主要还是在研究阶段，而这阶段的主要作用是协助人类更好地生产人工智能机器人。所以目前进行的人工智能包括以下几个方面的任务：不依赖于人类，完成和“人工”特定任务。
比如让机器人编程从“说话”，这其实目前的计算机很难完成，因为根据人类语言发展规律，人类现在掌握的基本词汇本身就包含大量语法概念和特定词语意思，远超过像机器人这种用程序语言的交流方式。
所以这个“人工”目前多用于替代具体事务的比如翻译，也就是帮助解决专业性较强的人工工作的这种人工智能任务。人工特定任务：不依赖于人类，独立进行特定任务，包括完成人类独立编程任务，使得人工智能拥有主动性和灵活性，使得人工智能更像一个机器人，人类更像一个指挥官。
那么，人工智能基本掌握的是什么呢？目前的人工智能水平主要是取决于不依赖于人类思考的方式而进行的一系列任务，包括：基于数学公式的自然语言表达，基于模拟的思维游戏（电脑棋类），基于机器视觉的图形识别，基于声音的语音识别，语义分析，排序，绘画等等等。
那么这些任务有什么异同呢？每一个是什么目标，完成这些任务的可行方案是什么？目前想明白的是语音识别，算力基本都足够支持机器语音了，但是机器语音具有混音的特点，也就是说当进行同一任务的时候，会对这个录制下来的机器语音进行修改或者去掉重要的语音信息，但是当机器语音表达的内容、语调、变量过多，过难读取时，就会带来问题：这个音节应该用哪个音素发音。
而每一种方法带来的解决方案大不相同，需要不同算法、不同平台支持。单纯为了快速识别而采用声音，很可能就是“照猫画虎”，容易导致效率低下，同时维护的时间长，即便使用mpc特征提取器，效率也不一定高，即便使用了优化技术，也会有一定延迟。
而且是否精准也是需要打磨的。除了模拟方法，结合机器视觉的方法是非常成熟而且有效的方法，但是要达到好的效果，必须要进行针对性训练，比如场景识别、人物识别、情绪识别、角色识别等等等的分析与处理。这方面这篇文章就说的非常清楚了。
最主要是人脑的任务识别。对人工智能你只需要知道以下一点：人工智能是一个复杂任务的集合。比如一个游戏可以用图灵机进行模拟和设计；最终目的是解决万物皆数学的问题；解决问题的方法是对数学问题进行抽象和运算的，比如提高复杂度。
所以会有“万物皆数学”的说法。那么对机器来说，首先需要的是知道它能分辨的东西包括什么。其次，它能比我们的观察能力快。
转载请注明：http://www.0431gb208.com/sjslczl/3420.html
