人工智能认知服务有哪些？

这些服务通常涵盖了感知智能（让机器能“看”和“听”）和认知智能（让机器能“理解”和“思考”）两个层面。

以下是当前主流的人工智能认知服务,并按照功能类别进行详细划分：

视觉智能

这类服务让计算机能够“看懂”图像和视频。

1. 图像识别

   • 核心功能：识别图像中的物体、场景、人物、动作等。
   • 典型服务：
     • 物体检测与识别：识别出图片中的具体物体（如汽车、猫、椅子）并框出其位置。
     • 场景分类：判断图片的整体场景（如“海滩”、“办公室”、“生日派对”）。
     • 地标识别：识别出图片中的著名地标建筑（如埃菲尔铁塔、长城）。
     • 品牌Logo识别：在图片中检测出特定的品牌标志。

2. 计算机视觉

   
   （图片来源网络，侵删）
   • 核心功能：更深入地分析和理解图像内容。
   • 典型服务：
     • 光学字符识别：从图片中提取文本信息，并将其转换为机器可读的文本格式，从发票、名片、路牌图片中识别文字。
     • 人脸识别：包括人脸检测（在图片中找到人脸）、人脸验证（判断两张照片是否为同一人）、人脸识别（在数据库中匹配身份）等。
     • 审核：自动识别图片中的不当内容，如成人内容、暴力血腥、恐怖主义、广告等。
     • 图像描述生成：自动为图片生成一段描述性的文字，类似于为图片“写说明”。
     • 色彩分析：分析图片中的主色调、辅色调等。

3. 视频智能

   • 核心功能：分析视频流或视频文件。
   • 典型服务：
     • 分析：识别视频中的物体、场景和动作。
     • 视频摘要：自动生成视频的精彩片段或关键帧。
     • 视频字幕/翻译：为视频自动生成字幕,甚至进行实时翻译。

听觉智能

这类服务让计算机能够“听懂”语音。

1. 语音识别

   • 核心功能：将人类语音转换为文本。
   • 典型服务：
     • 语音转文本：将实时或录制的音频流转换为文字，常用于会议记录、语音输入等。
     • 实时语音转写：低延迟地将语音实时转为文字，适用于直播字幕、实时字幕等场景。
     • 口音/方言识别：识别说话人的口音或方言。

2. 语音合成

   • 核心功能：将文本转换为自然流畅的语音。
   • 典型服务：
     • 文本转语音：将输入的文字用特定的人声、语速和情感朗读出来。
     • 个性化语音定制：使用少量特定人物的声音样本，训练出独一无二的、高度仿真的语音模型。

3. 语音分析

   • 核心功能：从语音中提取更深层次的信息。
   • 典型服务：
     • 声纹识别：通过声音特征识别说话人的身份，类似于声音的“指纹”。
     • 情感分析：分析说话人的情绪状态（如高兴、悲伤、愤怒）。
     • 关键词提取/话题检测：从长段语音中自动提取关键信息或判断讨论的主题。

语言智能

这类服务让计算机能够“理解”和“运用”人类语言。

1. 自然语言处理

   • 核心功能：分析和理解文本的结构与含义。
   • 典型服务：
     • 情感分析：判断一段文本（如评论、社交媒体帖子）所表达的情感倾向（正面、负面、中性）。
     • 实体识别：从文本中识别出特定类型的信息，如人名、地名、组织机构名、日期、金额等。
     • 关键词提取：自动从文本中提取核心词汇。
     • 语言检测：自动判断输入文本的语言种类。

2. 自然语言理解

   • 核心功能：更深入地理解文本的“意图”和“需求”。
   • 典型服务：
     • 意图识别：理解用户输入文本的真实目的，用户说“订一张去北京的机票”，意图是“订票”。
     • 槽位填充：从用户输入中提取关键信息，在订票意图中，提取出目的地（北京）、时间、乘客数等“槽位”信息。
     • 阅读理解：提供一段文本和问题,让AI从文本中找到答案。

3. 自然语言生成

   • 核心功能：让计算机自动生成流畅、自然的文本。
   • 典型服务：
     • 智能摘要：自动将长篇文章、报告总结成简短的摘要。
     • 对话生成/聊天机器人：生成有逻辑、有上下文的回复，用于构建智能客服、虚拟伴侣等。
     • 报告自动生成：根据数据自动生成结构化的报告或新闻稿。

4. 翻译服务

   • 核心功能：在不同语言之间进行文本翻译。
   • 典型服务：
     • 机器翻译：支持多种语言之间的互译，包括文档、网页和实时文本翻译。
     • 神经机器翻译：基于深度学习模型的翻译，相比传统翻译更准确、更自然。

决策与知识智能

这类服务建立在感知和认知之上，让计算机能够进行推理、决策和管理知识。

1. 推荐系统

   • 核心功能：根据用户的历史行为、偏好和相似用户群体,预测并推荐其可能感兴趣的内容或商品。
   • 典型应用：电商网站的商品推荐、视频平台的影片推荐、音乐App的歌曲推荐。

2. 知识图谱

   • 核心功能：将现实世界中的实体（如人物、地点、概念）及其关系（如“出生于”、“是...的首都”）以图的形式进行结构化存储和管理。
   • 典型服务：
     • 语义搜索：理解用户的真实意图,提供更精准的搜索结果。
     • 智能问答：基于知识图谱直接回答用户问题，如“周杰伦的妻子是谁？”
     • 决策支持：为金融、医疗等领域的复杂决策提供数据支持和关系分析。

3. 预测性分析

   • 核心功能：利用历史数据训练模型,预测未来可能发生的事件。
   • 典型应用：
     • 销量预测：预测未来一段时间的产品销量。
     • 设备故障预测：预测工业设备何时可能发生故障,提前进行维护。
     • 用户流失预测：预测哪些客户可能会流失,以便进行挽留。

主流云服务商提供的认知服务平台

提到的几乎所有服务,各大云服务商都以API的形式打包成服务提供：

• 微软 Azure AI：提供全面的认知服务套件，包括Azure Computer Vision, Azure Speech, Azure Language Service, Azure Bot Service等。
• Google Cloud AI：提供Cloud Vision API, Cloud Speech-to-Text, Cloud Natural Language, Dialogflow等。
• Amazon Web Services (AWS) AI：提供Amazon Rekognition（图像识别）, Amazon Transcribe（语音转文本）, Amazon Comprehend（文本分析）, Amazon Polly（语音合成）等。
• 百度智能云 AI：提供图像识别、语音技术、自然语言处理、知识图谱等一站式AI开发平台。
• 阿里云 AI：提供视觉智能、语音交互、自然语言处理等AI能力服务。

人工智能认知服务的核心价值在于降低了AI技术的使用门槛，它使得开发者可以像调用水电煤一样，方便地获取AI能力，从而专注于自身业务逻辑的创新，而不是耗费大量时间和资源去研究复杂的算法和模型，从手机上的拍照识物，到智能客服的自动回复，再到视频平台的精准推荐,认知服务已经深度融入了我们的日常生活和各行各业。

标签： 人工智能认知服务平台 企业认知智能服务方案 AI认知技术有哪些应用场景