浅谈人工智能,机器学习,计算机视觉之间的关系

版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/Lebronze/article/details/54572222

计算机视觉相当于是人工智能的大门,如果这个门不打开,就没有办法真的研究真实世界的人工智能。因为视觉信息与听觉触觉相比要重要得多,人的大脑皮层70%的活动都在处理视觉信息,如果没有视觉信息的话,整个人工智能只是一个空架子,只能做符号推理(下棋,定理证明等)。

计算机视觉相当于一个研究领域,有很多问题要研究。而机器学习更像是一个方法和工具。
本身应当叫统计学习,方法都是从概率领域拿来的,但是机器学习领军人物把统计和物理的数理模型,改名叫做机器,比如某某模型(model)叫某某机(machine);把一些层次模型(hierarchical model)说成网(net),搞出了许多机和网,就成了新的领域。
机器:统计模型。 学习:用数据来拟合模型。是计算机的人将统计的理论与方法应用到视觉、语音等领域,形成了机器学习这个模型。

机器学习与计算机视觉大概有60~70%的是重合的。

人工智能是终极目标,让机器像人那样的思考、处理事情。

解决问题的过程:抽象成问题(表达),寻找算法,实现。视觉是受任务驱动的,而任务是时刻在改变之中,我怎样通过这千千万万的任务,而不是简单一个分类,来驱动我的计算的过程,来找到我的需求,来支持我目前的任务,这是一个巨大的研究的方向 。

当你要去识别、分析一个模式,比如一个动物、人脸、 一个事件, 你首先要建立一个数理模型,这个模型通过数据来拟合,也就是当前的机器学习。那么,判断这个模型好坏,或者模型是否充分的一个依据是什么?产生式建模的方法就是对这个模型随机抽样,也就是合成(synthesis)。

阅读更多
换一批

没有更多推荐了,返回首页