论文部分内容阅读
摘要：近年来，人工智能作为一门综合性强、应用范围广的新兴学科，随着计算机技术、信息技术和网络技术的快速发展，人工智能识别技术应运而生，成为一种新兴计算机技术，在各行各业、各个领域的应用范围不断扩大，为经济增长、社会发展提供重要基础保障。然而由于人工智能识别技术的发展时间并不长，许多核心环节问题依旧未能很好解决，也就导致其在应用中存在瓶颈。基于此，简单介绍了人工智能识别技术，并分析了该技术的应用领域与当前应用瓶颈。
关键词：人工智能;识别技术;应用;发展瓶颈
随着计算机技术、信息技术和网络技术的快速发展，人工智能识别技术应运而生，成为一种新兴计算机技术，在各行各业、各个领域的应用范围不断扩大，为经济增长、社会发展提供重要基础保障。
计算机人工智能识别技术是以计算机技术作为核心基础，逐渐衍生出来的一种新兴技术。计算机人工智能识别技术最为显著的特征就是应用范围广、具有一定高端性，当前已经被普遍应用在智能机器人领域、图像识别领域以及语音识别领域等。在计算机技术研究领域，未来计算机人工智能识别技术将具有更加广阔的发展空间，通过科学应用好该项技术，能够有效模拟人类思维和意识，并借助计算机程序充分展现出人类大脑思维，为人工智能核心功能提供有效输入。
1.人工智能识别技术的概述
人工智能识别技术是在计算机应用技术的基础上衍生和发展起来的科学技术，它是一种自动化、智能化、科学化计算机技术，通过将人类思维模式从抽象化到具体化，进行准确识别、科学判断和准确模拟，最终通过计算机程序完整体现出来。计算机人工智能识别技术被广泛运用于各个领域，与其他计算机技术相比，人工智能识别技术的应用前景更为广阔，能够为人类提供更为高效、便捷和优质服务。近年来，计算机人工智能识别技术在我国相关领域中取得一系列显着应用成效，由于人工智能识别技术的发展时间较短，很多关键环节尚未攻克，尚未形成一套完整的运行体系，整个应用过程依然面临诸多瓶颈问题，因此我们要对 其中的局限进行深入分析，找准今后的研究重点，才能够实现人工智能识别技术的研究突破。
2.人工智能识别技术应用领域
2.1.应用于机器人技术领域
有些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，同时还显著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。
2.2.运用于智能语音识别领域
智能语音识别技术，也被称为自动语音识别Automatic Speech Recognition，（ASR），其目标是将人类的语音中的词汇内容转换为计算机可读的输入，例如进制编码或者字符序列。与说话人识别及说话人确认不同，后者尝试识别或确认发出语音的说话人而非其中所包含的词汇内容。
语音识别技术的应用包括语音拨号、语音導航、设备控制、语音文档检索、简单的听写数据录入等。语音识别技术与其他自然语言处理技术如机器翻译及语音合成技术相结合，可以构建出更加复杂的应用，例如语音到语音的翻译。
语音识别技术所涉及的领域包括：信号处理、模式识别、概率论和信息论、发声机理和听觉机理、人工智能等等。
2.3.人工神经网络
人工神经网络指的是经过大量简单处理单元创建形成的并行互联网络系统，能够模拟人脑系统，并且具有人脑的多种基本功能。人工神经网络的工作原理是通过模拟人脑神经组织构造过程中得到的启发，试图通过人工神经网络处理大量单元，包括电子元件、人工神经元和处理元件。尽管人工神经网络并不能等同于人脑，也不能完全发挥出人脑所有作用，但是却能够通过人工智能识别技术帮助人类进行自动化、智能化事件的处理。
3.计算机人工智能识别技术应用的瓶颈
3.1.语音人工智能识别技术的应用瓶颈
语音人工智能识别技术作为计算机人工智能识别技术的一项核心技术，长期以来，深受国内外学术界的高度重视。与此同时，语音人工智能识别技术被广泛应用于各行各业、各个领域，其技术和产品优势十分鲜明，在语音电话、语音通信、语音交互等方面取得显着应用成效。但语音识别还是有一些缺点的。语音随时间而变化，所以必须使用生物识别模板。语音也会由于伤风、嗓音沙哑、情绪压力或是青春期而变化。语音识别系统比指纹识别系统有着较高的误识率，因为人们的声音不像指纹那样独特和唯一。对快速傅立叶变换计算来说，系统需要协同处理器和比指纹系统更多的效能。
3.2.视觉人工智能识别技术应用瓶颈
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。
结语
总而言之，计算机人工智能识别技术现如今已在人们生活、工作中得到广泛推广，不仅可对商品信息进行准确扫描，获取商品价格;还可实现对指纹、声音、人脸进行有效鉴定，识别用户身份，为人们生活、工作创造了极大便利。然而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]范银平.计算机人工智能识别技术的应用瓶颈分析[J].产业与科技论坛，2013（16）：75-76.
[2]黄力军，许雯婕，范腾达，等. 对计算机人工智能识别技术应用瓶颈的探讨[J].通信电源技术，2018，035（002）：233-234.
[3]卢丽媛. "计算机人工智能识别技术应用瓶颈探讨."科研3（2017）：00220-00220.
[4]张慧宇.计算机人工智能识别技术[J].信息与电脑.2016，（20）.121-122.
[5]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）.
作者简介
耿明慧（1971年12月），女，天津市，中级工程师，天津市工业和信息化研究院，研究方向：人工智能。
关键词：人工智能;识别技术;应用;发展瓶颈
随着计算机技术、信息技术和网络技术的快速发展，人工智能识别技术应运而生，成为一种新兴计算机技术，在各行各业、各个领域的应用范围不断扩大，为经济增长、社会发展提供重要基础保障。
计算机人工智能识别技术是以计算机技术作为核心基础，逐渐衍生出来的一种新兴技术。计算机人工智能识别技术最为显著的特征就是应用范围广、具有一定高端性，当前已经被普遍应用在智能机器人领域、图像识别领域以及语音识别领域等。在计算机技术研究领域，未来计算机人工智能识别技术将具有更加广阔的发展空间，通过科学应用好该项技术，能够有效模拟人类思维和意识，并借助计算机程序充分展现出人类大脑思维，为人工智能核心功能提供有效输入。
1.人工智能识别技术的概述
人工智能识别技术是在计算机应用技术的基础上衍生和发展起来的科学技术，它是一种自动化、智能化、科学化计算机技术，通过将人类思维模式从抽象化到具体化，进行准确识别、科学判断和准确模拟，最终通过计算机程序完整体现出来。计算机人工智能识别技术被广泛运用于各个领域，与其他计算机技术相比，人工智能识别技术的应用前景更为广阔，能够为人类提供更为高效、便捷和优质服务。近年来，计算机人工智能识别技术在我国相关领域中取得一系列显着应用成效，由于人工智能识别技术的发展时间较短，很多关键环节尚未攻克，尚未形成一套完整的运行体系，整个应用过程依然面临诸多瓶颈问题，因此我们要对 其中的局限进行深入分析，找准今后的研究重点，才能够实现人工智能识别技术的研究突破。
2.人工智能识别技术应用领域
2.1.应用于机器人技术领域
有些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，同时还显著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。
2.2.运用于智能语音识别领域
智能语音识别技术，也被称为自动语音识别Automatic Speech Recognition，（ASR），其目标是将人类的语音中的词汇内容转换为计算机可读的输入，例如进制编码或者字符序列。与说话人识别及说话人确认不同，后者尝试识别或确认发出语音的说话人而非其中所包含的词汇内容。
语音识别技术的应用包括语音拨号、语音導航、设备控制、语音文档检索、简单的听写数据录入等。语音识别技术与其他自然语言处理技术如机器翻译及语音合成技术相结合，可以构建出更加复杂的应用，例如语音到语音的翻译。
语音识别技术所涉及的领域包括：信号处理、模式识别、概率论和信息论、发声机理和听觉机理、人工智能等等。
2.3.人工神经网络
人工神经网络指的是经过大量简单处理单元创建形成的并行互联网络系统，能够模拟人脑系统，并且具有人脑的多种基本功能。人工神经网络的工作原理是通过模拟人脑神经组织构造过程中得到的启发，试图通过人工神经网络处理大量单元，包括电子元件、人工神经元和处理元件。尽管人工神经网络并不能等同于人脑，也不能完全发挥出人脑所有作用，但是却能够通过人工智能识别技术帮助人类进行自动化、智能化事件的处理。
3.计算机人工智能识别技术应用的瓶颈
3.1.语音人工智能识别技术的应用瓶颈
语音人工智能识别技术作为计算机人工智能识别技术的一项核心技术，长期以来，深受国内外学术界的高度重视。与此同时，语音人工智能识别技术被广泛应用于各行各业、各个领域，其技术和产品优势十分鲜明，在语音电话、语音通信、语音交互等方面取得显着应用成效。但语音识别还是有一些缺点的。语音随时间而变化，所以必须使用生物识别模板。语音也会由于伤风、嗓音沙哑、情绪压力或是青春期而变化。语音识别系统比指纹识别系统有着较高的误识率，因为人们的声音不像指纹那样独特和唯一。对快速傅立叶变换计算来说，系统需要协同处理器和比指纹系统更多的效能。
3.2.视觉人工智能识别技术应用瓶颈
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。
结语
总而言之，计算机人工智能识别技术现如今已在人们生活、工作中得到广泛推广，不仅可对商品信息进行准确扫描，获取商品价格;还可实现对指纹、声音、人脸进行有效鉴定，识别用户身份，为人们生活、工作创造了极大便利。然而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]范银平.计算机人工智能识别技术的应用瓶颈分析[J].产业与科技论坛，2013（16）：75-76.
[2]黄力军，许雯婕，范腾达，等. 对计算机人工智能识别技术应用瓶颈的探讨[J].通信电源技术，2018，035（002）：233-234.
[3]卢丽媛. "计算机人工智能识别技术应用瓶颈探讨."科研3（2017）：00220-00220.
[4]张慧宇.计算机人工智能识别技术[J].信息与电脑.2016，（20）.121-122.
[5]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）.
作者简介
耿明慧（1971年12月），女，天津市，中级工程师，天津市工业和信息化研究院，研究方向：人工智能。