Intelligence artificielle - Domaines de recherche

Le domaine de l'intelligence artificielle est énorme en largeur et en largeur. En procédant, nous considérons les domaines de recherche largement communs et prospères dans le domaine de l'IA -

Reconnaissance vocale et vocale

Ces deux termes sont courants dans la robotique, les systèmes experts et le traitement du langage naturel. Bien que ces termes soient utilisés de manière interchangeable, leurs objectifs sont différents.

Reconnaissance de la parole Reconnaissance vocale
La reconnaissance vocale vise à comprendre et à comprendre WHAT a été parlé. L'objectif de la reconnaissance vocale est de reconnaître WHO est en train de parler.
Il est utilisé dans l'informatique mains libres, la carte ou la navigation dans les menus. Il est utilisé pour identifier une personne en analysant son ton, sa voix, son accent, etc.
La machine n'a pas besoin de formation pour la reconnaissance vocale car elle ne dépend pas du locuteur. Ce système de reconnaissance nécessite une formation car il est orienté vers la personne.
Les systèmes de reconnaissance vocale indépendants du locuteur sont difficiles à développer. Les systèmes de reconnaissance vocale dépendants du locuteur sont relativement faciles à développer.

Fonctionnement des systèmes de reconnaissance vocale et vocale

L'entrée utilisateur prononcée à un microphone va à la carte son du système. Le convertisseur transforme le signal analogique en un signal numérique équivalent pour le traitement de la parole. La base de données est utilisée pour comparer les modèles sonores pour reconnaître les mots. Enfin, une rétroaction inverse est donnée à la base de données.

Ce texte dans la langue source devient une entrée dans le moteur de traduction, qui le convertit en texte dans la langue cible. Ils sont pris en charge par une interface graphique interactive, une grande base de données de vocabulaire, etc.

Applications réelles des domaines de recherche

Il existe un large éventail d'applications dans lesquelles l'intelligence artificielle est au service des gens ordinaires dans leur vie quotidienne -

N ° Sr. Domaines de recherche Application réelle
1

Expert Systems

Exemples - Systèmes de suivi de vol, systèmes cliniques.

2

Natural Language Processing

Exemples: fonctionnalité Google Now, reconnaissance vocale, sortie vocale automatique.

3

Neural Networks

Exemples - Systèmes de reconnaissance de formes tels que la reconnaissance faciale, la reconnaissance de caractères, la reconnaissance de l'écriture manuscrite.

4

Robotics

Exemples - Robots industriels pour le déplacement, la pulvérisation, la peinture, le contrôle de précision, le perçage, le nettoyage, le revêtement, la sculpture, etc.

5

Fuzzy Logic Systems

Exemples - Electronique grand public, automobiles, etc.

Classification des tâches de l'IA

Le domaine de l'IA est classé en Formal tasks, Mundane tasks, et Expert tasks.

Domaines de tâches de l'intelligence artificielle
Tâches banales (ordinaires) Tâches formelles Tâches d'experts
la perception
  • Vision par ordinateur
  • Parole, voix
  • Mathematics
  • Geometry
  • Logic
  • Intégration et différenciation
  • Engineering
  • Trouver à redire
  • Manufacturing
  • Monitoring
Traitement du langage naturel
  • Understanding
  • Génération de langue
  • La traduction de la langue
Jeux
  • Go
  • Échecs (bleu profond)
  • Ckeckers
Analyse scientifique
Bon sens Vérification Analyse financière
Raisonnement Preuve du théorème Diagnostic médical
Rabotage La créativité
Robotique
  • Locomotive

Les humains apprennent mundane (ordinary) tasksdepuis leur naissance. Ils apprennent par la perception, en parlant, en utilisant la langue et les locomotives. Ils apprennent les tâches formelles et les tâches d'experts plus tard, dans cet ordre.

Pour les humains, les tâches banales sont les plus faciles à apprendre. La même chose était considérée comme vraie avant d'essayer d'implémenter des tâches banales dans des machines. Auparavant, tout le travail de l'IA était concentré dans le domaine des tâches banales.

Plus tard, il s'est avéré que la machine nécessite plus de connaissances, une représentation complexe des connaissances et des algorithmes compliqués pour gérer des tâches banales. C'est la raisonwhy AI work is more prospering in the Expert Tasks domain maintenant, le domaine des tâches expertes a besoin de connaissances d'experts sans bon sens, qui peuvent être plus faciles à représenter et à gérer.