Sztuczna inteligencja - obszary badawcze

Dziedzina sztucznej inteligencji jest ogromna pod względem szerokości i szerokości. Kontynuując, bierzemy pod uwagę szeroko rozpowszechnione i dobrze prosperujące obszary badawcze w dziedzinie sztucznej inteligencji -

Rozpoznawanie mowy i głosu

Te oba terminy są powszechne w robotyce, systemach eksperckich i przetwarzaniu języka naturalnego. Chociaż terminy te są używane zamiennie, ich cele są różne.

Rozpoznawanie mowy Rozpoznawanie głosu
Rozpoznawanie mowy ma na celu zrozumienie i zrozumienie WHAT zostało powiedziane. Celem rozpoznawania głosu jest rozpoznawanie WHO mówi.
Jest używany do obsługi komputera bez użycia rąk, nawigacji na mapie lub w menu. Służy do identyfikacji osoby poprzez analizę jej tonu, wysokości głosu, akcentu itp.
Maszyna nie wymaga szkolenia w zakresie rozpoznawania mowy, ponieważ nie jest zależna od mówcy. Ten system rozpoznawania wymaga przeszkolenia, ponieważ jest zorientowany na osobę.
Systemy rozpoznawania mowy niezależne od mówcy są trudne do opracowania. Systemy rozpoznawania mowy zależne od mówcy są stosunkowo łatwe do opracowania.

Działanie systemów rozpoznawania mowy i głosu

Treść wprowadzana przez użytkownika wypowiadana przez mikrofon trafia do karty dźwiękowej systemu. Konwerter zamienia sygnał analogowy na równoważny sygnał cyfrowy do przetwarzania mowy. Baza danych służy do porównywania wzorców dźwiękowych w celu rozpoznawania słów. Na koniec do bazy danych przekazywana jest informacja zwrotna.

Ten tekst w języku źródłowym zostaje wprowadzony do silnika tłumaczeń, który przekształca go w tekst w języku docelowym. Obsługiwane są przez interaktywne GUI, dużą bazę słownictwa itp.

Zastosowania obszarów badawczych w prawdziwym życiu

Istnieje szeroka gama aplikacji, w których sztuczna inteligencja służy zwykłym ludziom w ich codziennym życiu -

Sr.No. Obszary badawcze Aplikacja z prawdziwego życia
1

Expert Systems

Przykłady - systemy śledzenia lotu, systemy kliniczne.

2

Natural Language Processing

Przykłady: funkcja Google Now, rozpoznawanie mowy, automatyczne generowanie głosu.

3

Neural Networks

Przykłady - systemy rozpoznawania wzorców, takie jak rozpoznawanie twarzy, rozpoznawanie znaków, rozpoznawanie pisma ręcznego.

4

Robotics

Przykłady - roboty przemysłowe do przemieszczania, natryskiwania, malowania, precyzyjnego sprawdzania, wiercenia, czyszczenia, powlekania, rzeźbienia itp.

5

Fuzzy Logic Systems

Przykłady - elektronika użytkowa, samochody itp.

Klasyfikacja zadań AI

Dziedzina sztucznej inteligencji jest podzielona na Formal tasks, Mundane tasks, i Expert tasks.

Domeny zadaniowe sztucznej inteligencji
Pospolite (zwykłe) zadania Zadania formalne Zadania eksperckie
Postrzeganie
  • Wizja komputerowa
  • Mowa, głos
  • Mathematics
  • Geometry
  • Logic
  • Integracja i różnicowanie
  • Engineering
  • Wykrywanie usterek
  • Manufacturing
  • Monitoring
Przetwarzanie języka naturalnego
  • Understanding
  • Generowanie języka
  • Tłumaczenie językowe
Gry
  • Go
  • Szachy (Deep Blue)
  • Ckeckers
Analiza naukowa
Zdrowy rozsądek Weryfikacja Analiza finansowa
Rozumowanie Dowodzenie twierdzeń Diagnoza medyczna
Planowanie Kreatywność
Robotyka
  • Locomotive

Ludzie się uczą mundane (ordinary) tasksod urodzenia. Uczą się poprzez percepcję, mówienie, używanie języka i lokomotyw. Później uczą się zadań formalnych i zadań eksperckich, w tej kolejności.

Dla ludzi przyziemne czynności są najłatwiejsze do nauczenia. To samo uznawano za prawdę, zanim spróbowano wdrożyć przyziemne zadania w maszynach. Wcześniej cała praca AI koncentrowała się w domenie zadań przyziemnych.

Później okazało się, że maszyna wymaga większej wiedzy, złożonej reprezentacji wiedzy i skomplikowanych algorytmów do obsługi przyziemnych zadań. to jest powódwhy AI work is more prospering in the Expert Tasks domain teraz, ponieważ dziedzina zadań eksperckich wymaga wiedzy eksperckiej bez zdrowego rozsądku, która może być łatwiejsza do przedstawienia i obsługi.