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
|
|
|
Przetwarzanie języka naturalnego
|
Gry
|
Analiza naukowa |
| Zdrowy rozsądek | Weryfikacja | Analiza finansowa |
| Rozumowanie | Dowodzenie twierdzeń | Diagnoza medyczna |
| Planowanie | Kreatywność | |
Robotyka
|
||
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.