AI在黄金时代(20世纪90年代至70年代)、第一次低谷(20世纪90、80年代)、大繁荣时期(1982年至1987年)、寒冬阶段(1990年至2000年)、春天时代(21世纪初至现在)，大致为5

人工智能的应用机器翻译

近年来，通过采用深度学习和神经网络的方法，机器翻译的技术取得了很大的进步。 例如，目前广泛应用的是基于深度学习技术长短时记忆循环神经网络的机器翻译模型，通过对任意长度的句子进行转换并“记忆”关键词，解决句子量化的难题，将机器语言处理提高到语义理解的水平但不可否认，无论采用哪种方法，目前机器翻译最大的困难在于译文的质量，机器翻译水平和人工翻译水平仍然相差甚远，无法比拟。 20多年前，国内著名语言学家周海中认为翻译的“信、达、雅”机器翻译是不可能完成的。 机器翻译也可以说是人工智能领域难以克服的课题。 在提高机器翻译质量的困难面前，光靠机器本身是不可能的，这有待于未来科学技术的发展，特别是人工智能在神经信息学研究方面的重大突破。

生物识别

生物识别技术是指，针对指纹、骨骼、视网膜、DNA等人类固有的生物识别，以及姿势和习惯等行为特性，利用计算机和生物传感器等手段进行个人认证的技术。 该技术的关键是计算机如何获得个人独有的生物学特征，将其转换为数字信息，然后进行特征存储，利用可靠的匹配算法进行分析，完成个人的识别和验证。 其中涉及图像处理和模式识别等多种技术，广泛应用于教育、管理、金融、、信息安全等领域。 例如，目前已成熟并被大规模运用的人脸识别技术是生物特征识别的热点技术之一，是计算机视觉的典型应用，是一种非接触式认证。 此外，指纹识别、皮肤芯片、步态识别、虹膜识别、静脉识别、视网膜识别、DNA识别等也是生物特征识别的热点技术，在特定领域各有所长，是生物特征识别技术的突出发展成果。

无人驾驶

视觉系统是人工智能技术的一部分，可以使汽车在行车道上以更稳定的速度行驶。 目前，美国已将该技术成功应用于微型汽车，可自主导航汽车，行驶约2000公里需全程98%的时间使用该系统妥善控制汽车。 对视觉系统相关内容的调查显示，人们一般在寻找道路出口时控制汽车。 对于视觉系统的进一步完善，可以积累更多的实用经验，进而计算出最佳的驾驶方向，实现对汽车的科学控制。 由于人工智能技术的发展，未来必然会实现无人驾驶技术。

总结AI研究人类活动的规律，让机器和计算机像人一样思考、决策、行动。 需要注意的是，未来人工智能技术将在机器翻译、生物识别、无人驾驶等领域有很大的应用场景，而像4G孵化的嘀嘀打车、快手等视频，包括但不限于这些领域。

期待着下一次信息化的浪潮！ 期待人工智能！

文章来源：《电器工业》 网址: http://www.dqgyzz.cn/zonghexinwen/2022/1207/1111.html