技术视角下人工智能的现实水平 累计2016年3月人工智能在语音和图像上早已获得了阶段性成果，但语义上继续还看到能彻底解决的迹象： 1.语音辨识--形象来讲是这是一个最近几年早已被深度自学攻下的领域，只要花上充足的钱，那辨识精确度可以超过99%。在语音辨识这种领域，最后几个点精度的提高很有可能比前面达成协议90%精度还要费劲，但最后这几个点的精度往往正是横跨能用和无法用的关键。没深度自学之前，人们早已尝试攻下语音辨识很多年，一般来讲1952年贝尔实验室研究的第一个能辨识10个英文数字发音的语音识别系统被指出是语音辨识的起点，这样算数一起人类早已在这事上希望了60多年。在上个世纪70年代搞定了小词汇量的语音辨识，在80年代搞定了大词汇量的语音辨识，然后精度就卡在那里了，大约在85%左右游走，一卡就相似30年。
微软公司、IBM当年都曾多次尝试把这技术应用于一起，但似乎没什么后果，好多人甚至不忘记他们腊过着件事情。深度自学引入语音辨识后，使事情有了根本性的变化，现在只要有充足的数据展开训练，大多的公司自己都可以训练出有充足准确的语音辨识模型。这技术基本上要货品简化了，更加可以指出这是一种不要尤其多的投放就可以搞定的技术。
2.图像识别--图像识别比语音辨识要困难一些，因为语音辨识的对象总是各种受限的语言。但图像里人脸和猫的辨识落在明确构建上还无法用一个模型来处置。当前的状态是如果指定一个点比如人脸识别，砸入几十个PhD，几百块GPU，那花上个一到两年，如果还能寻找落地点大大取得数据，那就可以做十分低的精度(99%以上)，但这种精度眼下还没有办法一下子就覆盖面积到其它领域，不能一个点一个点来搞定。像人脸这种领域因为有贯彻的落地场景(银行等)，所以一下子就发展一起了，其它的领域要想要都超过某种程度的水平，那还必须一点时间。
3.语义解读--和语音辨识与图像识别不一样，语义解读处在一种基本没有搞定的状态。很多时候我们看展示的时候能看见一个机器人或智能型产品与人展开简洁的交流。达成协议这状况有两种有可能，一种是作弊，后面敲了个人，归属于人工的人工智能；一种是对话被限定版在特定的场景下，比如汽车里打电话，让地图导航系统等。语义解读的可玩性与所要处置的概念数有关，当要处置的概念数在几千个以下的时候，那针对特定场景按照基于规则的方式还是有可能搞定，做到的较为简洁的。
但一旦这个范围不断扩大到整个社会生活，那最少也就是GoogleNow和Siri那个样子。与这点密切相关的应用于一个是各种智能语音助手在对话时的智能程度，一个则是翻译成。 在这些里程碑被相继达成协议的过程中，世界也不会转变它的样子，恰如汽车的经常出现带给了马路和交通规则一样。
而要想要解读这种影响的范围，那就要实地考察人类与人工智能的分工边界。
本文关键词：人工智能,皇冠官方彩网,成果,显著,人类,与,机器人,如何
本文来源：皇冠官方彩网-www.cg-zbrush.com
