对计算机人工智能识别技术应用瓶颈的探讨

2018-01-26黄力军许雯婕范腾达陈志荟

通信电源技术 2018年2期

黄力军，许雯婕，范腾达，陈志荟

（中央司法警官学院，河北保定 071000）

0 引言

计算机人工智能技术是借助计算机现有的功能，对人类的思维和意识形象进行模拟的一种高端化的信息科学技术。它可以在对多个学科和领域的技术进行整合的基础上，构建出一种完善化的计算机引用体系。人工智能技术在我国发展起步晚、技术相对落后。因此，对这一技术的应用瓶颈进行分析，可以为这一技术的发展提供助益。

1 计算机人工智能识别技术的主要应用领域

按照人工智能化特征进行划分，人工智能技术可划分为机械识别技术和人工识别技术两种类型[1]。前者涉及的技术包含智能卡技术、条形码识别技术和射频识别技术等内容，而人脸识别、声音识别和指纹识别是人工识别技术的主要内容。以下为计算机人工智能识别技术在现阶段的主要应用领域。

1.1 机器人技术领域

机器人技术可以被看作是人工智能技术的产物。但是，现在的机器人还停留在人为操作，无法实现主观判断。人工智能技术在机器人产业中的应用，可以在降低某些生产活动的成本投入基础上，发挥提升生产效率的作用。

1.2 语音识别技术领域

人工智能识别技术在语音识别领域的应用，涉及到计算机科学、语言学和心理学等多个学科的知识内容。从语言识别技术的发展现状来看，以语音芯片为核心的语音识别技术，已经成为这一领域的重要因素。

1.3 人工智能神经网络系统

人脑是人工智能神经网络研究的基础要素。人工智能识别技术也可以在人工智能神经网络系统中得到应用。在人工智能神经网络系统领域，智能识别技术可以被看作是对人脑的工作过程的具体化、简单化的抽象与模仿。从人工智能技术的发展现状来看，基于智能识别技术的人工智能神经网络系统，与真正的人脑之间存在一定差异。但是，这一系统已经具有单元化批量处理信息能力，因而人工智能识别技术在人工智能神经网络系统领域有着较为广阔的发展前景。

2 计算机人工智能识别技术的应用瓶颈分析

不同的应用领域中，计算机人工智能识别技术的应用瓶颈也存在一定的不同。现实生活中，计算机人工智能识别技术主要应用于语音和视觉识别两方面。在具体应用上存在瓶颈，在技术上也同样存在瓶颈。因此，要想强化计算机人工智能识别技术的应用，还应对瓶颈进行细致分析，从而更加有效地给予突破。

2.1 语音人工智能识别领域的应用瓶颈

语音识别技术主要是对声音进行智能分析和处理，从而根据人类的指令做出相关的判断与操作。它最早出现在智能手机中，主要是对手机使用者的声音进行收集和存储。当手机使用者对着手机用普通话进行对讲并识别通过后，便可对其中的命令进行操作。随着技术的飞速发展，现今这种技术也逐渐朝着更加智能化的方向发展，衍生出了计算机语音人工智能识别技术。但是，该项技术在我国起步较晚，其语音人工智能识别的应用尚存在一定瓶颈，主要体现在以下几个方面。

第一，相关的词汇量有限。事实上，语音识别系统中可识别词汇量的多少直接影响相关事情的完成率。若该系统中对声学和语音模型的限制较多，当用户在搜索框中输入想要查询的词汇时，该词汇将难以准确在系统存储范围内容查到，甚至当多种语言进行转换时造成语音识别系统的混乱。由于我国该项技术有待进步与完善，加之各种新兴词汇频繁更新，因此系统在词汇量方面仍具有较大的局限性。因此，应不断丰富语音系统的词汇量，慢慢实现词汇量无限制、多国语言高效转换的应用效果。

第二，无法准确识别方言。目前，语音人工智能识别技术的应用范围逐渐广泛，如汽车导航等。但是，总体来说，它的语言应用主要以普通话为主，而我国是一个地区方言较多的国家，因而难以实现对多种方言进行识别的效果[2]。因此，为实现计算机语音人工智能识别技术的创新发展，还应打破其对方言的限制，可从常用的方言入手，如广东话、四川话等，然后慢慢进行扩展。

第三，无法实现对声音的智能识别与判断。人们的声音具有易变性，如受感冒、发烧等身体状况，年龄改变等影响，将会导致原本声音的音色、声波等发生一定变化。同时，由于语音人工智能识别技术缺乏对声音的智能识别，因而常常影响识别效果，导致用户无法顺利使用相关软件，甚至出现模仿用户声音而引起安全隐患。

第四，容易受到干扰。现今的语音人工智能识别技术受外界环境等因素的干扰较大，如麦克风传输效果的不同，声音混杂的环境等，对声音识别准确性都将产生极大影响。因此，还需不断对该技术进行研究、创新与升级，从而不断提升声音识别的准确性。

2.2 视觉人工智能识别领域的应用瓶颈

计算机人工智能识别技术难以实现突破，最根本原因在于技术上存在严重的瓶颈，因而影响了该项技术的应用效果。除语音智能识别的应用外，该技术最常应用于视觉识别。事实上，视觉智能识别技术与语音识别技术的应用原理相似，也需要事先对使用者的相关信息进行收集和存储，如人脸识别、图像采集、指纹识别等。但是，由于技术上尚存在较大瓶颈，因而其在相关领域的应用中存在一定的局限性[3]。具体地，它的技术瓶颈主要体现在以下几个方面。

第一，人脸识别技术存在瓶颈。顾名思义，人脸识别就是将用户的面部信息进行收集、记录与存储。而相关系统则可依据采集到的人脸表情等进行对比和分析，随后用户便可通过“刷脸”启动相关操作程序。但实际应用中，由于人脸也会产生变化，因而产生了较大的瓶颈。首先，随着年龄的增长，人的面部会发生一定变化，如人脸结构、轮廓等都会随着个人的成长发生改变，进而影响最终的视觉识别效果。其次，人的面部表情丰富多变，如受心情影响呈现出不同的面部表情，加之同样的表情难以做到准确复制，因而使得其在应用过程中存在较多的不确定性因素。最后，识别时还会受到外在环境的影响如光线的强弱等，同时对相同轮廓的识别如双胞胎等也可能产生错误，从而影响该技术的识别效果。

第二，指纹识别技术存在瓶颈。指纹具有独特性、不变性。指纹识别技术是根据指纹的纹路等进行身份识别的一种技术，也是人们在实际生活中常用的一种设置密码的技术。但实际运用中仍存在较大的瓶颈。由于生活中常会在许多地方轻易留下指纹，所以极易对指纹的痕迹进行复制，导致该技术存在一定的危险性。此外，一旦用户的指纹受到损伤，将难以准确识别其信息。因而，为突破瓶颈，还应增强指纹识别技术的安全性。

目前，许多计算机系统中都设有相应的解码程序，并将人脸识别和指纹识别作为设置密码的一种手段。但就实际的应用状况来看，其中尚存在较多问题。同时，也可以说计算机人工智能识别技术的瓶颈在于其主观意识的植入，与应用领域的关联性并不大。在此情况下，应不断强化语音、视觉等人工智能识别技术的改进与升级，从而真正有效突破其在各应用领域中的瓶颈，促进该技术进一步发展。