计算机人工智能识别技术应用瓶颈探析

郭蕴莉

恒银金融科技股份有限公司 天津 300380

1 计算机人工智能识别技术

计算机人工智能识别技术的核心是用计算机对人类智能进行模拟，进而促使计算机通过模仿人类的判别思维来达成识别的目的。例如人类看到了一个熟悉的面孔，会通过大脑的思维判别，自主识别出对方的身份，而利用人工智能技术进行面部识别与之类似，也是通过扫描被识别者的面部信息，然后将其与已纳入面部模型库中的“熟悉面孔”进行对比，进而实现身份的识别确认。将计算机人工智能识别技术广泛应用于生活和工作，可以实现对人力资源的解放，很多识别确认类的工作交由系统自动完成，极大地提升了工作质量和效率[1]。

2 计算机人工智能识别技术的应用实践

2.1 无生命特征的技术应用实践

二维码识别：二维码识别是条形码识别技术在实际应用中的一种形式，它通过使用二维码生成程序，可以自动产生一种黑白相间且呈现出规律性排布的平面图形，这个图形具有唯一性的特征，可以对相关的信息技术进行保存记录。在此基础上，利用二维码扫描程序就可以实现对图像信息的自动识别和处理，促使信息显性化。

2.2 有生命特征的技术应用实践

（1）语音识别：语音识别是计算机系统对人类的语音、思维进行识别，并按照识别到的结果开展相关的分析与操作。比如很多即时通信软件都同时支持发送语音和文字，并且可以实现语音和文字的相互转换；又比如在智能家居、车载智能语音助手等相关应用情景中，系统可以实现人机语音交互，通过对人类语音含义的识别完成相关操作并加以回馈，诸如根据语音信息自动打开空调、电视；开车时根据语音提示实现自动拨打电话等。在语音识别的应用实践中，有两个方面的问题需要引起重视：首先，要对环境噪音进行排除，过高的环境噪音会对语音清晰度产生影响，对正确识别造成不利影响；其次，考虑到各地方言的影响，在构建语音识别系统时还必须实现对方言的自动校正。

（2）面部识别：面部识别系统需要先对身份确认人员的面部信息进行采集，并进一步构建面部模型库。然后在进行识别时，先对被识别者的面部信息进行采集，并将采集到的面部模型及其上的关键特征与库中模型及其特征进行比对。如果匹配正确，即可以实现对身份信息的识别确认。近年来，面部识别技术在很多场合都得到了应用，比如有一些应用软件在进行账户登录时需要识别面部信息以完成身份确认。最为典型的就是很多手机银行在更换移动终端登录时，为了保证用户财产安全，需要在账户密码验证正确的基础上再进行面部识别以确认身份[2]。

3 应用瓶颈和解决对策

3.1 成本问题

计算机智能识别技术的应用需要依靠相关软硬件资源的支持，而这会带来较高成本，成本问题一直是限制智能识别技术应用的难题，这也是导致很多智能识别系统无法大范围推广的原因所在。比如带语音交互功能的智能家电价格明显高于普通家电，造成其无法成为市场上的消费主流。针对这一问题，只能通过推动技术发展来逐步克服。很多技术成品在诞生初期时的成本都比较高，但随着其发展完善，成本会逐渐降低。

3.2 可靠性问题

计算机人工智能识别技术在识别可靠性方面还存在一定缺陷。比如语音识别会受到噪音干扰和方言影响；面部识别的准确性会受到眼镜、发型、妆容以及表情等因素的影响；指纹识别也存在可靠性问题，人在生活中会广泛接触周边物体，导致指纹会留存于很多地方，如果这些指纹痕迹被不当应用，则可能会欺骗指纹识别系统。针对这一问题，一方面需要加强对识别技术的深化研究，提升信息采集和 AI 识别算法的质量；另一方面，可以综合采用多种识别技术，比如进行身份识别时综合应用面部识别、指纹识别、声线识别甚至是虹膜识别，通过构建多道安全锁的方式来提升可靠度。

3.3 识别数据库和知识库有待丰富

从某种程度上讲，人工智能识别系统能够准确识别到的对象数量决定了系统可完成事情的程度，如果系统构建配置的识别模型限制较多，而待识别对象的特征又不在数据库的存储范围内时，系统就可能出现无法识别或识别错误等情况。针对以上问题，首先要加强与大数据技术的结合应用。利用大数据手段对识别领域内的对象案例进行广泛采集，不断丰富识别数据库。第二，强化对机器学习和深度学习技术的应用。人工智能识别系统在初始时可能会因为识别模型和规则的限制，出现各种识别错误或漏识别的问题，但通过对错误案例的自主学习，系统能对内化的规则知识进行优化完善，使系统不断获得进化提升。最后，人类对知识的使用过程具有机理复杂、非线性和非结构化的特点，而传统的结构化数据库给系统模仿人类进行知识的存储、管理和检索造成了诸多约束，所以需要探索更贴近人类大脑的非结构化知识库模型。目前有学者提出了用复杂网络进行知识库建模的观点，给该问题的解决带来了曙光[3]。

4 结语

目前，人工智能识别技术在无生命特征的技术实践领域和有生命特征的技术实践领域均有广泛应用，给人类的生活带来了极大的便利。该技术尚存在许多发展瓶颈，需要我们通过技术革新进行解决，相信未来的人工智能识别技术将会越来越成熟，同时，由于成本进一步降低，其应用也会更加普及。