人工智能五大分支，带你了解不一样的人工智能！

人工智能主要分支介绍

在这一节中我们将深入探讨通讯感知与行动作为现代人工智能体系中的三大核心功能它们构成了该领域的重要理论基础并在此基础上我们还将结合具体应用场景对这三大核心技术区域展开详细阐述

• 计算机视觉领域
  • 自然语言处理(NLP)
  • 在自然语言处理领域内，将涵盖文本信息提取与分类、机器翻译技术以及语音识别系统的集成应用。
  • 机器人技术的发展

1、分支一：计算机视觉

计算机视觉(CV)被视为机器理解和解读环境能力的一种方式。该类别的典型任务包括生成清晰图像、执行复杂的图像操作以及进行三维空间推理。这些领域的研究相对较为成熟。

当前阶段：

计算机视觉已在多个领域取得显著应用，并被视为技术发展的重点领域之一。随着深度学习的进步，在某些特定领域已展现超越人类的能力。然而，在社会实际影响方面仍需进一步努力直至机器能在所有场景下达到与人类相当水平（包括感知其环境的所有相关方面）。

发展历史：

2、分支二：语音识别

语音识别涉及识别说出的语言，并将其转换为对应文本的技术。反过来的任务（即文本转语音/Text-to-Speech, TTS），也是这一领域内的一个重要研究方向。

当前阶段：

语音识别技术已持续应用于实际领域较长时间。近年来，在大数据与深度学习技术的推动下，语音识别取得了显著进展。目前这一技术已逐渐向社会影响阶段迈进。

在语音识别技术领域中仍需应对生物特征识别以及「鸡尾酒会效应」等一些特殊挑战。

现代语音识别系统严重依赖于云计算技术，在进行离线处理时可能会导致预期的理想效果难以实现。

发展历史：

百度语音识别：

距离小于1米，中文字准率97%+

支持耳语、长语音、中英文混合及方言

3、分支三：文本挖掘/分类

该技术主要关注于对文本内容进行分类处理，并能够有效地帮助人们理解和整理结构化以及非结构化的文档资料。具体而言，该技术涉及的主要任务包括语法分析、情感分析以及垃圾信息识别。

当前阶段：

我们把这项技术划分到应用阶段。由于目前已有众多的应用都集成了一种基于文本挖掘的情绪分析或垃圾信息检测的技术。文本挖掘技术在智能投顾的开发中得到了应用，并且显著地提升了用户体验。

文本挖掘和分类领域的一个瓶颈出现在歧义和有偏差的数据上。

发展历史：

4、分支四：机器翻译

机器翻译系统（MT）能够通过其强大的计算能力实现从源语到目标语的文字转换过程。

当前阶段：

作为经历了漫长发展过程的应用领域之一，机器翻译已经积累了深厚的技术基础。然而，在专业译者水平方面仍需进一步提升；尽管如此，在大数据、云计算以及深度学习技术的支持下，未来这一技术有望迅速融入社会生活阶段。

在某些情况下，俚语和行话等内容的翻译会比较困难(受限词表问题)。

专业领域的机器翻译(比如医疗领域)表现通常不好。

发展历史：

5、分支五：机器人

机器人学(Robotics)是对机械装置进行设计、制造及调控相关电子系统的学科，并涉及其中运行与应用领域中所运用的数据处理流程以及传感器反馈机制。

机器人可分为两大类：固定型与移动型。
固定型机器人大都应用于工业生产场景（如装配线作业）。
常见的移动型机器人应用包括货运机器人、空中机器人以及自动运载设备。
实现最优作业任务时，各组分部件与系统需协同配合完成。
其中硬件部分主要包括传感器装置、反应装置以及控制器；此外还配备了能够执行感知功能的软件系统。
例如定位技术的应用、地图测绘功能以及目标识别系统的部署是其关键组成部分之一。

当前阶段：

自上世纪"Robot"这一术语诞生以来,人类已为此类技术开发出了众多工业机器人.该技术领域的市场增长率位居各相关产业之首,而在20世纪80年代初,此技术就已经开始应用于生产制造环节.安川电机、Fanuc、ABB以及库卡等企业的努力使我们观察到,步入了新时代以后,Robots已在社会层面发挥着越来越重要的作用.目前此类设备几乎已成为各类生产线的核心组件.随着技术的进步,在多个行业中都能看到软体机器人的身影,从医疗领域的手术协助到金融行业的自动化交易处理都有其身影.

然而

发展历史：

总体而言，在人工智能研究前沿正在逐步由信息检索、认知科学与推理等领域发展为机器学习（ML）、深度计算（DL）、计算机视觉（CV）以及机器人（R）等新兴交叉学科的发展趋势。

相当一部分早期技术已进入应用领域，并且在社会上产生了较大影响。有些新技术仍停留在工程或研究层面，并且我们注意到转移速度加快了。