人工智能技术分析

人工智能技术分析

人工智能技术研究范畴非常广泛，包括专家系统、神经网络、启发式算法、模糊逻辑、遗传算法等。而目前广泛使用的还以神经网络、模糊逻辑以及遗传算法的各种扩展算法为主，例如神经网络扩展的深度学习算法即为百度智能搜索的核心算法。以应用场景分类时人工智能核心技术可以分为以下几个方面：

数据挖掘与学习  

当面对大量的数据需要进行深度数据挖掘、明晰数据之间的联系时，通常采用的方法是人工智能的一个重要分支——机器学习。机器学习是研究如何使用计算机模拟或实现人类的学习活动。它是继专家系统之后人工智能的又一重要应用领域，是使计算机具有智能的根本途径，也是人工智能研究的核心课题之一，它的应用遍及至人工智能的各个领域。学习是人类智能的重要特征，也是获得知识的基本手段，而机器学习也是使计算机具有智能的根本途径。基于人工神经网络的深度学习目前已经广泛应用，神经网络是对人脑或自然神经网络一些基本特性的抽象，通过模拟大脑的某些机理与机制从而实现功能。正是由于神经网络具有多神经元、分布式计算性能、多层深度反馈调整等优势，才能够针对海量数据进行计算和分析，通过数据训练形成模型，其自主学习的特性，非常适用于处理复杂多维的非线性问题和基于智能关联的海量搜索。

知识和数据智能处理  

知识处理时使用最多的技术是专家系统。专家系统是人工智能研究领域中的一个重要分支，它将探讨一般的思维方法转入到运用专门知识求解专门问题，实现了人工智能从理论研究向实际应用的重大突破。专家系统可看作一类具有专门知识的计算机智能程序系统，它能运用特定领域中专家提供的专门知识和经验，并采用人工智能中的推理技术来求解和模拟通常由专家才能解决的各种复杂问题。发展专家系统的关键在于表达和运用专家知识，一个基本的专家系统通常由知识库、数据库、推理机、解释机制、知识获取和用户界面6部分组成。作为开展最早的人工智能领域，随着人工智能的进一步发展专家系统也促生了一些新的手段，不断更新已有的研究领域，完成和其他人工智能技术的相互促进。

人机交互  

人与机器人的自然交互与合作就是要赋予机器人类似人类的观察、理解和生成各种情感特征的能力，使机器人能够完成像人一样进行交互，并可以针对人类需求进行功能辅助合作完成既定工作任务。人机交互中主要应用到的技术包括机器人学习和模式识别技术。机器人是模拟人行为的机械，是当前智能化领域发展较为先进的技术。而人工智能所研究的模式识别是指用计算机代替人类或帮助人类感知模式，其主要的研究对象是计算机模式识别系统，也就是让计算机系统能够模拟人类通过感觉器官对外界产生的各种感知能力。