understanding the difference between "timeflies" and "fruitflies", the practical applications of natural language processing technology are relatively narrow. These areas include analyzing customer opinions on an item. Feedback on specific products and services, automatically uncovering certain implications in civil lawsuits or government investigations, automatically writing formulaic essays on things like corporate revenue and sports, and more.

4. Robot

Integrate cognitive technologies such as machine vision and automatic planning into extremely small but high-performance sensors and actuators As well as cleverly designed hardware, this has given rise to a new generation of robots that have the ability to work alongside humans and flexibly handle different tasks in a variety of unknown environments. For example, drones, “cobots” that can share work with humans in the workshop, etc.

5. Speech recognition

Speech recognition is mainly concerned with automatically and accurately transcribing human speech technology. The technology must face some problems similar to natural language processing, with some difficulties in handling different accents, background noise, distinguishing homophones/synonyms ("buy" and "by" sound the same), and at the same time You also need to be able to work at a speed that keeps up with normal speaking speed. Speech recognition systems use some of the same techniques as natural language processing systems, supplemented by other techniques such as acoustic models that describe sounds and their probability of occurring in specific sequences and languages. The main applications of speech recognition include medical dictation, voice writing, computer system voice control, telephone customer service, etc. For example, Domino's Pizza recently launched a mobile APP that allows users to place orders through voice.

For more related knowledge, please visit the FAQ column!

以上是人工智慧的核心是什麼的詳細內容。更多資訊請關注PHP中文網其他相關文章！