Artificial-intelligence-research-areas
人工知能-研究分野
人工知能の領域は広さと幅が巨大です。 進行中、AIの分野で広く一般的で繁栄している研究分野を検討します-
音声および音声認識
これらの両方の用語は、ロボット工学、エキスパートシステム、自然言語処理で一般的です。 これらの用語は同じ意味で使用されますが、目的は異なります。
Speech Recognition | Voice Recognition |
---|---|
The speech recognition aims at understanding and comprehending *WHAT *was spoken. | The objective of voice recognition is to recognize* WHO *is speaking. |
It is used in hand-free computing, map, or menu navigation. | It is used to identify a person by analysing its tone, voice pitch, and accent, etc. |
Machine does not need training for Speech Recognition as it is not speaker dependent. | This recognition system needs training as it is person oriented. |
Speaker independent Speech Recognition systems are difficult to develop. | Speaker dependent Speech Recognition systems are comparatively easy to develop. |
音声および音声認識システムの動作
マイクで話されたユーザー入力は、システムのサウンドカードに送られます。 コンバータは、音声処理のためにアナログ信号を同等のデジタル信号に変換します。 データベースは、音声パターンを比較して単語を認識するために使用されます。 最後に、データベースに逆フィードバックが行われます。
このソース言語のテキストは翻訳エンジンへの入力になり、翻訳エンジンはそれをターゲット言語のテキストに変換します。 これらは、対話型GUI、語彙の大規模なデータベースなどでサポートされています。
研究分野の実生活への応用
AIが日常生活の中で一般の人々にサービスを提供しているアプリケーションは多数あります-
Sr.No. | Research Areas | Real Life Application |
---|---|---|
1 |
例-飛行追跡システム、臨床システム。 |
Expert Systems Application |
2 |
Natural Language Processing 例:Google Now機能、音声認識、自動音声出力。 |
NLP Application |
3 |
Neural Networks 例-顔認識、文字認識、手書き認識などのパターン認識システム。 |
Neural Networks Application |
4 |
Robotics 例-移動、スプレー、塗装、精度チェック、穴あけ、クリーニング、コーティング、彫刻などのための産業用ロボット |
Robotics Application |
5 |
Fuzzy Logic Systems 例-家電、自動車など |
Fuzzy Logic Application |
AIのタスク分類
AIのドメインは、フォーマルタスク、ありふれたタスク、エキスパートタスクに分類されます
人工知能のタスクドメイン
ありふれた(通常の)タスク
正式なタスク
エキスパートタスク
知覚
- コンピュータビジョン
- 音声、音声
- 数学
- 幾何学
- 論理
- 統合と差別化
- エンジニアリング
- 障害発見
- 製造業
- モニタリング
自然言語処理
- 理解
- 言語生成
- 言語翻訳
ゲーム
- Go
- チェス(ディープブルー)
- ケッカーズ
科学分析
常識
検証
財務分析
推論
定理証明
医療診断
滑走
創造性
ロボティクス
- 機関車
人間は、生まれてから*普通の(普通の)タスク*を学びます。 彼らは、知覚、会話、言語の使用、および機関車によって学習します。 正式なタスクとエキスパートタスクをこの順序で後ほど学習します。
人間にとって、ありふれたタスクは最も簡単に学ぶことができます。 マシンにありふれたタスクを実装しようとする前に、同じことが当てはまりました。 以前は、AIのすべての作業はありふれたタスクドメインに集中していました。
後になって、日常的なタスクを処理するためにより多くの知識、複雑な知識表現、複雑なアルゴリズムが必要になることが判明しました。 エキスパートタスクドメインには常識のない専門知識が必要であり、表現と処理が容易になるため、これが*エキスパートタスクドメインでAI作業がより盛んになった理由です。