数万人工大脑突触组成，可进行超复杂计算

人工智能技术正在将其自身融入业务的各个方面。重要的一些人工智能技术包括图像识别、语音识别、聊天机器人、自然语言生成和情感分析。

需要明确的是，每种类型的人工智能技术都代表广泛的类别，通常包括数十个甚至数百个基础组件。反过来，通常将这些组件重组为更复杂的应用程序，为企业创造价值。

例如，百货商店人工智能机器人可以在工作中使用图像识别、视频和语音识别技术。图像识别软件将使其能够检查货架上库存的位置、价格和数量;视频将帮助其避免遇到任何障碍，并确定其在商店中的位置;语音识别组件将使其能够引导和娱乐客户。

为了取得这种成就，这些业务中的人工智能技术通常结合了针对整个任务的特定部分量身定制的各种算法和技术。它们包括符号处理、统计分析、神经网络等等。

以下是对五种人工智能技术的深入阐述，这些技术随着时间的推移而发展，从而极大地改变了企业处理、分析和生成数据的方式。

1.图像识别

企业使用图像识别的各种方式包括：在工厂生产线上进行自动检查，在保险中生成损坏估计，在图像中识别物体，对人员进行计数，控制制造过程，检测诸如顾客进入商店等事件以及生成真实世界的模型。

人工智能技术必须找到一种方法，采用各种人工智能算法可以处理的数字来描述世界。在视觉方面，研究人员发现了如何将一张图片划分成一个像素网格，这样每个像素都可以表示为一个数字。在早期，采用一个数字来描述每个像素的亮度。后来，人们发现可以用三个或更多的数字来描述每个像素中不同颜色的亮度。

20世纪60年代，研究人员开始探索如何使用原始形式的光学字符识别(OCR)技术的软件图像识别功能来识别数字文档中的字符。其他研究人员开始探索基于图像的场景解释技术，试图从二维图像重建三维图像。多年来，这些技术已成为机器视觉行业工具包的一部分。

后来，研究人员发现可以将图像识别组织为一个分层过程，以使其更易于解释日益复杂的现象。例如，黑色和白色像素可能被识别为线条和曲线，而线条和波浪形又被识别为数字的一部分。训练算法来学习基于这些曲线图案而不是每个像素的亮度来解释字符的方法要容易得多。类似地，更容易根据图像是否包含两只眼睛和适当形状的耳朵来确定图像是否是猫，而不是根据每个像素中颜色的原始亮度来确定。


 

大多数早期的数字孪生技术(而且技术仍然相对较新，因此涵盖了当今使用的许多数字孪生)非常简单。风力发电场中的涡轮机采用了数字孪生设备，制造商可以通过其孪生设备查看涡轮机是否工作正常，而风力发电场的运营商可以对其进行维护。如果这是数字孪生系统所要做的事情，那么没有什么问题。

但是，当试图将大量物品(例如带有环境传感器、暖通空调控制、照明和安全工具的智能建筑)放入同一模型时，就会出现问题。该系统的各个组件几乎不可能全部来自同一制造商，更不用说使用可互操作的网络协议了，因此尝试采用数字孪生将所有这些系统构建成整个建筑的一致性可能非常复杂。

Forrester公司首席分析师Paul Miller表示，这是目前该领域面临的关键挑战，也是这个技术发展方向的一个指标。

他说：“我们正在从一个数字孪生技术小型特有的世界过渡到一个拥有很多利益相关者更多的世界。要做到这一点，他们需要其中一些标准来进一步确立。”

这就是数字孪生联盟和其他标准组织的用武之地。通过为不同公司生产的传感器和其他设备创建开放源代码标准，跨越不同的垂直领域，可以实现创建更大、更复杂的数字孪生应用潜力。

该组织总经理Richard Soley表示，自从1989年创建数字孪生联盟以来，该组织一直是Object Management Group的成员。作为数字孪生技术发展的一部分，该集团致力于将技术推广到更多的市场。

但是，其中许多市场的性质(包括基础设施、航空航天和国防以及采矿、石油和天然气)意味着存在一定的阻力，因为这些垂直行业的大多数供应商都有很多他们渴望保护的专有技术。

Soley说：“企业必须花费时间说服供应商，他们需要从更多市场的大蛋糕中分一小块，而不是在一个小蛋糕中分一大块。”

Miller表示，一旦供应商明确要求分享的信息对他们的商业机密不一定至关重要，他们遭到客户的抵制就会减轻。

他说：“企业需要在某些知识产权领域提供保护，但在其他方面共享也没有不利之处。风力涡轮机产生的电量并不需要保密。”

（编辑：周口站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!