未来智讯 > 人工智能论文 > 人造智能导向下人机界面成长趋向切磋

人造智能导向下人机界面成长趋向切磋

发布时间:2020-04-06 01:17:01 文章来源:未来智讯    
    人造智能导向下人机界面成长趋向切磋作者:未知  摘要:文章起首先容了人造智能技艺与人机界面的基本观念,其次先容了人造智能技艺在人机界面范畴的应用及成长近况,从推荐体系、谋略机视觉、语音辨认三方面剖析了人造智能导向下界面發展趋向,阐明了人造智能对人机界面方面的影响。最终对人机界面将来的成长偏向作了归纳和预测。
  关头词:人造智能;人机界面;推荐体系;谋略机视觉;语音辨认
  中国分类号:J524 文献标识码:A
  文章编码:1672-7053(2019)02-0137-02
  1 人造智能技艺与人机界面的基本观念
  1.1 人造智能技艺
  人造智能技艺是谋略机学科的严重分支之一,其焦点思惟是使用机械模仿人的头脑过程,进而取代人完成响应的事情。“人造智能”一词呈现于1956年,由美国几位数学、信息科学、谋略机科学、神经学、生理学方面的科学家提议。现实应用中,人造智能指机械能够感知情况的改变,体系凭据设定的准则执行指标义务[1]。 相对付通俗步骤,Al具备“认知”层面的进化,其特点是可以自顺应、自进修、自发展,议决人造智能、模式辨认、机械进修等技艺兑现机械对实际天下各类数据及表象之间内涵关系的领会。议决对客观天下及今朝能够观测、勘测的各类信息、数据内涵寄义的认知并有用地表达。使用机械模仿人的头脑过程,取代人类从事大局部事情。同时处置大量信息,并针对多个“指标的聚集”进行综合决议计划,供给细致的客观数据以帮忙用户进行决议计划。
  1.2 人机界面
  人机界面分为广义人机界面与狭义人机界面。广义人机界面指人机体系,由人、机和情况三个局部组成的一个总体,相互关联、相互影响。在人机体系中,议决人机界面兑现人机之间的信息交流和把握举止。
  狭义人机界面指的是谋略机体系中的人机界面,用户议决人机界面兑现与谋略机的信息交撒布递。
  与人造智能技艺相联合的人机界面又被称为智能界面,智能界面首要使用人造智能技艺兑现人机交流,提高了人机交互的可用性[2]。
  2 人造智能在人机界面中的应用及成长
  作为一门综合学科,人造智能今朝已在谋略机视觉、机械进修、天然说话处置、智能机械人等多个范畴施展严重作用。跟着社会、经济和科学技艺的成长,传统人机界面已不克不及餍足当前的用户需求。人造智能技艺将引领人机界面的厘革。近几年来深度进修、神经网络技艺出现爆发式成长,尤其在个性化推荐体系、谋略机视觉、语音辨认等方面。
  2.1 个性化推荐体系
  互联网的迅猛成长造成信息领受量的膨大,同时也提高了用户筛选信息的成本。若何有用地捕捉用户的乐趣偏好,恰是个性化推荐体系的切磋偏向。个性化体系可以依据用户风俗和爱好推荐体面的服务,减低用户信息筛选的成本。。
  在人造智能导向下,人机界面从信息的被迫传输转折为自动推荐,人机界面向真实意义上的智能界面转折。Cheng等[3]提议了一种基于网站评价信息文本自顺应的注意力模子,该模子议决剖析用户评价抽取用户偏好和商品特性,兑现用户评价的智能排序。Tan[4]等人提议一种基于内容的推荐体系的深度进修要领。使用时间递归神经网络亮相语境和引用的分布式意义,用于升迁文本和对话中的推荐范畴。Wang[5]等开辟了一种新式文章推荐模子,使用深度进修体系进修编纂采用文章的风俗,形成一套筛选文章的动态尺度。
  议决个性化推荐体系,人机界面可以辨认并展望用户的意图,为每个用户在各异时间、各异所在推荐最适合当前场景与乐趣偏好的内容。
  2.2 谋略机视觉技艺
  谋略机视觉(CV),又称机械视觉,是指机械感知外界情况的才力。机械视觉从客观图像中辨认并提守信息,并对这些信息进行领会、剖析、处置,对了局做出反馈[6],最典型的应用便是人脸辨认和图像辨认。人脸辨认技艺使谋略机可以区分并记着每个各异用户,兑现个别需求的超细分解。而图像处置技艺使人造智能可以辨认用户四周的情况,从而能加倍完全地控制用户的状态。
  今朝谋略机视觉的首要切磋偏向为提高辨认算法的精度及拓展谋略机可以辨认的类型。Chao[7]等提议了以步态辨认视频序列为根本的GaitSet算法。借助全联贯网络提高体系对指标特性辨别本能。Wang[8]等人提议了一种以运动信息为焦点的端到端物体检测模子,该体系将像素级和实例级的特性同时校准从而提高检测精度。Joo[9]等人提议了一种能够追踪身材的姿势、面部心情及手势的三维人体天生模子。邹国锋等[10]先容了现有的人脸辨认技艺以及多姿态三维的人脸辨认;李学龙等[11]提到现有的用于场景图像辨认的分类法在今朝的数据量巨大繁杂的情况下逐步显出其范围性,务必实验用谋略机模仿人脑的头脑体式格局,在领会场景深层语义的根本长进行分类
  借助谋略机视觉技艺,人机界面可以感知用户的状况及周边情况,并做出响应反馈。人交互体式格局也从键盘鼠标等向手势操作,眼部操作等新式操作体式格局成长。同时指纹辨认、面部辨认及步态辨认等生物特性辨认技艺的应用,使小我产业、信息安好系数添加。
  2.3 语音辨认技艺
  语音辨认是一种将语音实时转换为可读文本的技艺。语音辨认在人造智能范畴应用普遍。跟着深度进修技艺的成长,语音辨认从理论走向适用化。在输入法、翻译和搜罗引擎等人机交互场景下,语音辨认技艺都有着普遍应用。
  今朝语音辨认的应用切磋较为热点,google、baidu、滴滴、小米等企业都成立了响应的切磋团队。当前的切磋偏向在提高辨认的正确率,议决语音辨认用户的情感与意图。Xiong[12]等联合了基于神经网络的声学和说话建模的最新进展成果,提高互换机辨认义务的技艺程度,该体系取得了6.3%的词错率。20u[13]等人提议了滴滴attention端对端语音辨认体系,并在现实应用中有显著的本能升迁。Taol[4]等人提议了一套复合情绪辨认框架。该框架议决深入发掘输入语音中与情绪有关的信息,提高体系正确性。Shan[15]等使用基于注意力机制的端对端要领,在小米电视测试数据上胜利得到了2.81%的词错率。
         语音辨认技艺雄厚了人机界面的交互体式格局,使谋略机可以领会天然说话,更正确地明白用户的意图,进一步提高事情效果,餍足用户需求。
  3 人造智能导向下人机界面的改变及成长趋向剖析
  传统的人机界面已经不克不及餍足用户多样化、个性化的需求。跟着人造智能技艺的成长,将来人机界面将在信息出现体式格局、界面使用体式格局上产生改变。人机界面的向智能化、多条理互动偏向成长。
  3.1 界面使用体式格局变化
  1)身份辨认体式格局多样化。在信息化时代,小我信息安好急需保险。传统的身份认证体式格局存在缝隙,生物辨认验证将逐步代替传统身份验证体式格局,今朝的生物辨认技艺有指纹辨认、人脸辨认、虹膜辨认、步态辨认及声纹辨认,前三者的应用较为普遍。未来小我身份认证功能将会逐步遍及,验证体式格局从单平生物目标辨认转折为多更生物目标综合辨认。
  2)操作体式格局多元化。议决语音操作的体式格局比重逐步增大。议决语音操控硬件,提高事情效果,自由双手。同时谋略机对外部情况噪音进行降噪与语音提取,语音操作的交互体验将不息优化,兑现高拟人化、高辨认度的语音把握。
  3)信息搜罗智能化。信息搜罗的体式格局从单一的输入文字,转折为输入图像、语音文字的多种体式格局的综合搜罗引擎。议决上下文语义剖析,视觉感知,情绪领会,急剧精准地为用户进行多媒体内容的推荐。信息从被迫查询向自动推荐转折,凭据用户的汗青数据挖掘用户搜罗内容的潜在寄义。
  4)智能助理广泛化。通用型人造智能的呈现,使智能助理可以笼盖更多的场景,当前手机、智能音箱和电脑上的智能助理,仅是智能助理的体例之一。抱负化的智能助理应供给人道化的交互体验和个性化的服务体验,使服务笼盖各异场景。
  3.2 界面出现体式格局变化
  1)界面出现载体改变。传统人机界面议决硬件载体兑现信息的传递,而将来人机界面将不拘泥于屏幕显示。视觉界面的出现载体从二维平面向三维空间延长,虚拟实际、加强实际、脑机接口、全息投影等新式交互体式格局将被逐步应用于人机界面。用户议决语音和手势即可操作。
  2)界面信息出现体例变化。跟着多媒体技艺的成长,信息的出现由静态向动态化转折,动态的视频信息将占据主导身分。越来越多的信息以三维体例出现,加倍直观、易领会,用户的体验加倍真正。信息的出现体式格局由单一的文字转折为语音、图像、视频的多样化出现。
  4 归纳和预测
  跟着人造智能技艺在人机界面范畴的不息成长,人机界面取得了必然的成果,但现有人造智能技艺仍有很多范围性。(1)人脸辨认、图像辨认的正确性受到训练样本的限定,无法实用于全部环境;(2)语音辨认今朝仍存在隐私透露、噪音作梗,信息不行修改逆转等问题,并不克不及完全代替图形类界面。人造智能导向下人机界面的成长,还有很长的一段路要走。将来人机界面功能将会加倍完善,用户体验加倍优良。人造智能技艺必将在人机界面中施展越来越严重的作用。
  参考文献
  [1]王志宏,杨震,人造智能技艺切磋及将来智能化信息服务系统的思索[J],电信科学,2017,33 (05):1-11.
  [2]胡文婷,周献中,王友发,等.基于智能界面的交互模子切磋[C]//2013中国批示把握大会,2013.
  [3]Cheng Z, Ding Y, Zhu L, et al Aspect-Aware Latent Factor Model: Rating Prediction withRatings and Reviews[J]. 2018
  [4]Tan J, Wan X,Xiao J A Neural Network Approach to Cluote Recommendation inWritings[C]// Acm International on Conference on Information&Knowledge ManagementACM, 2016
  [5]Wang X, Yu L, Ren K, et aI Dynamic Attention Deep Model for Article Recommendationby Learning Human Editors' Demonstration[C]// Acm Sigkdd International Conference onKnowledge Discovery&Data Mining. ACM, 2017
  [6]卞正岗,机械视觉技艺的成长[J].中国仪器仪表,2015 (6).
  [7]Chao H, He Y Zhang J, et al GaitSet: Regarding Gait as a Set for Cross-View GaitRecognition[Jl. 2018
  [8]Wang S, Zhou丫Yan J, et aI Fully Motion-Aware Network for Video Object Detection[C]//European Conference on Computer Vision. Springer, Cham, 2018
  [9] Joo H, Simon T Sheikh丫Total Capture:A 3D Deformation Model for Tracking Faces,Hands, and Bodies[J]. 2018
  [10]鄒国锋,傅桂霞,李海涛,高妙亮,王科俊,多姿态人脸辨认综述[J],模式辨认与人造智能,2015,28 (07):613-625.
  [11]李学龙,史建华,董长生,陶大程.场景图像分类技艺综述[J].中国科学:信息科学,2015,45 (07):827-848.
  [12] ChiuC C,Sainath T N,Wu Y et aI State-ot-the-art Speech Recognition With Sequenceto-Sequence Models[J]. 2018
  [13] XiongW,Droppo J, HuangX, et al The Microsoft 2016 Conversational Speech RecognitionSystem[J]. 2016
  [14] ZouW,Jiang D,Zhao S,et al A comparable study of modeling units for end-to-endMandarin speech recognition[J]. 2018
  [15] Tao F,Liu G,Zhao Q AN ENSEMBLE FRAMEWORK OF VOICE-BASED EMOTIONRECOGNITION SYSTEM FOR FILMS AND TV PROGRAMS[J]. 2018
  [16] Shan C, Zhang J, Wang Y, et al [IEEE ICASSP 2018 - 2018 IEEE International Conferenceon Acoustics, Speech and Signal Processing (ICASSP) - Calgary, AB, Canada (2018.4.152018.4.20)] 2018 IEEE International Conference on Acoustics, Speech and Signal Processing(ICASSP) - Attention-Based End-to-End Speech Recognition on Voice Search[J]. 2018:4764-4768
转载请注明来源。原文地址:https://www.7428.cn/page/2020/0406/87824/
 与本篇相关的热门内容: