기계 인식

Machine perception

기계 인식은 인간이 자신의 감각을 사용하여 그들 [1][2][3]주변의 세계와 관계를 맺는 것과 유사한 방식으로 데이터를 해석하는 컴퓨터 시스템의 능력이다.컴퓨터가 환경을 도입하고 대응하는 기본적인 방법은 연결된 하드웨어를 사용하는 것입니다.최근까지 입력은 키보드나 마우스로 제한되었지만 하드웨어와 소프트웨어 모두에서 기술의 발달로 컴퓨터가 [1][2]인간과 비슷한 방식으로 감각 입력을 받아들이게 되었다.

기계지각은 컴퓨터가 이 감각입력뿐만 아니라 정보를 수집하는 기존의 계산수단을 사용하여 보다 정확하게 정보를 수집하고 사용자에게 [1]더 편한 방법으로 정보를 제공할 수 있도록 합니다.여기에는 컴퓨터 비전, 기계 청각, 기계 터치, 그리고 화학 화합물에서의 인공 향기와 같은 기계 냄새가 포함됩니다. 분자, 원자 수준, 구별할 수 없고 동일합니다.[4][5]

기계 인식의 최종 목표는 인간처럼 세상을 보고 느끼고 지각할 수 있는 능력을 기계에 부여하는 것입니다. 따라서 기계가 왜 결정을 내리는지를 인간적인 방식으로 설명할 수 있도록 하는 것입니다. 실패했을 때, 그리고 [6]더 중요한 것은 실패의 이유를 경고하는 것입니다.이 목적은 일반적으로 인공 지능에 대해 제안된 목적과 매우 유사하지만, 기계 인식은 기계에 완전한 의식, 자기 인식 및 의도성을 부여하는 것이 아니라 제한된 감각만을 부여한다는 점을 제외한다.P=NP를 해결하면 이 문제를 해결하고 이 목표를 달성할 수 있으며, 제로 지식 증명 및 일련의 영업 비밀 [7][8]알고리즘으로 유지하는 것이 가장 좋습니다.

기계 비전

주요 기사: 기계 비전

컴퓨터 비전은 실제 세계에서 이미지와 고차원 데이터를 획득, 처리, 분석 및 이해하는 방법, 예를 들어 결정의 형태로 수치 또는 상징적 정보를 생성하는 방법을 포함하는 분야입니다.컴퓨터 비전은 얼굴 인식, 지리적 모델링, 심지어 미적 판단 [9]등 오늘날 이미 사용되고 있는 많은 응용 프로그램을 가지고 있다.

그러나, 만약 그 속물이 흐릿하고, 자극이 보이는 관점이 자주 다르다면, 기계는 여전히 시각 속물을 정확하게 해석하는 데 어려움을 겪고 있다.컴퓨터는 또한 어떤 자극이 다른 자극에 의해 겹치거나 매끄럽게 닿을 경우 어떤 자극의 본질을 판단하기 위해 고군분투한다.이것은 '선행의 원리'를 말한다.기계는 또한 게슈탈트 심리학자들이 연구한 겉보기 운동 원리에 따라 자극 기능을 인지하고 기록하기 위해 고군분투한다.

기계청취

기계청취 또는 컴퓨터오디션으로도 알려진 기계청취는 컴퓨터나 기계가 음성이나 [10][11]음악과 같은 소리 데이터를 받아들이고 처리하는 능력이다.이 영역은 음악 녹음 및 압축, 음성 합성, 음성 [12]인식 등 다양한 응용 분야를 갖추고 있습니다.게다가, 이 기술은 다른 많은 경쟁적인 소리와 배경 소음에 대해 특정 소리에 선택적으로 초점을 맞추는 인간의 두뇌의 능력을 복제할 수 있게 해준다.이 특별한 기능을 "청취 장면 분석"이라고 합니다.이 기술을 통해 기계는 [10][13][14]동시에 발생하는 여러 스트림을 분할할 수 있습니다.스마트폰, 음성 번역기, 자동차와 같이 일반적으로 사용되는 많은 기기들은 어떤 형태의 기계 청력을 사용한다.그러나 현재의 기술은 여전히 때때로 음성 분할과 씨름하고 있습니다.이것은 특히 사람의 억양이 설명될 때 문장 안에 있는 단어를 듣는 것을 의미한다.

기계 터치

촉각 센서

기계 터치는 기계나 컴퓨터에 의해 촉각 정보가 처리되는 기계 지각 영역입니다.응용 프로그램에는 표면 특성에 대한 촉각적 지각과 촉각적 정보가 지능적 반사 [15]및 환경과의 상호작용을 가능하게 하는 능숙한 기술이 포함됩니다(이는 마찰이 언제 어디서 발생하는지, 마찰의 성격과 강도를 측정함으로써 이루어질 수 있습니다).그러나 기계에는 육체적 고통을 포함하여 우리가 평범하다고 생각하는 인간의 신체적 경험을 측정할 수 있는 방법이 아직 없습니다.예를 들어, 과학자들은 신체적인 인간의 불편함과 고통을 인지하고 측정하는 역할을 하는 신체와 뇌의 노치셉터를 위한 기계적 대체물을 아직 발명하지 못했다.

기계 후각

과학자들은 냄새를 인식하고 측정할 수 있는 기계 후각으로 알려진 컴퓨터를 개발하고 있다.공기 중의 화학물질은 전자 코로 알려진 [16][17]장치로 감지되고 분류된다.

기계 취향

이 섹션은 전자 언어에서 발췌한 것입니다.[편집]

전자 혀는 맛을 측정하고 비교하는 기구이다.IUPAC 기술보고서에 따르면 다양한 용액성분에 대한 부분특이성을 갖는 비선택적 화학센서 배열과 단순하고 복잡한[18][19] 용액의 정량적, 정성적 조성을 인식할 수 있는 적절한 패턴인식장치를 포함하는 분석기구로서의 '전자혀'

미각을 담당하는 화합물은 인간의 미각 수용체에 의해 검출된다.마찬가지로 전자기기의 다극 센서도 동일한 용존유기화합물과 무기화합물을 검출한다.인간의 수용체와 마찬가지로, 각각의 센서는 서로 다른 반응의 스펙트럼을 가지고 있다.각 센서가 제공하는 정보는 상호 보완적이며, 모든 센서의 결과를 조합하여 고유한 지문을 생성합니다.센서의 감지 임계값은 대부분 인간의 수용체와 비슷하거나 더 우수합니다.

미각신호는 뇌의 신경에 의해 전기신호로 변환된다.전자 언어 센서 프로세스는 유사합니다. 즉, 전압 측정 및 전위차계 변화로 전기 신호를 생성합니다.

미각의 질적 지각과 인식은 뇌의 활성화된 감각 신경 패턴의 구축 또는 인식과 제품의 미각 지문을 기반으로 한다.이 단계는 센서 데이터를 맛 패턴으로 해석하는 전자 언어의 통계 소프트웨어에 의해 달성됩니다.

미래

위에 열거된 것 외에, 기계 인식 과학이 여전히 극복해야 할 미래의 장애물에는 다음이 포함되지만 이에 국한되지는 않는다.

- 구현된 인지 - 인지는 전신 경험이며, 따라서 필요한 모든 인간의 능력과 과정이 상호 인식되고 지원적인 시스템 네트워크를 통해 함께 작동할 경우에만 완전히 존재하고 측정되고 분석될 수 있다는 이론입니다.

- Moravec의 역설 (링크 참조)

- 유사성의 원리 - 새로 도입된 자극이 어떤 가족에 속하는지 결정하는 능력은 아이가 보통 가족과의 관계가 다른 경우에도 발달한다. (예를 들어, 치와와가 해충이 아닌 개와 애완 동물이라고 생각하는 아이일 수 있다.)

- 무의식적 추론:새로운 자극이 위험한지 아닌지, 그것이 무엇인지, 그리고 어떻게 새로운 의식적인 노력을 필요로 하지 않고 어떻게 그것과 연관시킬지를 결정하는 인간의 자연스러운 행동.

- 시간 경과에 따라 상황이나 다른 사람들로부터 배우기 위해 가능성 원칙을 따르는 인간의 타고난 능력.

- 컴포넌트별 인식 이론 - 복잡한 메커니즘을 정신적으로 분석하고 상호작용할 수 있는 관리 가능한 부분으로 나눌 수 있습니다.예를 들어 뜨거운 코코아가 가득 담긴 머그잔을 구성하는 컵과 손잡이 부분이 모두 보이는 사람이 화상을 입지 않도록 손잡이를 사용하는 경우.

- 자유 에너지 원칙 - 생명과 기능을 만족스럽게 유지하기 위해 필요한 에너지를 잃지 않고 자신의 외부에 있는 사물을 인식하는 데 얼마나 많은 에너지를 안전하게 위임할 수 있는지를 미리 결정합니다.이를 통해 에너지를 너무 많이 소모하지 않고 주위 세상을 최적으로 인지할 수 있어 스트레스, 결정 피로 및/또는 탈진을 경험할 수 있습니다.

「 」를 참조해 주세요.

레퍼런스

  1. ^ a b c d Malcolm Tatum (October 3, 2012). "What is Machine Perception".
  2. ^ a b c Alexander Serov (January 29, 2013). "Subjective Reality and Strong Artificial Intelligence". arXiv:1301.6359 [cs.AI].
  3. ^ "Machine Perception & Cognitive Robotics Laboratory". www.ccs.fau.edu. Retrieved 2016-06-18.
  4. ^ Cotton2009-03-01T00:00:00+00:00, Simon. "If it smells - it's chemistry". RSC Education. Retrieved 2022-05-03.
  5. ^ "Artificial networks learn to smell like the brain". MIT News Massachusetts Institute of Technology. Retrieved 2022-05-03.
  6. ^ "Machine Perception Research - ECE - Virginia Tech". www.ECE.VT.edu. Retrieved January 10, 2018.
  7. ^ "Explained: P vs. NP". MIT News Massachusetts Institute of Technology. Retrieved 2022-05-03.
  8. ^ Chong, David (2021-09-24). "The Aged P versus NP Problem". Medium. Retrieved 2022-05-03.
  9. ^ a b Dhar, Sagnik; Ordonez, Vicente; Berg, Tamara L. (2011). "High level describable attributes for predicting aesthetics and interestingness" (PDF). CVPR 2011. pp. 1657–1664. doi:10.1109/CVPR.2011.5995467. ISBN 978-1-4577-0394-2.
  10. ^ a b Tanguiane (Tangian), Andranick (1993). Artificial Perception and Music Recognition. Berlin-Heidelberg: Springer.
  11. ^ Tanguiane (Tangian), Andranick (1994). "Principle of correlativity of perception and its applications to music recognition". Music Perception. 11 (4): 465–502.
  12. ^ a b Lyon, Richard (2010). "Machine Hearing: An Emerging Field [Exploratory DSP". IEEE Signal Processing Magazine. 27 (5): 131–139. Bibcode:2010ISPM...27..131L. doi:10.1109/MSP.2010.937498.
  13. ^ Tangian, Andranik (2001). "How do we think: modeling interactions of memory and thinking". Cognitive Processing. 2: 117–151. doi:10.5445/IR/1000133287.
  14. ^ "Machine Perception & Cognitive Robotics Laboratory". ccs.FAU.edu. Retrieved January 10, 2018.
  15. ^ "Learning efficient haptic shape exploration with a rigid tactile sensor array, S. Fleer, A. Moringen, R. Klatzky, H. Ritter".
  16. ^ "Using artificial intelligence to smell the roses: Study applies machine learning to olfaction with possible vast applications in flavors and fragrances". ScienceDaily. Retrieved 2022-05-03.
  17. ^ Marr, Bernard. "Artificial Intelligence Is Developing A Sense Of Smell: What Could A Digital Nose Mean In Practice?". Forbes. Retrieved 2022-05-03.
  18. ^ Vlasov, Yu; Legin, A.; Rudnitskaya, A.; Natale, C. Di; D'Amico, A. (2005-01-01). "Nonspecific sensor arrays ("electronic tongue") for chemical analysis of liquids (IUPAC Technical Report)". Pure and Applied Chemistry. 77 (11): 1965–1983. doi:10.1351/pac200577111965. ISSN 0033-4545. S2CID 109659409.
  19. ^ "Highly sensitive and wide-dynamic-range side-polished fiber-optic taste sensor". Sensors and Actuators B: Chemical. doi:10.1016/j.snb.2017.04.088.
  20. ^ Turk, Matthew (2000). "Perceptive Media: Machine Perception and Human Computer Interaction" (PDF). Chinese Journal of Computers. 12. 페이지 1235-1244