賴偉良

(廣州城建職業(yè)學(xué)院，廣東 廣州 510000)

0 引言

目前，計(jì)算機(jī)人工智能識(shí)別技術(shù)的應(yīng)用范圍較廣，比如無(wú)生命特征的技術(shù)實(shí)踐領(lǐng)域有二維碼識(shí)別、機(jī)器翻譯和基于神經(jīng)網(wǎng)絡(luò)的類型識(shí)別等；有生命特征的技術(shù)實(shí)踐領(lǐng)域誕生了語(yǔ)音識(shí)別、面部識(shí)別和指紋識(shí)別等。這些技術(shù)的應(yīng)用滿足了現(xiàn)代社會(huì)發(fā)展的相關(guān)需求。但計(jì)算機(jī)人工智能識(shí)別技術(shù)誕生較近，技術(shù)還不夠成熟，所以在應(yīng)用中存在一些亟需突破的瓶頸問題。突破這些瓶頸以促使該技術(shù)得到更好的發(fā)展和應(yīng)用，將是該領(lǐng)域未來(lái)發(fā)展的重中之重。

1 計(jì)算機(jī)人工智能識(shí)別技術(shù)

計(jì)算機(jī)人工智能識(shí)別技術(shù)的核心是用計(jì)算機(jī)對(duì)人類智能進(jìn)行模擬，進(jìn)而促使計(jì)算機(jī)通過模仿人類的判別思維來(lái)達(dá)成識(shí)別的目的。例如人類看到了一個(gè)熟悉的面孔，會(huì)通過大腦的思維判別，自主識(shí)別出對(duì)方的身份，而利用人工智能技術(shù)進(jìn)行面部識(shí)別與之類似，也是通過掃描被識(shí)別者的面部信息，然后將其與已納入面部模型庫(kù)中的“熟悉面孔”進(jìn)行對(duì)比，進(jìn)而實(shí)現(xiàn)身份的識(shí)別確認(rèn)。將計(jì)算機(jī)人工智能識(shí)別技術(shù)廣泛應(yīng)用于生活和工作，可以實(shí)現(xiàn)對(duì)人力資源的解放，很多識(shí)別確認(rèn)類的工作交由系統(tǒng)自動(dòng)完成，極大地提升了工作質(zhì)量和效率。

與歐美等發(fā)達(dá)國(guó)家相比，我國(guó)對(duì)計(jì)算機(jī)人工智能識(shí)別技術(shù)的研究起步較晚，但因?yàn)閲?guó)家和相關(guān)企業(yè)高度重視，目前我國(guó)在該技術(shù)的研究方面，尤其是在實(shí)踐應(yīng)用領(lǐng)域取得了很多積極成果，推動(dòng)了該技術(shù)在我國(guó)的應(yīng)用水平的提升。但目前該技術(shù)在應(yīng)用過程中還存在一些瓶頸和難點(diǎn)，比如成本較高、可靠性不足等等，對(duì)技術(shù)的應(yīng)用深化形成了一定的阻礙，也是現(xiàn)階段亟待解決和攻克的問題。

2 計(jì)算機(jī)人工智能識(shí)別技術(shù)的應(yīng)用實(shí)踐

2.1 無(wú)生命特征的技術(shù)應(yīng)用實(shí)踐

2.1.1 二維碼識(shí)別

二維碼識(shí)別是條形碼識(shí)別技術(shù)在實(shí)際應(yīng)用中的一種形式，它通過使用二維碼生成程序，可以自動(dòng)產(chǎn)生一種黑白相間且呈現(xiàn)出規(guī)律性排布的平面圖形，這個(gè)圖形具有唯一性的特征，可以對(duì)相關(guān)的信息技術(shù)進(jìn)行保存記錄。在此基礎(chǔ)上，利用二維碼掃描程序就可以實(shí)現(xiàn)對(duì)圖像信息的自動(dòng)識(shí)別和處理，促使信息顯性化。該技術(shù)目前在世界范圍內(nèi)得到了廣泛應(yīng)用，在國(guó)內(nèi)更是如此，例如支付寶、微信、云閃付等移動(dòng)app的支付掃碼功能，以及QQ、微博等很多軟件客戶端的賬戶登錄功能等，這些都為人們的生活、工作帶來(lái)了極大便利。

2.1.2 機(jī)器翻譯

機(jī)器翻譯可以實(shí)現(xiàn)對(duì)不同語(yǔ)言類型及其內(nèi)容的識(shí)別，然后再以用戶需要的語(yǔ)言類型進(jìn)行展示重現(xiàn)，實(shí)現(xiàn)不同語(yǔ)言類型間的翻譯轉(zhuǎn)換。目前已經(jīng)成熟的產(chǎn)品有谷歌翻譯、有道翻譯等。目前該技術(shù)在應(yīng)用中還存在一些問題需要解決，比如機(jī)器翻譯一般都是逐詞翻譯，不像人工翻譯會(huì)對(duì)句子的結(jié)構(gòu)和語(yǔ)序進(jìn)行調(diào)整，導(dǎo)致翻譯出來(lái)句子比較機(jī)械化，甚至可能出現(xiàn)歧義。

此外，機(jī)器翻譯的本質(zhì)是直翻，缺乏上下文間的聯(lián)系功能，在對(duì)整篇文章或整個(gè)段落進(jìn)行翻譯時(shí)不能結(jié)合全文意思進(jìn)行綜合分析判斷，因此翻譯質(zhì)量有待提升。

2.1.3 神經(jīng)網(wǎng)絡(luò)識(shí)別

神經(jīng)網(wǎng)絡(luò)是人工智能技術(shù)中的一個(gè)重要分支，通過構(gòu)建神經(jīng)網(wǎng)絡(luò)模型可以實(shí)現(xiàn)智能識(shí)別。比如對(duì)于設(shè)備故障類型的識(shí)別，人工識(shí)別主要是借助故障診斷人員的檢測(cè)和觀察，提取故障的主要特征，然后調(diào)用大腦中的相關(guān)知識(shí)和經(jīng)驗(yàn)進(jìn)行推理，最終完成對(duì)故障的判別。而神經(jīng)網(wǎng)絡(luò)模型是先對(duì)以往的故障案例進(jìn)行搜集分析，將故障的表現(xiàn)特征作為網(wǎng)絡(luò)輸入，將故障類型作為網(wǎng)絡(luò)輸出，進(jìn)而實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)的訓(xùn)練。在出現(xiàn)新故障時(shí)，將傳感器檢測(cè)到的表現(xiàn)特征作為網(wǎng)絡(luò)輸入，網(wǎng)絡(luò)自動(dòng)生成可能性最高的故障類型，完成對(duì)故障的智能識(shí)別。

2.2 有生命特征的技術(shù)應(yīng)用實(shí)踐

2.2.1 語(yǔ)音識(shí)別

語(yǔ)音識(shí)別是計(jì)算機(jī)系統(tǒng)對(duì)人類的語(yǔ)音、思維進(jìn)行識(shí)別，并按照識(shí)別到的結(jié)果開展相關(guān)的分析與操作。比如很多即時(shí)通信軟件都同時(shí)支持發(fā)送語(yǔ)音和文字，并且可以實(shí)現(xiàn)語(yǔ)音和文字的相互轉(zhuǎn)換；又比如在智能家居、車載智能語(yǔ)音助手等相關(guān)應(yīng)用情景中，系統(tǒng)可以實(shí)現(xiàn)人機(jī)語(yǔ)音交互，通過對(duì)人類語(yǔ)音含義的識(shí)別完成相關(guān)操作并加以回饋，諸如根據(jù)語(yǔ)音信息自動(dòng)打開空調(diào)、電視；開車時(shí)根據(jù)語(yǔ)音提示實(shí)現(xiàn)自動(dòng)撥打電話等。在語(yǔ)音識(shí)別的應(yīng)用實(shí)踐中，有兩個(gè)方面的問題需要引起重視：首先，要對(duì)環(huán)境噪音進(jìn)行排除，過高的環(huán)境噪音會(huì)對(duì)語(yǔ)音清晰度產(chǎn)生影響，對(duì)正確識(shí)別造成不利影響；其次，考慮到各地方言的影響，在構(gòu)建語(yǔ)音識(shí)別系統(tǒng)時(shí)還必須實(shí)現(xiàn)對(duì)方言的自動(dòng)校正。

2.2.2 面部識(shí)別

面部識(shí)別系統(tǒng)需要先對(duì)身份確認(rèn)人員的面部信息進(jìn)行采集，并進(jìn)一步構(gòu)建面部模型庫(kù)。然后在進(jìn)行識(shí)別時(shí)，先對(duì)被識(shí)別者的面部信息進(jìn)行采集，并將采集到的面部模型及其上的關(guān)鍵特征(見圖1)與庫(kù)中模型及其特征進(jìn)行比對(duì)。如果匹配正確，即可以實(shí)現(xiàn)對(duì)身份信息的識(shí)別確認(rèn)。近年來(lái)，面部識(shí)別技術(shù)在很多場(chǎng)合都得到了應(yīng)用，比如有一些應(yīng)用軟件在進(jìn)行賬戶登錄時(shí)需要識(shí)別面部信息以完成身份確認(rèn)。最為典型的就是很多手機(jī)銀行在更換移動(dòng)終端登錄時(shí)，為了保證用戶財(cái)產(chǎn)安全，需要在賬戶密碼驗(yàn)證正確的基礎(chǔ)上再進(jìn)行面部識(shí)別以確認(rèn)身份。

圖1 面部識(shí)別時(shí)的關(guān)鍵特征點(diǎn)示例

2.2.3 指紋識(shí)別

指紋識(shí)別與面部識(shí)別的原理類似，也是先對(duì)身份確認(rèn)人員的指紋紋路及交叉點(diǎn)、斷點(diǎn)等特征信息進(jìn)行采集，并據(jù)此構(gòu)建指紋信息庫(kù)。在進(jìn)行識(shí)別時(shí)，先對(duì)被識(shí)別者的指紋信息進(jìn)行采集，并將采集到的信息在庫(kù)中進(jìn)行匹配，如果匹配正確，即可實(shí)現(xiàn)對(duì)身份信息的識(shí)別確認(rèn)。指紋識(shí)別在實(shí)踐中也有不少應(yīng)用，比如一些現(xiàn)代化的智能小區(qū)安裝有指紋鎖，居民在進(jìn)入自己房屋時(shí)需要驗(yàn)證指紋，實(shí)現(xiàn)了對(duì)鑰匙功能的替代；在辦理身份證和銀行開卡時(shí)也需要錄入指紋，后續(xù)在進(jìn)行相關(guān)業(yè)務(wù)辦理時(shí)則需要進(jìn)行指紋驗(yàn)證以確認(rèn)身份。

3 應(yīng)用瓶頸和解決對(duì)策

3.1 成本問題

計(jì)算機(jī)智能識(shí)別技術(shù)的應(yīng)用需要依靠相關(guān)軟硬件資源的支持，而這會(huì)帶來(lái)較高成本，成本問題一直是限制智能識(shí)別技術(shù)應(yīng)用的難題，這也是導(dǎo)致很多智能識(shí)別系統(tǒng)無(wú)法大范圍推廣的原因所在。比如帶語(yǔ)音交互功能的智能家電價(jià)格明顯高于普通家電，造成其無(wú)法成為市場(chǎng)上的消費(fèi)主流。針對(duì)這一問題，只能通過推動(dòng)技術(shù)發(fā)展來(lái)逐步克服。很多技術(shù)成品在誕生初期時(shí)的成本都比較高，但隨著其發(fā)展完善，成本會(huì)逐漸降低。比如智能手機(jī)上用到的劉海屏誕生伊始主要用在3 000元以上的產(chǎn)品上，但現(xiàn)在千元機(jī)也可以實(shí)現(xiàn)對(duì)劉海屏的標(biāo)配。

3.2 可靠性問題

計(jì)算機(jī)人工智能識(shí)別技術(shù)在識(shí)別可靠性方面還存在一定缺陷。比如語(yǔ)音識(shí)別會(huì)受到噪音干擾和方言影響；面部識(shí)別的準(zhǔn)確性會(huì)受到眼鏡、發(fā)型、妝容以及表情等因素的影響；指紋識(shí)別也存在可靠性問題，人在生活中會(huì)廣泛接觸周邊物體，導(dǎo)致指紋會(huì)留存于很多地方，如果這些指紋痕跡被不當(dāng)應(yīng)用，則可能會(huì)欺騙指紋識(shí)別系統(tǒng)。

針對(duì)這一問題，一方面需要加強(qiáng)對(duì)識(shí)別技術(shù)的深化研究，提升信息采集和AI識(shí)別算法的質(zhì)量；另一方面，可以綜合采用多種識(shí)別技術(shù)，比如進(jìn)行身份識(shí)別時(shí)綜合應(yīng)用面部識(shí)別、指紋識(shí)別、聲線識(shí)別甚至是虹膜識(shí)別，通過構(gòu)建多道安全鎖的方式來(lái)提升可靠度。

3.3 識(shí)別數(shù)據(jù)庫(kù)和知識(shí)庫(kù)有待豐富

從某種程度上講，人工智能識(shí)別系統(tǒng)能夠準(zhǔn)確識(shí)別到的對(duì)象數(shù)量決定了系統(tǒng)可完成事情的程度，如果系統(tǒng)構(gòu)建配置的識(shí)別模型限制較多，而待識(shí)別對(duì)象的特征又不在數(shù)據(jù)庫(kù)的存儲(chǔ)范圍內(nèi)時(shí)，系統(tǒng)就可能出現(xiàn)無(wú)法識(shí)別或識(shí)別錯(cuò)誤等情況。此外，人工智能識(shí)別是模仿人類的識(shí)別過程，需要將人類的識(shí)別知識(shí)內(nèi)化為系統(tǒng)的識(shí)別規(guī)則，而這就會(huì)帶來(lái)很多瓶頸限制：一是知識(shí)量比較大，需要構(gòu)建龐大的知識(shí)庫(kù)才能提升識(shí)別精度；二是知識(shí)往往是隱性的，難以將其描述成計(jì)算機(jī)系統(tǒng)能夠理解的識(shí)別規(guī)則，甚至有時(shí)人類自身雖然能夠做到識(shí)別，但也無(wú)法描述其背后的隱性機(jī)理，比如目前可以區(qū)分雙胞胎子女，但卻說不清如何區(qū)分和鑒別。

針對(duì)以上問題，首先要加強(qiáng)與大數(shù)據(jù)技術(shù)的結(jié)合應(yīng)用。利用大數(shù)據(jù)手段對(duì)識(shí)別領(lǐng)域內(nèi)的對(duì)象案例進(jìn)行廣泛采集，不斷豐富識(shí)別數(shù)據(jù)庫(kù)。第二，強(qiáng)化對(duì)機(jī)器學(xué)習(xí)和深度學(xué)習(xí)技術(shù)的應(yīng)用。人工智能識(shí)別系統(tǒng)在初始時(shí)可能會(huì)因?yàn)樽R(shí)別模型和規(guī)則的限制，出現(xiàn)各種識(shí)別錯(cuò)誤或漏識(shí)別的問題，但通過對(duì)錯(cuò)誤案例的自主學(xué)習(xí)，系統(tǒng)能對(duì)內(nèi)化的規(guī)則知識(shí)進(jìn)行優(yōu)化完善，使系統(tǒng)不斷獲得進(jìn)化提升。最后，人類對(duì)知識(shí)的使用過程具有機(jī)理復(fù)雜、非線性和非結(jié)構(gòu)化的特點(diǎn)，而傳統(tǒng)的結(jié)構(gòu)化數(shù)據(jù)庫(kù)給系統(tǒng)模仿人類進(jìn)行知識(shí)的存儲(chǔ)、管理和檢索造成了諸多約束，所以需要探索更貼近人類大腦的非結(jié)構(gòu)化知識(shí)庫(kù)模型。目前有學(xué)者提出了用復(fù)雜網(wǎng)絡(luò)進(jìn)行知識(shí)庫(kù)建模的觀點(diǎn)，給該問題的解決帶來(lái)了曙光。

4 結(jié)語(yǔ)

目前，人工智能識(shí)別技術(shù)在無(wú)生命特征的技術(shù)實(shí)踐領(lǐng)域和有生命特征的技術(shù)實(shí)踐領(lǐng)域均有廣泛應(yīng)用，給人類的生活帶來(lái)了極大的便利。該技術(shù)尚存在許多發(fā)展瓶頸，需要我們通過技術(shù)革新進(jìn)行解決，相信未來(lái)的人工智能識(shí)別技術(shù)將會(huì)越來(lái)越成熟，同時(shí)，由于成本進(jìn)一步降低，其應(yīng)用也會(huì)更加普及。