徐浩智
摘 要 隨著特征提取、模式匹配、語義分析、自然交互等技術的發(fā)展,促進了人工智能在多領域普及和使用,提高了人類社會的自動化水平。特征提取可以利用攝像頭等傳感器采集視頻圖像、文本數字等信息,將這些信息的尖銳特征提取出來,與模式庫中的信息進行匹配,然后可以通過語義分析,識別人們發(fā)出的各類動作。本文結合筆者的研究實踐,分析了人工智能應用現狀及未來發(fā)展趨勢,重點描述了關鍵技術,為人工智能發(fā)展應用做出貢獻。
【關鍵詞】人工智能 特征提取 模式匹配 語義分析
1 引言
隨著大數據、互聯(lián)網、云計算、人工智能的普及和發(fā)展,已經在金融證券、教育科研、醫(yī)療衛(wèi)生、商務辦公等領域得到廣泛普及和使用,大大的提高了人類社會的信息化、自動化水平。人工智能是一個多學科融合技術,其不僅僅涉及到計算機技術,同時還涵蓋了統(tǒng)計學、物理學、通信學、心理學等多個學科,將多學科知識融合在一起模擬人們的思維,為人們的生活、辦公和學習提供輔助支撐。
2 人工智能應用及發(fā)展
人工智能經過多年的發(fā)展,應用領域非常廣泛,包括智能駕駛、機器人等。智能駕駛是當前人工智能應用的一個重要領域,其可以利用安裝在汽車四周的傳感器感知車輛前后方以及兩側的人、車、障礙物等,將這些信息反饋給控制器,控制器可以利用這些知識規(guī)劃出一條安全的行駛線路,智能駕駛利用人工智能技術,整合心理學、交通法規(guī)等,嚴格的執(zhí)行安全第一的準則,駕駛安全性也會大大的提高。機器人作為人工智能的一個重要產物,已經在太空探險、消防急救、探險排爆、生產加工中得到廣泛應用,比如在太空探險時,由于人們自身的機體存在脆弱性,許多領域都有大量的輻射,這些區(qū)域人們無法靠近,因此可以利用機器人代替人們去工作,探測是否存在有機生命。機器人自身具有強大的外界抗壓力,因此探險排爆可以采用機器人進行操作,即使爆炸破壞了機器人的完整性也可以通過修復使其正常工作。
人工智能應用領域非常多,只要是人們工作的地方都可以使用機器人代替,比如在醫(yī)療診斷過程中,由于人工操作存在誤差,高難度的手術通常無法操作,但是利用機器人卻可以精準操作,進行高難度手術。未來城市化進程加快,越來越多的建筑創(chuàng)出新的高度,由于安全性等問題造成人們無法在樓外進行作業(yè),比如更換玻璃窗、擦洗玻璃幕墻等,這些都可以使用人工智能機器人完成。人工智能的發(fā)展將會為人們工作、生活帶來更多的方便,更好的提高人類生活的舒適性。
3 人工智能在模式識別中的關鍵技術
模式識別是人工智能應用的基礎,其可以完成對象信息采集、匹配和分析,以便更好的執(zhí)行人們期望的操作,可以將關鍵技術按照操作流程劃分為三個方面,分別是特征檢測、特征提取、模式匹配、語義分析等。
人工智能可以使用攝像頭、傳感器采集外界的視頻圖像、文字語音信息,然后就可以利用特征檢測技術對這些信息進行預處理,獲取視頻圖像或語音文字中的目標對象,標定出這些目標信息的輪廓大小。比如在一副圖像或一幀視頻中,其包含的內容非常豐富,客觀物體的特征也較多,比如直方圖特征、模板各種、顏色特征、結構特征等,特征檢測就是可以將有價值的信息挑出來,利用這些特征實現對象檢測。目前人工智能采用的圖像檢測方法非常多,比如神經網絡、支持向量機、Adaboost等,這些算法是一種分類方法,能夠將較弱的分類方法集成在一起,構建一個很強的分類方法。圖像檢測可以使用檢測算法挑選一些目標對象矩形特征,按照加權投票方式為弱分類器構建一個強分類器,然后通過訓練學習就可以將強分類器串聯(lián)在一起,形成一個級聯(lián)結構的層疊分類器,提高分類器的檢測速度。特征提取是人工智能引入的另一個關鍵技術。由于視頻圖像、語音文本中包含的特征很多,經過檢測之后,就可以將這些特征提取出來。特征提取是人工智能學習建模的過程,又被人們稱為圖像表征描述,特征提取方法經過分類可以劃分為兩個類別,分別是基于知識表征的方法,另一種是基于代數特征或統(tǒng)計學習表征方法?;谥R的表征方法可以根據目標對象輪廓形狀以及距離度量特性獲取特征數據,這個特征距離度量的種類包括曲率角度、歐氏距離等,目標對象輪廓特征很多,比如人的面部包括眼睛、鼻子、眉毛、嘴唇等,可以將這些局部特征一一分解,利用局部特征之間的幾何結構,將常見的知識特征提取出來?;诖鷶堤卣骱徒y(tǒng)計學習表征方法則是利用目標對象像素的密度進行統(tǒng)計,然后可以充分的利用統(tǒng)計學的嚴密規(guī)則實現特征分離和提取,目前基于代數的特征提取方法包括K均值、密度聚類、譜聚類、支持向量機。
特征提取完畢之后,人工智能就可以將這些特征與模式庫中保存的信息進行匹配,匹配也是模式搜索、對比的過程。人工智能可以設置一個模式匹配操作閾值,比如可以利用相似度作為度量,然后設置一個閾值,閾值設置完畢之后就可以進行對比,如果相似度超過規(guī)定閾值,則判定模式匹配成功。
模式匹配成功之后,人工智能需要將機器語言轉換為人們可以理解的自然語言,這樣就可以使用語義分析技術,將識別的結果提供給人們,幫助人們進行決策,比如下達下一步操作指令等。
4 結束語
人工智能是人來未來科技發(fā)展的最終趨勢,也是當前計算機技術研究和應用的熱點,經過多年的普及,人工智能的特征提取、模式匹配和語義分析越來越準確,從識別機器語言發(fā)展到識別人們的自然語言,能夠提高在智能制造、人機交互、虛擬現實、文本檢索、視頻追蹤的快速性和準確度,具有重要的作用。
參考文獻
[1]石錦閃.電氣工程自動化中人工智能的應用研究[J].電子技術與軟件工程,2015(17):286-286.
[2]陶九陽,吳琳,胡曉峰.AlphaGo技術原理分析及人工智能軍事應用展望[J].指揮與控制學報,2016,2(02):114-120.
[3]歐陽玉峰,周瑩瑩.計算機網絡技術中人工智能的應用解析[J].數字技術與應用,2016(01):98-98.
作者單位
遼寧省本溪市高級中學 遼寧省本溪市 117000