機械学習
機械学習は学際的分野のクロスは、上記学習モードと学習方法から分類することができますされ、学習モードでは、機械学習に分類される学習、教師なし学習と強化学習を監督し、機械学習方法は、従来の機械学習に分けることができます学習と深い学習。
機械学習は、教師なし学習と強化学習を学習することで、教師付き学習に分かれています。
機械学習、統計、システム識別、近似理論、ニューラルネットワーク、最適化理論、コンピュータ科学の学際的分野、脳科学を含むものです。これは、既存の知識構造を再整理し、今後それらを保つ方法をコンピュータシミュレーションや人間の学習行動の実現、新たな知識やスキルを得るために調べます。その性能を向上させるために人工知能技術の中心にあります。機械学習のデータに基づいて、最も重要な近代的な諜報法の一つです。、学習方法や学習アルゴリズムのモードに応じて、機械学習は、異なる分類を持っています。
マッピングの知識は、
知識マップが。本質的に意味ネットワーク（意味ネットワーク）知識ベースである「少し抽象的なので、知識の実用化の観点から別の角度は、実際には単にマルチマップ図として理解することが可能である。
本質的に、知識「 -関係-エンティティエンティティ」三セマンティック知識構造のアトラスは、基本単位でノードおよびエッジからなるデータ構造を示す図、記号形式と物理的な世界での関係で説明した概念であります基、およびその関連エンティティ..「属性-値」の関係を介して互いに連結され、異なるエンティティ間、知識構造ナレッジグラフでネットワークを形成し、各ノードは現実世界「エンティティ」を表し、それぞれの側ですエンティティとエンティティ間の「関係」。もっと単純に、知識が一緒に情報のすべての異なる種類のマップと関係のネットワークを取得し、問題を分析するための「関係」の観点から機能を提供することである。
知識が利用可能なマップ詐欺に、矛盾検証、詐欺や公共の安全とセキュリティエリアの他のグループ、例外分析を使用する必要性、静的解析、動的解析、データマイニング手法は、視覚表示と精度のマーケティングは、業界のための一般的なツールとなっている具体的には、知識マップは検索エンジンで大きな利点を持っている。しかし、知識マップの開発だけでなく、偉大な挑戦このようなノイズデータの問題、すなわち冗長データの存在自体やデータエラーなど。知識マップアプリケーションの深化、ならびに突破するために必要な重要な技術のシリーズ。
自然言語処理
、自然言語処理、機械などの分野でのより複雑な自然言語、中の人とコンピュータの間の効果的なコミュニケーションの理論と方法の多様性を達成するための研究でコンピュータ科学と人工知能の重要な方向であります翻訳、理解とクイズ機械システムを読み込みます。
機械翻訳
機械翻訳技術は、他の自然言語に1つの自然言語からの翻訳のプロセスにコンピュータ技術の使用を意味します。前ルールベースの変換方法およびインスタンス・ベースの統計的機械翻訳の限界は、翻訳性能が巨大な後押ししました。神経の日常言語におけるネットワークや成功したアプリケーションのいくつかのシーンのベースの機械翻訳深さは、大きな可能性を示しています。コンテキストのコンテキスト知識表現能力の発展に伴い、自然言語マッピングの知識は拡大し、機械翻訳は、対話翻訳とテキスト翻訳や他の分野のいくつかのラウンドでより多くの進歩を行います。
意味理解
意味理解技術は、章のテキストの理解を達成するためのコンピュータ技術を使用することで、チャプターのプロセスに関連した質問に答えます。意味理解より多くの文脈を理解することに焦点を当てだけでなく、制御の正確な範囲への回答。MCTestデータ・セットのリリースでは、意味理解はより多くの注目を受け、かつ急速な発展、および別の後のニューラルネットワークモデルを対応する関連データセットを達成します。スマート顧客サービス、製品の品質保証およびその他の関連分野における意味理解技術は、さらにシステムとのQ＆Aセッションの精度を向上させるために、重要な役割を果たしています。
システムが応答
システムのダイアログシステムは、オープンエリアに、特定の領域に分割された応答システムに答えます。Qシステムの技術は、コンピュータ技術は、人間のような人々と自然言語で通信するようにすることです。人々は、システムがより高い関連性の答えを返し、システムに答える表現するために、自然言語を使用して質問を提出することができます。多くの場合、インデックスキーワードの識別と爬虫類に基づいて1文の1を見つけ、その後、返信する、開発中の企業のスマートフォンのロボットで使用。質問応答システムのアプリケーションの多くは、主に、このような人工知能の比較的成熟した分野であるスマートフォンのアシスタント、などの分野における情報システム・サービスの実用化には、表示されますがあった、市場は同時に、機会と課題に拡大を続けて共存する、ロボットを本当に使いやすいスマートフォンにもNLPが直面する主要な課題4を必要とします：
字句、構文、意味、実用的と音声の不確実性の異なるレベル;
2.新しい語彙、用語、セマンティクスおよび予測不可能性の未知の言語現象に構文リードは、
リソース不足は3.データにそれを困難にします複雑な言語現象を覆う、
ファジー相関および複合セマンティック知識4困難な説明簡単な数学的モデルは、非線形計算を計算セマンティックパラメータが膨大必要
ヒューマンコンピュータインタラクション
人間とコンピュータの相互作用は、人工知能の分野で重要な周辺技術です。人とコンピュータ、およびコンピュータの人々の間での情報交換を含む主人とコンピュータ間での情報交換、。HCIは密接に認知心理学、人間工学、マルチメディア技術とバーチャルリアリティ技術に関連する総合的な規律です。人とコンピュータ間での情報の伝統的な交換は、主に、キーボード、マウス、ジョイスティック、データ衣類、アイトラッカー、ポジショントラッカー、データグローブ、圧力ペン入力デバイス、プリンタ、プロッタを含め、対話デバイスに依存していますディスプレイ、HMD、スピーカ等の出力装置。マン・マシン・インタラクション技術は、従来の基本的な相互作用およびグラフィカルな相互作用に加えて、音声対話、感情的な相互作用、相互作用や体性感覚ブレイン・マシン・インタフェースを含んでいます。
コンピュータビジョン
コンピュータビジョンは、人間の視覚系の科学のコンピュータシミュレーションを使用することです。これは、プロセスを抽出するために、人間に似た画像を画像シーケンスを理解し、分析するためにコンピュータを可能にします。車の運転、ロボット工学、インテリジェント医療分野では、コンピュータビジョン技術により視覚信号から情報を抽出して処理する必要があります。近年では、深い学習、前処理、特徴抽出、および段階的な統合アルゴリズム処理、形成された端人工知能アルゴリズム技術の開発と。計算撮像、画像理解、三次元ビジョン、ダイナミックビジョン及びビデオコーデック：コンピュータビジョン、解決される問題は、5つのカテゴリーに分けることができます。
現在では、最初の工業規模でのコンピュータビジョン技術の急速な発展、。コンピュータビジョン技術の将来の発展には、以下の課題に直面することになります：
まず、より良い他の技術と組み合わせて、さまざまなアプリケーションを統合する方法を、コンピュータビジョンを広く人間を超越することができ、徐々に成熟した問題のいくつかに対処するためにビッグデータを使用することができますしかし、特定の問題に高精度を達成することができない
程度に。
第二に、どのように開発時間と人件費コンピュータビジョンアルゴリズムを低減します。現在、コンピュータビジョンアルゴリズムは、データと手動タグ付けを大量に必要とし、それが時間のかかるアプリケーションドメインに必要な精度とを達成するために、研究開発の長い期間を要します。
どのように新しいアルゴリズムの設計と開発をスピードアップします。新しいイメージングハードウェアと人工知能チップの出現により、コンピュータビジョンアルゴリズムとデータ収集装置の設計と開発のための異なるチップは、それにも挑戦です。
バイオメトリクス
バイオメトリクスは、個人の生理学的または行動的特徴によって個人のアイデンティティを認識し、識別するために指します。アプリケーションプロセスから、生体認証登録および識別は、通常、2つのフェーズに分けられます。登録フェーズ、指紋、顔や他の光学情報の生体情報取得センサ本体抽出技術、例えば、音声、データの前処理及び機能として、マイクの音響情報、及び対応する特徴を記憶しています。
識別プロセスにおいて、識別を完了するのに比べて、登録処理情報の収集、データの前処理及び特徴抽出、および特徴抽出格納された識別に応じ。アプリケーションタスクの観点から、一般的に生体認証および検証タスクを分割します。認識は、人の識別のプロセスは、多くの問題への1つであるリポジトリから特定されます。それは、人を同定する認識処理を比較することにより、リポジトリ特定の個人情報に記憶された識別情報を指します。