江苏龙网

  1. 首页 > 人文 > >

人工智能7大关键技术，终于有人讲明白了( 三 )


衡量NLP的另一种方法是看它能回答多少种不同类型的问题或者看它能解决多少种问题 。 这通常都需要语义NLP ， 但是由于这方面并没有重大的技术突破 ， 所以问答系统和问题解决系统都要基于特定的上下文而且必须进行训练 。
IBM沃森在回答《危险边缘》的问题时表现出色 ， 但是除非进行训练（通常都是以劳动力密集型的方式） ， 否则它回答不了《命运之轮》（Wheel of Fortune ， 一档综艺节目）的问题 。 也许深度学习在未来会应用于问题解答 ， 但现在它还没有 。
人工智能7大关键技术，终于有人讲明白了
本文插图
05 基于规则的专家系统
在20世纪80年代 ， AI的主导技术是基于“if-then”规则集合的专家系统 ， 而且在那个时代开始广泛地应用于商业领域 。 如今人们往往认为它没有那么先进了 ， 但是2017年德勤“了解认知”的调研显示引入AI的美国公司里有49%使用了该技术 。
专家系统要求人类专家和知识工程师在特定知识领域中构建一系列规则 。 例如 ， 它们通常用于保险承销和银行信贷承销中（但也用于一些深奥的领域 ， 如福爵咖啡的咖啡烘焙或金宝汤罐头的汤汁调制） 。
专家系统在一定程度上运行良好 ， 而且容易理解 。 然而 ， 当规则的数量很大（通常超过几百条） ， 并且规则开始相互冲突时 ， 它们往往会崩溃 。 而且如果知识领域发生了变化 ， 那么更改规则将会很困难而且也会很耗时 。
基于规则的系统自其早期的全盛时期以来并没有太大的改进 ， 但是保险和银行等大量使用它们的行业还是希望能够出现新一代基于规则的技术 。 研究人员和厂商已经开始讨论“自适应规则引擎” ， 该引擎将基于新的数据或规则引擎与机器学习的组合来不断修改规则 ， 但它们确实还没有得到广泛应用 。
06 物理机器人
鉴于全球每年安装的工业机器人超过20万台 ， 物理机器人已经广为人知 。 在美国“了解认知”调查中 ， 32%的公司在某种程度上使用了物理机器人 。 它们在工厂和仓库等地执行起重、重新定位、焊接或装配产品等任务 。 历史上 ， 这些机器人始终在细致的计算机程序控制下去执行特定的任务 。
然而 ， 当下的机器人变得越来越能够跟人类协作 ， 而且更加容易训练 ， 只需要根据预定的任务来移动机器人的部件就可以了 。 随着其他AI能力嵌入它们的“大脑”（实际上是它们的操作系统）中 ， 它们也变得更加智能 。 随着时间的推移 ， 我们在AI的其他领域中看到的改进很可能会被融入物理机器人中 。
人工智能7大关键技术，终于有人讲明白了
本文插图
07 机器人流程自动化
机器人流程自动化（Robotic Process Automation ， RPA）技术在执行结构化数字任务（即涉及信息系统的任务）时就如同一个人类用户按照一个脚本或者规则在工作 。 关于RPA是否属于AI/认知技术的集合存在着争论 ， 因为它不是十分智能 。 但是由于RPA系统非常流行、自动化 ， 且越来越智能化 ， 因此我把它也视为AI世界的一份子 。
有人把它们称为“数字劳动力” ， 而且与其他形式的AI相比 ， 它们价格低廉、易于编程 ， 而且行动透明 。 如果你会操作鼠标、能理解流程图并能理解一些if-then业务规则 ， 那么你可以理解甚至开发RPA 。 这些系统也比其他方法（例如 ， 用编程语言开发自己的程序）更容易配置和实施 。
RPA并不真正涉及机器人 ， 它只是服务器上的计算机程序 。 它依赖于工作流、业务规则及信息系统集成的“表示层”的结合体 ， 作为系统的半智能用户进行工作 。
有些人将RPA与电子表格中的宏进行了比较 ， 但是我认为这不是一个公平的比较 ， RPA可以执行更为复杂的任务 。 还有人将它与业务流程管理（Business Process Management ， BPM）工具进行了比较 ， 后者可能具有一些工作流功能 ， 但通常旨在记录和分析业务流程 ， 而不是实际将其自动化 。


推荐阅读


上一篇：币安合约9月交易报告：比特币牛市仍坚挺？

下一篇：两千元以内备用手机怎么选