人工智能基础解释
人工智能基础解释
人工智能的发展阶段
人工智能发展成熟度可以分为:弱人工智能、强人工智能、超人工智能
释义:
弱人工智能:指AI智能在限定场景下解决一些问题,例如:人脸识别
强人工智能:在通用领域,能够胜任人类的所有工作,暂时还未达到
超人工智能:即远超人类的智慧,即科幻电影中,机器人等;
当前阶段:由于大语言模型的出现,使得大家认为实现强人工智能的实现可行性,目前在处在强人工智能的曙光阶段。
研究方向
方向 | 英文简称 | 举例 | 成熟度 |
---|---|---|---|
语音合成 | TTS | 文字转语音 | |
语音识别 | ASR | 用户语音转文字 | |
字符识别 | OCR | 停车识别车牌号 | 成熟 |
机器翻译 | MT | 翻译 | |
图像识别 | CV | 识别猫狗、人脸 | |
语义理解 | NLP/NLU | 对话、意图识别 | |
声纹识别 | / | 成熟 | |
指纹识别 | / | 手机解锁 | 成熟 |
… | … | … | … |
图像识别和字符识别区别:
都是CV的分支,区别在OCR更强调识别图像中的文字,提取具体的字符;图像识别强调对图像内容的理解,比如:图片中是否为猫等
实现技术
实现上述的研究方向的问题,有多种方法,当前比较被认为是主流的技术即机器学习技术;在机器学习中,被追捧的当属深度学习技术。
人工智能三架马车
算法: 即人工智能模型
数据: 人工智能训练时使用的数据、知识
算力: 用来训练人工智能的机器
人工智能的发展,更多的是依赖于数据的膨胀和硬件性能的提升,例如当前的很多经典模型使用的仍然是几十年前提出的。
自然语言处理方向(Natural Language Processing)
NLP目标–人机交互
- 问答搜素
传统的搜索引擎是其重要的应用领域之一;关注人工智能领域就会发现,LLM出来时,业内都在说会重塑搜素业态。 - 闲聊对话
- 指令操作
- 机器翻译
- …
价值: 随时对语言的理解和能力的加强,就能够通过对指令的理解,辅助生活和工作。比如当前电车中拥有的智能泊车;所以就从语义指令的理解和执行,未来还有巨大的空间。
NLP目标–数据分析/挖掘
- 舆情分析
- 文本分类
- 知识抽取
- 命名实体识别
- …
价值 即通过大量的文本,通过数据挖掘,从而提取出关键的意见和主要的问题点,辅助决策和选择。比如淘宝大量评论进行智能总结,挖掘大家对产品喜爱的原因
NLP场景难点
类别 | 案例 |
---|---|
划分语义边界 | 我背有点驼,麻麻说“你的背得背背背背佳” |
语言的递归性 | 你们货拉拉拉不拉拉布拉多 |
同文歧义 | 女孩给男朋友打电话:如果你到了,我还没到,你就等着吧;如果我到了,你还没到,你就等着吧 |
语义语序关联 | 情有可原罪无可恕;罪无可恕情有可原 |
暗喻 | 领导:你这什么意思?小明:没什么意思,意思意思 |
图灵测试
释义:即1950年图灵提出的如何判断机器是否智能?则让机器冒充人进行对话,如果有百分之70的人无法识别,则认为智能
业内认识:机器的智能不是追求人的感知;而是追求尽可能强大的、通用的人工智能;即只要机器能够强大完成相关任务,人类判断机器是否为人工智能不重要。例如:大语言模型-ChatGPT等在对话中,反而要反复强调其是人工智能这一事实