Inteligencia artificial: áreas de investigación

El dominio de la inteligencia artificial es enorme en amplitud y amplitud. Mientras avanzamos, consideramos las áreas de investigación ampliamente comunes y prósperas en el dominio de la IA:

Reconocimiento de voz y voz

Ambos términos son comunes en robótica, sistemas expertos y procesamiento del lenguaje natural. Aunque estos términos se usan indistintamente, sus objetivos son diferentes.

Reconocimiento de voz Reconocimiento de voz
El reconocimiento de voz tiene como objetivo comprender y comprender WHAT fue hablado. El objetivo del reconocimiento de voz es reconocer WHO está hablando.
Se utiliza en la navegación por menús, mapas o computación de manos libres. Se utiliza para identificar a una persona analizando su tono, tono de voz y acento, etc.
La máquina no necesita entrenamiento para el reconocimiento de voz ya que no depende del hablante. Este sistema de reconocimiento necesita formación ya que está orientado a las personas.
Los sistemas de reconocimiento de voz independientes del hablante son difíciles de desarrollar. Los sistemas de reconocimiento de voz dependientes del hablante son comparativamente fáciles de desarrollar.

Trabajo de sistemas de reconocimiento de voz y voz

La entrada del usuario hablada en un micrófono va a la tarjeta de sonido del sistema. El convertidor convierte la señal analógica en una señal digital equivalente para el procesamiento de voz. La base de datos se utiliza para comparar los patrones de sonido para reconocer las palabras. Finalmente, se da una retroalimentación inversa a la base de datos.

Este texto en el idioma de origen se convierte en entrada para el motor de traducción, que lo convierte al texto en el idioma de destino. Están respaldados por una GUI interactiva, una gran base de datos de vocabulario, etc.

Aplicaciones de las áreas de investigación en la vida real

Existe una gran variedad de aplicaciones en las que la IA está al servicio de la gente común en su vida cotidiana:

No Señor. Áreas de investigación Aplicación de la vida real
1

Expert Systems

Ejemplos: sistemas de seguimiento de vuelos, sistemas clínicos.

2

Natural Language Processing

Ejemplos: función de Google Now, reconocimiento de voz, salida de voz automática.

3

Neural Networks

Ejemplos: sistemas de reconocimiento de patrones como reconocimiento facial, reconocimiento de caracteres, reconocimiento de escritura a mano.

4

Robotics

Ejemplos: robots industriales para mover, pulverizar, pintar, comprobar la precisión, perforar, limpiar, revestir, tallar, etc.

5

Fuzzy Logic Systems

Ejemplos: electrónica de consumo, automóviles, etc.

Clasificación de tareas de la IA

El dominio de la IA se clasifica en Formal tasks, Mundane tasks, y Expert tasks.

Dominios de tareas de la inteligencia artificial
Tareas mundanas (ordinarias) Tareas formales Tareas de expertos
Percepción
  • Visión por computador
  • Habla, Voz
  • Mathematics
  • Geometry
  • Logic
  • Integración y diferenciación
  • Engineering
  • Localización de averías
  • Manufacturing
  • Monitoring
Procesamiento natural del lenguaje
  • Understanding
  • Generación de lenguaje
  • Traducción de idiomas
Juegos
  • Go
  • Ajedrez (azul profundo)
  • Ckeckers
Análisis científico
Sentido común Verificación Análisis financiero
Razonamiento Demostración de teoremas Diagnostico medico
Cepillado Creatividad
Robótica
  • Locomotive

Los humanos aprenden mundane (ordinary) tasksdesde su nacimiento. Aprenden mediante la percepción, el habla, el lenguaje y las locomotoras. Aprenden Tareas formales y Tareas de expertos más tarde, en ese orden.

Para los humanos, las tareas mundanas son más fáciles de aprender. Lo mismo se consideró cierto antes de intentar implementar tareas mundanas en las máquinas. Anteriormente, todo el trabajo de la IA se concentraba en el dominio de tareas mundanas.

Más tarde, resultó que la máquina requiere más conocimiento, una representación compleja del conocimiento y algoritmos complicados para manejar tareas mundanas. Esta es la razónwhy AI work is more prospering in the Expert Tasks domain ahora, como el dominio de tareas de los expertos, necesita conocimientos de expertos sin sentido común, que pueden ser más fáciles de representar y manejar.