人工智能识别技术英语领域与局限

时间:2019-09-27

　　摘    要：　科学技术的飞速进步，也使得计算机从最初的工具化使用，发展到现如今成为人们工作、生活以及学习中的重要组成部分。而人工智能作为计算机技术当中重要的组成部分，由于具备智能化的数据处理模式深受广大用户的接受与认可。虽然人工智能具有良好的实效性与广阔的开发空间，但是在技术层面上仍然存在诸多问题。文中对于当前计算机人工智能识别技术的应用进行了简要论述，并深入探索人工智能识别技术的应用瓶颈，旨在促进计算机行业的顺利发展。

　　关键词：　计算机; 人工智能识别技术; 应用瓶颈;

　　计算机人工智能技术作为信息科学技术当中的重要核心环节，不仅能够将原本僵化、固态的数据信息处理模式变得更加灵活，而且还能够利用计算机丰富的功能，把人类大脑的思维能力以及思维方式，进行高度真实地模拟并运用到实践当中。计算机人工智能技术将计算机平台为基础，把不同的学科和各个领域的先进技术融合成为一个具有智能化、综合化的智慧型电子计算机系统。而计算机人工智能识别系统是计算机人工智能技术中的关键技术，不但能够准确识别生产过程当中的错误行为，而且还能够进行数据的模拟和还原，将原本抽象化的思维模式变得更加具体化，因此该项技术在国内外市场都有极大的市场价值。相比较于其他类型的计算机技术，人工智能识别技术具有极大的开发潜力和扩展空间，给人类所带来的便利是其他技术无法取代的。但由于我国在计算机人工智能技术上的进步相对较晚，虽然国家以及政府机构投入了大量的人力、物力资源，但是与欧美等一些发达国家相比仍然存在技术上的差距，那么要怎么样才能够有效地解决这个技术瓶颈，就成为当前亟待解决的难题。

　　1、 计算机人工智能识别系统应用领域

　　1.1、 应用于机器人技术领域

　　许多欧美的计算机人工智能专家认为机器人的研究始于20世纪60年代末期，正是在这一时期关于机器人的研究也就成为一门独立的学科而受到世人的关注。随后越来越多的机器人，或者与机器人相关的技术被运用到生产与生活当中，并且受到了社会各界的认可与接受。机械器人技术被世界范围内普及开来的主要原因，就是有效地减少人们在生产劳运当中的风险，同时还显着提高了整个生产过程的安全性和生产效率，对于提高产品的质量，以及提升的利润空间具有重要的意义。虽然当前的机器人产业已经初具规模化，但是由于人工智能识技术上的瓶颈未得到有效解决，使得机器人只能够从事一些基本的重复性劳动，技术方面仍然存在诸多问题有待改善。

　　1.2、 运用于语音识别技术

　　语音识别技术，通俗地讲就是利用一些先进的科学技术方式结合人工智能识别技术，让机器通过电信号的变化来了解人类语言，并进行简单的沟通和交流，为实人机交互。而该项技术也成为了当前最好的计算机人工智能研究机构的重点研发工程。该项技术不仅涉及到了计算机数据学、社会工程学、语言学等等，还包括了一哲学、行为学等。随着世界各个国家对于人工智能技术的日益重视，该项技术也得到了迅速的发展并取得良好的成效。现阶段语音识别技术被广泛地运用到了各类智能化产品的芯片当中，并成为人工智能识别技术的重要组成部分。
 

　　1.3、 应用于人工智能神经网络

　　所谓的人工智能神经网络就是以批量的方式，通过单元交叉、互融的方式构建成一种具有类似人类神经功能的网络模式。也可以将人工智能神经网络，理解为对人类大脑的一种技术模拟，并将接收到的电信号进行反应。人工智能神经网络的研究，是以人类大脑的神经网络作为基础，模拟人脑对于外界刺激做出一些类似的反应。虽然人工智能神经网络和人脑间存在着极大的差异，可是也能够对一些基本的电信号进行批量化处理，并且在实际生产当中发挥出了巨大的作用。

　　2、 计算机人工智能识别技术应用的瓶颈

　　2.1、 语音人工智能识别技术的应用瓶颈

　　进行语音人工智能研究的目的，就是为了能够让机器理解和对人类的语言做出正确的反应。由于该项技术是人工智能技术的重要环节，因此也深受人们的重视。因为该项技术具有良好的实用性因此也被大量地普及到了人们的工作与生活当中。随着人们对于人工智能化设备需求的数量越来越大，人们对于语音人工智能识别技术的要求也变得越来越严格，但技术高速发展的背后，也使得人工智能语音识别技术在应用过程中进入到了瓶颈阶段。（1）语音识别技术有待提高。当前的语音识别技术对于语音设备的使用环境要求较高，这也使得许多普通用户消费不起高额的硬件费用，而且用户群体的语言水平、口语表达能力、声音的音调音色等方面的问题，也给语音识别系统的普及带来极大的阻碍。（2）语音系统中的词汇量问题有待完善。当前我国在计算机人工智能语音识别系统当中的词汇量不足，导致该系统无法对所有的音调以及音质进行准确识别。因此必须要构建一个完善、健全的搜索算法来对语音系统进行完善。（3）语音识别系统所需要的成本高，而且设备所占用的空间较大。虽然计算机人工智能语音识别技术已经得到了普及，可是对于一些经济能力有限的用户群体而言仍然会对语音识别系统望而却步。

　　2.2、 视觉人工智能识别技术应用瓶颈

　　相比较于语音识别人工智能技术，视觉人工智能技术由于涉及的学科复杂，交叉性强等原因，导致该项技术研究的进程相当缓慢。按照技术的层面来看，视觉人工智能技术，和语音识别人工智能技术所面临的问题和瓶颈基本相同。人脸识别技术是通过对人眼的瞳孔，以及面部的重要特征等一些重要的标识性数据进行识别。虽然该项技术在生活中相当普遍，可是存在着以下几个问题：（1）人脸的表情以及一些特征是会产生变化的，可是在系统内部所采集到的人脸表情以及面部的相关信息，则是较为有限的，导致人脸识别的效果差强人意；（2）随着时间和年龄的变化，人的表情以及一些重要的特征会变化，导致人脸识别技术的效果变差；（3）人脸识别的过程当中，很容易会受到周边的光线变化而受到影响；（4）由于人脸之间存在一定的相似性，特别是直系亲属之间的脸型经常会相同，导致人脸识别检测的结果出现错误。

　　3、 结语

　　综上所述，人工智能与人脑间存在着巨大的差异性，当前影响人工智能识别技术发展的原因众多，可是我们也不能够因此而放弃，我们有理由相信未来一定会顺利地攻克这些瓶颈，确保人工智能技术能够为人们的生活、工作提供更加完善的服务。

　　参考文献

　　[1]刘乔辉.计算机人工智能识别技术的应用探讨[J].科技风, 2016 (4) .
　　[2]周娟.计算机人工智能识别技术应用瓶颈分析[J].软件导刊, 2017 (9) .

TAG标签： 计算机  

上一篇：无人驾驶汽车中人工智能技术的运用
下一篇：大数据时代下软件工程技术的作用