随着计算机技术及人工智能技术的发展,像识别技术越来越成为人...
石晓明
[摘 要]计算机人工智能技术是计算机应用技术高度发展的产物，能够通过计算机程序和算法模拟人类的思维和行动，并通过计算机等输出设备进行展示。人工智能是以计算机技术为基础的多元交叉学科，目前已形成了较为完善的学科体系，识别技术是人工智能学科的重要技术分支之一，能够提供多样化的信息获取手段，为人工智能核心功能提供有效输入。
[关键词]计算机；人工智能识别技术；应用
中图分类号：G244 文献标识码：A 文章编号：1009-914X（2018）30-0181-01
1 人工智能概念
人工智能是研究使计算机来模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）的学科，主要包括计算机实现智能的原理、制造类似于人脑智能的计算机，使计算机能实现更高层次的应用。人工智能自1956年诞生以来，已经慢慢成为了一门日渐完善的理论基础、广泛交叉的前沿科学和日益广泛的应用领域，而如今由于计算机的出现，人类已经进入了一个全新的工业时代，以机器代替或减轻人的脑力劳动为主要标志。从思维观点看，人工智能不仅限于逻辑思维，要考虑形象思维、灵感思维才能促进人工智能的突破性的发展，数学常被认为是多种学科的基础科学，数学也进入语言、思维领域，人工智能学科也必须借用数学工具。
2 人工智能识别技术分类
2.1 无生命识别
第一，智能卡识别技术。智能卡是一种集成电路卡，其具有独立的运算和存储能力，也可以认为是一套简易系统，该系统可以与计算机系统有效结合，完成信息采集、信息传输、信息管理、信息加密等多项工作，其系统特点使其广泛被应用到物理识别领域，典型如车牌识别、物品跟踪等。第二，条形码识别技术。条形码可分为一维条码和二维条码，一维条码相对简单，但存储信息量和纠错能力比较弱，目前广泛应用于商品标识上。二位条码是一维条码的加强版，如果将一维条码比作行矩阵，则二维条码是的矩阵，故其具有信息容量大、存储类型多、纠错能力强等特点，目前被广泛应用在网络可达的各种数据存储和数据传输等领域。射频识别技术。此技术的识别介质主要为无线电磁波生成的电磁场，采用非接触式方式获取对象信息，并通过无线电信号将数据从标签中传送出去，能够实现自动识别和产品跟踪等功能。
2.2 有生命识别
第一，语音人工智能识别技术的应用思考。语音识别技术的目的是为了使计算机系统能够听懂人类的语言，并根据人类的语言完成相应的操作。该技术是当前人工智能中人机语言交互的重要技术，同时也是各国人工智能领域研究中的重点问题。同时随着语音智能识别技术产品的广泛应用，也表现出更多的优势，包括声控电话以及语音通信等。语音智能识别技术的应用中必须要排除周围环境的声音对其造成的影响，这就使得在一些公共场合，人们要想有效的通过语音识别来获得预想的操作是不现实的，这也使得语音识别系统的应用受到限制。而要想在嘈杂的环境中有效的应用语音识别技术，必须要应用到特殊的降噪麦克。第二，人脸人工智能识别技术的应用思考。人脸人工智能识别技术是通过对人脸关键部位的识别和分析，通过采集人的表情存储到数据库，然后通过对人脸关键部位以及表情的对比和分析进行识别。当前，我国在人脸识别技术上已经取得了一定的成功，但是在实际的应用过程中却还存在一些无法解决的问题。比如发型、化妆以及环境等因素都可能为人脸识别技术的应用带来较大的困难。即使是一些神经认知以及生理学家等通过数十年的努力也难以对人脸识别技术的瓶颈进行突破。人类对陌生面孔的识别也不是完全准确的，特别是对一些具有相似的长相的人来说，虽然人可以区别，但是对如何进行鉴别却难以描述。那么对视觉系统图像采集设备来说难度更大。
3 计算机人工智能识别技术应用领域
3.1 在机器人应用领域
计算机人工智能识别技术在机器人中的应用目前主要的问题是高端不足、低端过剩、价格高、机器人的智能性还不够强。机器人在进行作业实施的过程中经常存在灵活性不高，行动迟缓的问题。究其原因我认为应该细化人工智能对人的思维和肢体的感知精度，可以加入数量更多、类型更加全面的传感器来实现感知，并且能够更好地映射到计算机程序中，来提高智能机器人的自主性和适应性。
3.2 在语音识别应用领域
计算机人工智能识别技术在语音识别的应用中目前比较完善，但是还存在着一些问题，比如可靠性不高、词汇量不足的问题。例如語音识别所处的场合经常会有噪音，另外被识别的语音可能未必都是标注的发音和语速，经常会有各地的口音以及说话时候的停顿、重复和不受语法控制等，这些都会对语音识别造成了阻力，所以提高其可靠性可以从语音识别程序的降噪筛选入手，并且要更广泛地收集扩充人工智能的语音库。词汇库中包含的各语种词汇越多，人工智能语音识别才能越精准。另外我认为把那些有着先进性能与完善功能的语音识别借助系统固化到那些更加微小的模块或芯片上，用以最大限度地降低成本，是今后语音智能识别技术真正实现广泛应用的关键所在。
3.3 在图像识别应用领域
同语音智能识别技术相比较，图像智能识别技术应用瓶颈更多，难度也更大。因为图像识别中需要识别的信息更多样、更复杂，例如图像的形状、色彩、光照强度、对比度等信息，我认为在图像识别的过程中特征抽取和选择是非常关键的技术之一。计算机的图像识别技术是一个异常高维的识别技术，不管图像本身的分辨率如何，其产生的数据经常是多维性的，这给计算机的识别带来了非常大的困难。想让计算机具有高效地识别能力，最直接有效的方法就是降维。让计算机的图像识别在尽量低的维度上进行，这样才能提高它的识别速率。
3.4 人工智能及智能识别系统的未来发展
目前，模式识别已经在天气预报、卫星航空图片解释、工业产品检测、字符识别、语音识别、指纹识别、医学图像分析等许多方面得到了成功的应用。但在不久的将来，人工智能及智能识别系统会向识别系统的进一步优化、人工智能处理能力的加强、智能识别应用的拓展这几个方向发展。人工智能一直处于计算机技术的前沿，人工智能研究的理论和发现在很大程度上将决定计算机技术的发展方向。今天，已经有很多人工智能研究的成果进入人们的日常生活。将来，人工智能技术的发展将会给人们的生活、工作和教育等带来更大的影响。
结束语
人工智能具有相当大的发展前景，特别是在人工智能识别系统领域。如今，识别系统根本无法满足人类的需要。因为人工智能还不够聪明，还不能进行推理和判断，基于人工智能识别系统的巨大作用，世界各国都在加紧研究。可以说，掌握人工智能的人掌握了主动权，人工智能识别系统在未来的发展中起着至关重要的作用，综上所述，人工智能识别技术对人们的生活提供了帮助，减轻了人工负担，提高了工作效率，但是目前识别技术还存在一定的问题和短板，需要进一步的研究完善。
参考文献
[1] 栗昱.计算机人工智能识别技术应用瓶颈探析[J].电脑迷，2017（07）：12-13.
[2] 王佳.计算机人工智能识别技术的应用瓶颈探赜[J].科技展望，2016，26（35）：93-94.
[3] 张慧宇.计算机人工智能识别技术[J].信息与电脑（理论版），2016（20）：140-141+150.
[4] 黄鑫.分析计算机人工智能识别技术的应用瓶颈[J].数字技术与应用，2016（07）：244.
[5] 王小红.计算机人工智能识别技术的应用瓶颈分析[J].科技创新与应用，2016（08）：89.
[6] 刘乔辉.计算机人工智能识别技术的应用探讨[J].科技风，2016（04）：121-122.
