Inteligência Artificial - Áreas de Pesquisa
O domínio da inteligência artificial é enorme em largura e largura. Ao prosseguir, consideramos as áreas de pesquisa amplamente comuns e prósperas no domínio da IA -
Fala e Reconhecimento de Voz
Esses dois termos são comuns em robótica, sistemas especialistas e processamento de linguagem natural. Embora esses termos sejam usados alternadamente, seus objetivos são diferentes.
| Reconhecimento de fala | Reconhecimento de voz |
|---|---|
| O reconhecimento de fala visa a compreensão e compreensão WHAT foi falado. | O objetivo do reconhecimento de voz é reconhecer WHO está falando. |
| Ele é usado em computação manual, mapa ou navegação de menu. | É usado para identificar uma pessoa analisando seu tom, tom de voz e sotaque, etc. |
| A máquina não precisa de treinamento para reconhecimento de fala, pois não depende do alto-falante. | Este sistema de reconhecimento precisa de treinamento, pois é orientado para a pessoa. |
| Os sistemas de reconhecimento de voz independentes do locutor são difíceis de desenvolver. | Os sistemas de reconhecimento de fala dependentes de alto-falante são comparativamente fáceis de desenvolver. |
Funcionamento de sistemas de reconhecimento de voz e voz
A entrada do usuário falada em um microfone vai para a placa de som do sistema. O conversor transforma o sinal analógico em sinal digital equivalente para o processamento da fala. O banco de dados é usado para comparar os padrões de som para reconhecer as palavras. Finalmente, um feedback reverso é fornecido ao banco de dados.
Esse texto do idioma de origem se torna uma entrada para o Mecanismo de Tradução, que o converte no texto do idioma de destino. Eles são suportados com GUI interativa, grande banco de dados de vocabulário, etc.
Aplicações de áreas de pesquisa na vida real
Há uma grande variedade de aplicações onde a IA está servindo pessoas comuns em suas vidas diárias -
| Sr. Não. | Áreas de Pesquisa | Aplicativo da vida real |
|---|---|---|
| 1 | Expert Systems Exemplos - Sistemas de rastreamento de voo, Sistemas clínicos. |
|
| 2 | Natural Language Processing Exemplos: recurso Google Now, reconhecimento de fala, saída automática de voz. |
|
| 3 | Neural Networks Exemplos - sistemas de reconhecimento de padrões, como reconhecimento de rosto, reconhecimento de caracteres, reconhecimento de caligrafia. |
|
| 4 | Robotics Exemplos - robôs industriais para movimentação, pulverização, pintura, verificação de precisão, perfuração, limpeza, revestimento, escultura, etc. |
|
| 5 | Fuzzy Logic Systems Exemplos - eletrônicos de consumo, automóveis, etc. |
|
Classificação de tarefas de IA
O domínio da IA é classificado em Formal tasks, Mundane tasks, e Expert tasks.
| Domínios de tarefas de inteligência artificial | ||
|---|---|---|
| Tarefas mundanas (comuns) | Tarefas Formais | Tarefas de Especialista |
Percepção
|
|
|
Processamento de linguagem natural
|
Jogos
|
Análise Científica |
| Senso comum | Verificação | Analise financeira |
| Raciocínio | Prova de Teorema | Diagnóstico médico |
| Planing | Criatividade | |
Robótica
|
||
Humanos aprendem mundane (ordinary) tasksdesde seu nascimento. Eles aprendem por percepção, fala, linguagem e locomotivas. Eles aprendem Tarefas Formais e Tarefas Especializadas posteriormente, nessa ordem.
Para os humanos, as tarefas mundanas são mais fáceis de aprender. O mesmo foi considerado verdadeiro antes de tentar implementar tarefas mundanas em máquinas. Anteriormente, todo o trabalho de IA estava concentrado no domínio da tarefa mundana.
Mais tarde, descobriu-se que a máquina requer mais conhecimento, representação de conhecimento complexa e algoritmos complicados para lidar com tarefas mundanas. Esta é a razãowhy AI work is more prospering in the Expert Tasks domain agora, como o domínio da tarefa de especialista precisa de conhecimento de especialista sem bom senso, que pode ser mais fácil de representar e manipular.