[议论人工智能的论文]人工智能的利弊论文

议论人工智能的论文人工智能的利弊论文 人工智能是一门研究具有智能行为的计算模型，其最终的目的在于建立一个具有感知、推理、学习和联想，甚至是决策能力的计算机系统，快速的解决一些需要专业人才能解决的问题。以下是精心的议论人工智能的论文的相关资料，希望对你有帮助! 人工智能在模式识别中的应用研究 一、引言 随着计算机应用范围不断的拓宽，我们对于计算机具有更加有效的感知“能力”，诸如对声音、文字、图像、温度以及震动等外界信息，这样就可以依靠计算机来对人类的生存环境进行数字化改造。但是从一般的意义上来讲，当前的计算机都无法直接感知这些信息，而只能通过人在键盘、鼠标等外设上的操作才能感知外部信息。虽然摄像仪、图文扫描仪和话筒等相关设备已经部分的解决了非电信号的转换问题，但是仍然存在着识别技术不高，不能确保计算机真正的感知所采录的究竟是什么信息。这直接使得计算机对外部世界的感知能力低下，成为计算机应用发展的瓶颈。这时，能够提高计算机外部感知能力的学科模式识别应运而生，并得到了快速的发展。 人工智能中所提到的模式识别是指采用计算机来代替人类或者是帮助人类来感知外部信息，可以说是一种对人类感知能力的一种仿真模拟。它探讨的是计算机模式识别系统的建立，通过计算机系统来模拟人类感官对外界信息的识别和感知。 二、人工智能和模式识别 (一)人工智能。人工智能(Artificial Intelligence)，是相对与人的自然智能而言的，它是指采用人工的方法及技术，对人工智能进行模仿、延伸及扩展，进而实现“机器思维”式的人工智能。简而言之，人工智能是一门研究具有智能行为的计算模型，其最终的目的在于建立一个具有感知、推理、学习和联想，甚至是决策能力的计算机系统，快速的解决一些需要专业人才能解决的问题。从本质上来讲，人工智能是一种对人类思维及信息处理过程的模拟和仿真。 在这里的模式识别，我们可以将之理解成为：根据识别对象具有特征的观察值来将其进行分类的一个过程。采用计算机来进行模式识别，是在上世纪60年代初发展起来的一门新兴学科。 三、人工智能在模式识别中的应用 (一)数字识别及语音识别。在数字识别的过程中，对于手写体的识别一直是一个难题，而其又在邮政编码的识别、银行业务等方面具有较为广泛的应用，但是其字体形式变化较大，导致提高对其的识别率成为了一个难题，精准的识别存在着较大的困难。而采用人工智能中的神经网络技术后，系统可以利用神经网络的学习及快速并行功能来实现对手写数字的快速识别，有力的提高相关运用领域的工作效率。 而语音识别，简单的将就是能使得计算机能听懂人所说的话，一个典型的例子就是七国语言(中、日、英、意、韩、法、德)口语自动翻译系统，它可以将人说的话翻译成为机器所设定的目的语言，在整个过程中不需要翻译人员的参与。其中的中文部分实验平台设置在中科院自动化所的模式识别国家重点实 验室中，这标志着我国的机器口语翻译研究已经跨入世界先进行列。在这个系统的功能实现之后，出guo旅行需要预定旅馆、购买机票、就餐等需要和外国人进行对话时，只需要利用电话 网络或者是国际互联网就能够顺利的和对方进行通话，进行 语言交流。 (二)人脸立体识别模式。人脸识别的过程主要包括这样三个主要的部分：其一，人脸模式库，即与所采集的实时图像进行对比，判断其是否存在于人脸模式库当中，若存在，则给出每个人脸的位置和大小等相关的脸部信息;其二，对面部特征进行定位，即对每一个人脸的主要器官进行检测，包括对其的具体位置和形状等特征进行具体的信息收集，然后将之进行归一化的处理;其三，比对，即根据所采集到得人脸面部特征来和人脸模式库中的图像进行对比，之后对该人脸的身份进行核实。 常见的人脸识别技术大部分可以归为这样三个类型：采用基于几何特征的方法，基于模板的方法以及基于模型的方 法。其中，基于几何特征的方法最为常见，它通常需要与其他的算法进行结合之后才能形成比较好的识别效果;而基于模板的方法又能够分为基于匹配的方法、脸部特征的方法、线性判别分析的方法、神经网络方法以及奇异值分解方法等;再次，基于模型的方法主要包括基于隐马尔可夫模型、主动外观模型和主动形状模型方法等。 采用人脸识别模式来进行身份验证具有明显的有点，诸如：易用性好、准确度高、隐私性能好、稳定性好，且能被大部分的用户容所接受。人脸二维图像的识别已经基本实现，但是基于三维的立体图像人脸识别技术却处于研发阶段。人脸的二维及三维模型