首页 理论教育人工智能技术层:基础运算平台与数据资源的应用

人工智能技术层:基础运算平台与数据资源的应用

【摘要】:技术层主要依托基础层的运算平台和数据资源进行海量识别训练和机器学习建模,以开发面向不同领域的应用技术,包括感知智能和认知智能。国内的人工智能技术层主要聚焦于计算机视觉、自然语言处理以及机器学习领域。语音识别的关键是基于大量样本数据的识别处理,国内大多数语音识别技术商都在平台化的方向上发力,以通过不同平台以及软硬件方面的数据和技术积累不断提高识别准确率。

技术层是人工智能产业发展的核心。技术层主要依托基础层的运算平台和数据资源进行海量识别训练和机器学习建模,以开发面向不同领域的应用技术,包括感知智能和认知智能。

感知智能通过传感器搜索引擎人机交互等实现人与信息的连接,获得建模所需数据,如语音识别、图像识别、自然语音处理和生物识别等;认知智能对获取的数据进行建模运算,利用深度学习等类人脑的思考功能得出结果。可见,只有在技术层基础上,人工智能才能够掌握“看”与“听”的基础性信息输入与处理能力,才能面向用户演变出更多的应用型产品。

国内的人工智能技术层主要聚焦于计算机视觉、自然语言处理以及机器学习领域。

在计算机视觉领域,动静态图像识别和人脸识别是主要研究方向,目前由于动态检测与识别的技术门槛限制,静态图像识别与人脸识别的研究暂时处于领先位置,代表企业如百度、旷视科技、格灵深瞳等。

自然语言处理包括语音与语义识别两方面。语音识别的关键是基于大量样本数据的识别处理,国内大多数语音识别技术商都在平台化的方向上发力,以通过不同平台以及软硬件方面的数据和技术积累不断提高识别准确率。在通用识别率上,各企业的成绩基本维持在95%左右,真正差异化在于对垂直领域的定制化开发,代表企业如科大讯飞、思必驰、云知声等。

机器学习目前重点谋求在算法领域实现突破,当前主流算法如深度神经网络卷积神经网络及循环神经网络等都需要构建庞大的神经元体系,投入非常大,因此该领域主要为互联网巨头公司布局。由于巨头公司业务领域和战略不同,机器学习侧重方向也略有不同,各公司在基础算法研究的同时也会注重在特定行业的应用,例如京东DNN实验室研究神经网络算法,但主要方向在智能客服领域。