【文章內(nèi)容簡介】 識別 物理識別是對接受到的信息實(shí)現(xiàn)物理、化學(xué)和生物學(xué)的量化認(rèn)識。視覺包括明暗、顏色、大小、形狀、遠(yuǎn)近、運(yùn)動狀態(tài)等。聽覺包括聲音大小、頻率、方位、波形等。觸覺包括溫度、導(dǎo)熱率、硬度、粘度、大小、形狀、受力、活動狀態(tài)等。嗅覺和味覺包括物質(zhì)的組成及化學(xué)成分。 現(xiàn)代科技與電腦相結(jié)合在物理識別范圍和識別精度方面早已大大超過人自身的能力。幾乎所有的科學(xué)儀器都是用于這種識別。這種識別的特點(diǎn)是識別內(nèi)容分別獨(dú)立互不相關(guān)，事件具有精確的重復(fù)性，無需經(jīng)驗(yàn)和智能，完全可以程序化。所以它是最低層次的識別 。 模糊識別是在大量復(fù)雜的信息中識別出有用的部分 ， 即對接收的信息與以往的記憶和經(jīng)驗(yàn)進(jìn)行關(guān)聯(lián)認(rèn)識 ， 剔除無關(guān)的信息 。 視覺包括在復(fù)雜的背景中辨認(rèn)特定的人和物或以往經(jīng)歷過的人和物 。 聽覺包括在嘈雜的背景中辨別出特定的聲音 ， 特別是不同人的講話聲 。 模糊識別可解決有誰 、 有什么 、 是誰 、 是什么的問題 。 這種對人來說輕而易舉的能力對電腦來說真是太難了 。 目前電腦可通過對照記錄的方式實(shí)現(xiàn)單一識別能力 ， 例如指紋 、 圖形 、 語音等 。 由于電腦不能實(shí)現(xiàn)關(guān)聯(lián)記憶 ， 所以它在模糊識別方面難以有突破性進(jìn)展 。 這個(gè)層次的識別與我們常見的寵物 、 牲畜 、 鳥 、昆蟲的識別能力大致相當(dāng) ， 因此它不能產(chǎn)生高級智能 。 情感識別是最高級的識別 。 它是完全的感性識別 。 這種識別主要是針對人際之間的信息交流 。 它包括文字 、 語言 、 歌曲 、 表情 、外表 、 氣味和動作所表達(dá)的含義 ， 既識字又聽得懂說話 ， 甚至包括自然現(xiàn)象 、 事件 、 環(huán)境和物品的人文美學(xué)含義 。 這種識別已經(jīng)超出了人工智能的模糊識別 ， 達(dá)到了人工高級生命的能力 。 以單一語音識別為例 ∶ 初級識別能夠知道有聲音 ， 模糊識別能夠知道說什么或誰在說話 ， 而高級識別則能通過說話的內(nèi)容 、 音調(diào) 、 節(jié)奏知道說話者的情緒和態(tài)度 。這種識別要求電腦具有人類的情感 。 由此可見 ， 高級智能與情感是完全相關(guān)的 。 二．模式識別的全過程 模式識別的全過程可用下圖簡要的表示： 以上過程中，每一階段設(shè)計(jì)的好壞都會對全盤的工作產(chǎn)生嚴(yán)重的影響，所以每一階段都應(yīng)爭取尺可能完美的效果。 被識對象 非電量轉(zhuǎn)換及 數(shù)字化 模式分類 特征或基元提取 預(yù)處理 圖 模式識別的全過程 1. 由于被識別的對象多半是具有不同特征的非電量 ， 如灰度 、 色彩 、 聲音 、 壓力 、 溫度等 ， 所以第一步就要將它們轉(zhuǎn)變?yōu)殡娦盘?， 然后經(jīng) A/D轉(zhuǎn)換 ， 將它們轉(zhuǎn)換為能由計(jì)算機(jī)處理的數(shù)字量 。 2. 數(shù)字化后的電信號需經(jīng)預(yù)處理 ， 以濾除樣品采集過程中摻入的干擾 、 噪聲 ， 并人為地突出有用信號 ， 以得到良好的識別效果 。 3. 經(jīng)改善后的有用信號 ， 還要作特征抽取或基元抽取 ， 才能對其分類 。 由于特征的抽取與待識模式的類別密切相關(guān) ， 很難有某種泛泛的規(guī)律可依循 。 隨著工作的深入 ，要不斷修改與完善此階段的工作 ， 這也是圖 中虛線回溯的含義 。 4. 模式分類就是在前幾步準(zhǔn)備工作的基礎(chǔ)上 ，把被識別對象歸并分類 ， 確認(rèn)其為何種模式的過程 。 這是模式識別 “ 出成果 ” 的階段 ， 直接以其分類結(jié)果表明本次識別的結(jié)束 。 模式分類按其方法 ， 大致可分為四大類 電腦模式識別技術(shù)最初起源于圖像識別的需要，比如協(xié)助警方根據(jù)照片從茫茫人海中搜尋某個(gè)罪犯，或者幫助醫(yī)生把顯微鏡下的細(xì)菌進(jìn)行分類 …。 人腦在接受到視覺器官傳遞來的信息時(shí)，是怎樣識別和區(qū)分大千世界的萬物的呢？ 一種方案是，大腦用一個(gè)神經(jīng)元與圖像上的每一點(diǎn)一一對應(yīng)并逐一判別，最后綜合為整體；但既使只描述圖像局部的大致輪廓，神經(jīng)元的數(shù)目仍不夠使用。 另一種更符合實(shí)際的方案是：大腦感知的不是圖像上的所有的點(diǎn)，而是輪廓中最典型的特征，如線段、角度、弧度、反差、顏色等，把它們從圖像中抽取出來，然后結(jié)合頭腦中過去的記憶和有關(guān)經(jīng)驗(yàn)和知識分析判斷。這種“特征抽取”也是電腦圖像識別的基礎(chǔ)。 要根據(jù)一張照片讓電腦在一群人中辯認(rèn)出某個(gè)人，可以先把這張照片輸入電腦，抽取照片上人像上的特征，如鼻子、嘴巴、眼睛和輪廓特點(diǎn)，進(jìn)行分類和加工，存放在機(jī)器里作為識別那個(gè)人的“模板”。然后，讓所有人都接受光電設(shè)備的描掃，把他們的圖像與機(jī)器事先存放的“模板”一一匹配。 只要待辯認(rèn)的人躲在這群人中間 ， 哪怕他化了裝 ， 留了長發(fā) ， 蓄了胡須 ， 也逃不脫電腦的 “ 火眼金睛 ” 。 這種圖像處理方法也叫 “ 模板匹配 ” ， 它已廣泛應(yīng)用于公安部門識別犯罪嫌疑人的偵破工作 。 圖像識別技術(shù)比較成功的運(yùn)用領(lǐng)域是文字識別 。 如果把每一個(gè)漢字或西文字母都視為一個(gè)小圖形 ， 模板匹配的方法自然可以移植到文字識別過程中 。 目前印刷體文字識別軟件早已進(jìn)行商品化階段 。 通常將印刷品上的文字用掃描儀輸入，首先經(jīng)過特征抽取處理，例如，某字的筆畫有幾筆，收尾端點(diǎn)有幾個(gè)，拐角有多少等。在電腦中已預(yù)先保存了各種字的圖形和它們的特征，也稱為“模板”，全部模板就構(gòu)成一部“模板字典庫”。由于要考慮字體、字號、紙張、油墨等因素影響，每個(gè)字都有若干套不同的模板。接下來就是將抽取到的文字特征與模板字典逐一匹配，直到在字典庫中找到最接近的模板為止。運(yùn)用這種方法，對于印刷體文字，電腦能夠以“一目十行”的速度進(jìn)行閱讀。 電腦的語音識別也是一個(gè)非常重要的人工智能技術(shù)，是人工智能多年追逐的目標(biāo)。與“視覺”輸入設(shè)備掃描儀對應(yīng)的“聽覺”輸入設(shè)備是話筒，語音識別的基礎(chǔ)技術(shù)也是模式識別。由于每個(gè)人說話的音色和音調(diào)都有一定的差異，發(fā)聲頻率各不相同。人腦對語音似乎有一種自適應(yīng)的能力，既能區(qū)分不同性別、不同年齡的語音差異，又能調(diào)整為能夠理解的音素，從而聽懂各色人說出的話語。采用模板匹配方式的電腦不可能具備這種本領(lǐng)，它通常只能“聽懂”特定某人的聲音，而且是經(jīng)過了一段時(shí)間的“學(xué)習(xí)”的結(jié)果。學(xué)習(xí)過程稱為“訓(xùn)練”即對著電腦大聲重復(fù)地講述某些字詞，直到它把這些字詞的聲音頻譜特征“記住”，存放在參考樣本庫作為識別這個(gè)字詞的模板。當(dāng)換了另一個(gè)人說話，電腦的正確識別率可能就會下降。 此外，語音識別對說話者使用的詞匯必須作出限制，否則要求電腦具有極大的存儲容量和極高處理速度。 1998年 IBM公司發(fā)布 ViaVoice98，使中文語音識別技術(shù)取得了實(shí)質(zhì)性突破，該軟件具有語音導(dǎo)航功能，在普通話的基礎(chǔ)上能適應(yīng)廣東、四川、上海三種口音，用平常速度口音讀一般文章的識別率達(dá)到 85%~95% ，并具有自適應(yīng)功能，快速口音適應(yīng)只需訓(xùn)練 5個(gè)詞、 3句話， 5分鐘左右即可建立一個(gè)語音模型。已被廣泛使用。 人工智能模式識別的進(jìn)展，已經(jīng)在一定程度上使電腦具備了“聽”、“說”、“讀”的能力，但距離理想的目標(biāo)還有較長的路程。對人類來說，哪怕你把字寫得龍飛鳳舞，哪怕你把話說的含糊不清，我們也能根據(jù)對上下文的理解做出正確的識別。這表明人腦模式識別的方法不是或者不完全是“模板匹配”，對模糊信息的處理，人腦比電腦要強(qiáng)得多。