計算機人工智能識別關鍵技術及運用探尋

陳萬卷

摘要：該文總結整理了計算機人工智能識別技術的應用，對人工智能識別技術中的關鍵性技術進行了研究與分析，并對各領域的應用進行了分類。從計算機人工智能識別技術應用角度出發進行了深入探析，以便為計算機人工智能的長遠發展提供合理化建議。

關鍵詞：計算機;人工智能識別;主要技術;應用

中圖分類號：G642? ? ? 文獻標識碼：A

文章編號：1009-3044（2022）04-0084-02

如今，科技不斷發展，經濟不斷提高，諸多科研產品引領時代潮流，其中計算機在傳統媒體的基礎上，把握以舊換新的機遇，新舊功能相結合，告別傳統計算機時效慢、傳播力差、以穿透力感染力強、形式新穎、內容新奇的技術成為發展趨勢，趨利避害，取長補短。對社會的快速發展產生了正面積極的影響，探究計算機人工智能識別關鍵技術的應用情況非常有必要，下面來詳細展開介紹。

1 計算機人工智能識別技術的介紹

計算機人工識別技術是指通過掃描攝像頭或者是一些其他的識別設備，經過計算機的加工處理，對相關目標指令和數據信息口令進行智能識別的一種高科技手段，這種手段是通過模擬人類的思維方式釋放物理信號作出相應的選擇，最終以不同程序的形式來表達。計算機人工智能理論發展歷史悠久，在20世紀中期就已經開始研究，21世紀后對于該項理論的研究取得了重大突破。在日常生活中，人工智能技術也得到了廣泛的應用。計算機人工智能識別技術最早是應用于語音的識別之中，將語音內容與手機指令做出結合反映到手機應用操作上來。在對語音識別技術的基礎之上，一些新興的人工智能技術得到了廣泛的應用和推廣，其中代表性的就是指紋識別技術以及二維碼掃描技術。人工智能識別技術的廣泛應用有助于提高識別效率，提高識別準確度，有助于減少人力資源的投入。

2 計算機人工智能識別技術內容分析

2.1 卷積神經網絡算法

在計算機人工智能識別技術中，卷積神經網絡算法是識別技術高效開展的前提與基礎，從技術層面來看，卷積神經網絡是受到生物自然視覺認知機制啟發而來的，而目前的人工智能識別領域之中，是一種高效的識別模型。卷積神經網絡主要由卷積層、匯集層和全連接層組成，每層包含多個特征圖，每個特征圖包含多個神經元，在人工智能識別技術中，該網絡算法的具體應用流程為：圖像信息在輸入層之中進行局部化處理之后，其二維碼圖像數據用多個不同的卷積核進行卷積。然后按照上述的流程對于映射層S2進行再一次的卷積操作得到卷積層C3，接著再進行上述的過程產生卷積層C3，再進行池化操作產生池化層S4，最終把S4層所得到的特征圖結果輸入到連接層之中，并且輸出最終的圖像，實現了對圖像的人工智能識別過程。

2.2 卷積操作

卷積操作同樣也是人工智能識別技術中的關鍵性技術內容，其中包含著局部感受野與權值共享的內容，局部感受野具有一定的單向連接性。從技術領域來看，就是該權重的矩陣是相同的，在操作中，將窗口數據按照規定的步長在影響上的各處進行移動，每移動一定的距離，就將窗口數據與卷積核乘積和計算，從技術層面來看，這個過程對于整個人工智能識別的準確性有著很巨大的作用，該過程也可以形象地看成濾波器的濾波過程，這個過程中可以對圖像識別過程中的噪聲干擾進行排除，從而使得圖像的特征更加顯著地增強。如果將這些圖像全部輸入到分類器之中就會使得計算的時間非常長，而且會引發過擬合的情況，所以，需要進行進一步的池化操作，以實現降維的效果。池化操作分為平均池化操作核最大池化操作，其中平均赤化操作是將圖像區域的平均值作為最終圖像的特征值，而最大池化操作則是選取圖像區域的極值作為范圍內池化后的代表值，而平均池化操作對圖像的背景保留較好，在具體的應用過程中應當根據實際需求選擇。

2.3 棧式稀疏自編碼神經網絡技術分析

棧式稀疏自編碼神經網絡技術是當前計算機人工智能識別技術中比較重要的核心技術內容之一，也是處理一些模糊圖像、提高人工智能識別效率的關鍵性技術內容。該技術主要是由softmax分類器與棧式稀疏自編碼器組成，在整個識別的過程中，softmax分類器主要是實現圖像分類的過程，而棧式稀疏自編碼器則是由多個稀疏的自編碼器構成的，在人工智能的識別過程中，棧式稀疏自編碼器主要是負責自動提取圖像稀疏特征的過程。該模型在工作的過程中，主要是采用無監督學習的方式來進行操作的，而且在整個過程中不需要標簽化的圖像數據來學習輸入圖像特征，同時該技術的強大之處就是能夠從高維輸入圖像數據學習出低維圖像的特征，該技術的這種優越性往往被應用于當前的人臉識別技術中，其應用效果良好，而且近些年來該技術也普遍地應用于醫學圖像檢測的領域之中。在近些年的發展過程中，對該技術也進行了進一步的優化設計，而且還充分地利用了無監督方式學習使得所獲取的數據能夠進行簡單展示，這樣極大縮小了圖像處理的時間，強化了圖像處理的時效，也大大地節省了圖像賦予類別標簽的人力勞動且降低了在圖像處理過程中分類任務處理的復雜程度，為softmax分類器工作以及分類精度的處理提供了較強的技術支持。

3 計算機人工智能識別技術的具體運用

3.1 計算機人工智能識別技術在航天領域的運用

隨著人工智能技術的蓬勃發展，以及我國基建工程的大力扶持，公路、隧道等交通建設成為了目前急需完成的任務。而航天遠程控制，遠遠離不開高水平人工智能識別技術。人工智能識別技術可以準確地測量地球與航天器之間的距離。例如，美國的NASN企業運用這種技術比較多，可以合理調整控制器的方向，達到一個精準管理的目的，做到遠程監控，同時可以將遠程監控系統與地面任務進行結合。技術人員運用這種技術，可以有效地掌握外太空航空器的運轉情況，可以第一時間內將信息傳回到地球進行調整，從而確保航天器在太空中的正常工作。

3.2 計算機人工智能識別技術在生活中的運用

語音智能識別是指憑借語言來達到一個識別的作用，語音識別逐漸被應用于各類領域。語音識別功能也代表著人工智能識別技術的一個重要發展趨勢，可以有效地幫助智能系統和機器人更好地讀懂人類的語言。大家可以使用語音來達到控制手機的目的，可以降低使用者鍵盤輸入的時間，也有助于提高輸入的精確性，更好地為生活提供便利。語言識別技術還可以促進人與人的交流，推動互聯網的高速發展。語音撥號、微信中的語言通話都是這種技術的應用，語音識別功能的發展前景非常廣闊。

此外，人工智能識別技術的在智能實驗空間和研究平臺建設方面也有充分應用，人工智能實驗空間和研究平臺的構建主要包括五個部分：（1）人工智能實驗平臺建設：通過具體的操作實驗設定好教學目標，編寫代碼，最后生成計算結果;（2）人工智能能力平臺打造：（3）人工智能實驗資源建設;（4）智能硬件支撐資源建立：智能配件的打造是保證人工智能實驗的正常工作。實驗內容的規劃基于科大訊飛在人工智能區域的能力;（5）人工智能實驗室環境打造：為形成優質的實驗空間分為，實驗室劃為三個部分，即智能享受區、實踐授課區和實驗空間宣傳體驗區通過這些產品，每個人可以體會到當前智能人工技術的具體運用，有助于應用到人民群眾的生活方方面面，為群眾的生活帶來各種各樣的便利。

3.3 計算機人工智能識別技術在機器人領域的應用

機器人的研究也屬于人工智能領域中非常先進的一個領域，但是機器人的研發難度比較大，機器人是一種非常復雜的技術，我國機器人技術水平還不是很先進，日本在這一方面的研究處于領先的地位，機器人的研究可以有效地代替人類很多簡單的工作，比如打掃灰塵等簡單工作。在一些危險性的行業中，使用機器人也有助于提高我們的安全性。富士康企業中的流水線作業機械化率非常高，應用機器人可以為人們提供更多優質價廉的商品，降低企業的生產成本，提高企業的利潤率。但是機器人技術的發展還沒有達到一個爐火純青的水平，我國在機器人領域方面研究還不是特別完善，技術水平比較低，需要加大研發力度，需要將研發的重點放在人們日常相關的生活領域之中。

3.4 計算機人工智能識別技術在神經網絡模擬中的運用

這種技術方式可以使一些抽象的活動變得簡單具體。這一系統的邏輯思維也非常簡單，具備一定的人類大腦功能，可以很好地滿足我們日常的需要。人工神經網絡也叫作神經網絡，對于人腦中的神經系統展開模擬行動，模擬人腦功能進行運轉。主要是依靠其中的處理單元來達到一個運轉目的，但是也不能夠完全與人的活動相匹配。隨著科學技術的進步和人工智能識別數據的精確化，對高質量標準的需求不斷提高，設備的使用起著重要的作用。對于智能識別的技術提高，業界已經提高了關注度，并不斷探索提高技術水平。

3.5 計算機人工智能識別技術在游戲產業中的應用

目前計算機游戲已經成為家喻戶曉的一類游戲，不管男女老少都接觸過計算機游戲。在游戲的運行過程中需要使用的人工智能技術即AI。設計師利用VR虛擬技術借助計算機設備搭建三維模型實現人體仿真試驗，將抽象的文字變為真實的空間體驗，充分地體現出了游戲的空間性。智能識別技術在設計創作階段充分展現了它的交互性和靈活性。用戶在仿真的環境中能夠得到精神的滿足，用戶通過在仿真環境的漫游，不僅能夠對空間布局全面了解，還可以在明確設計要素的基礎上在三維空間開展實際創作，提升智能設計創作的人性化，保證設計師的創作靈感不會被打斷。

3.6 計算機人工智能識別技術在工業生產中的應用

我國的智能設備經過多年發展已經基本成熟，大部分人工智能設備企業已經受到技術瓶頸的限制。在智能識別技術的帶動下，智能設備產業從現階段的硬件系統體系結構向智能軟件系統體系結構轉變，擺脫了硬件設備的束縛。隨著智能化技術的不斷發展，智能識別技術的優勢將得到充分發揮。計算機人工智能識別技術現在已經普及使用于工業生產各行業中，智能技術的出現有助于提高生產效率。人工智能理論也使得神經網絡技術獲得了非常不錯的發展方向。例如，在鍋爐燃燒的過程中，使用計算機人工智能識別技術有利于改進鍋爐燃燒技術的計算方法。比如常用的人工蜂群算法就是其中之一，通過模擬蜂群在環境中的活動，衍生出各種算法。但是，相關技術人員必須仔細檢查鍋爐的燃燒情況，全面分析工作狀態。根據鍋爐運行狀態及時調整，才能夠最大程度上節省燃料和燃燒時間，有助于減少經費的投入，降低資源的消耗。

4 結語

人工智能識別技術是一種計算機應用的高端學科，在很多領域都取得不錯的成效。但是目前發展并不成熟，自主判斷力弱，無法完全代替大腦。應加大經濟、人力等資源的投入，推動此項技術的快速發展，為人們的生活帶來更多的好處便利。

參考文獻：

[1] 黃力軍，許雯婕，范騰達，等.對計算機人工智能識別技術應用瓶頸的探討[J].通信電源技術，2018，35（2）：233-234.

[2] 王鵬，劉枚，馬怡陽.5G時代人工智能識別技術在視頻偵查中的應用[J].河北公安警察職業學院學報，2020，20（1）：12-14.

[3] 佟瑞鵬，張艷偉.人工智能技術在礦工不安全行為識別中的融合應用[J].中國安全科學學報，2019，29（1）：7-12.

[4] 何正坤，王麗，王宣懿，等. 人工智能識別技術的應用分析[J].科技經濟導刊，2019，27（10）：34.

[5] 張茂省，賈俊，王毅，等.基于人工智能（AI）的地質災害防控體系建設[J].西北地質，2019，52（2）：103-116.

收稿日期：2021-08-11