尋夢新聞LINE@每日推播熱門推薦文章，趣聞不漏接❤️
近些年，AI技術的發展已經把大家的工作和生活慢慢的推向科幻電影中的情節，大多數的科幻電影中劇情都是：人類隨著科技的發展用人工智能逐步取代了傳統勞力力，最後機器人（人工智能超級電腦）產生了自我意識，覺得人類是個禍害，掌握了軍事打擊能力後，對著人類一頓猛錘，茍延殘喘的幸存者在高科技的強大實力下，費盡千辛萬苦最終得以消滅超級人工智能，延續人類火種。
相比電影中的人工智能，我們現在所應用的應該叫人工智障，不要說產生自我意識，即使是處理簡單的數據邏輯都需要有專業的技術人員進行大量的模型建立和數據的訓練，即使是這樣也很難按照預期的需求完成工作。
換言之，也許有人會說：人工智能現在只是剛剛起步，像是推倒了多米諾骨牌的第一張，後續的複雜需做到求，以及和各行各業的融合都只是時間問題。那麼好吧，我就來簡單的說一下我對其中一項應用的理解：
圖像識別
圖像識別是人工智能領域的一項重要的應用，泛指計算機程序對圖形圖像進行識別，這項技術目前極大可能會深入融合於導航、地圖與地形配準，自然資源分析，天氣預報，環境監測，生理病變研究等民生領域。
圖像識別可以大致分為兩個模塊：處理和識別。
一、處理
又稱數字圖像處理，大部分是由工程師寫的代碼來做到的，這樣的做的目的是將圖像數字化、量化然後向編程化靠攏，以適應計算機來進行特徵的提取，經過處理後的圖片不再是色彩圖像，而是可以進行量化統計、計算的數據。簡述起來就是以下幾項：
1）：圖像采樣
圖像采樣是指利用掃描儀，數位相機，攝影機等以數字的形式采集，然後存儲到計算機的記憶體中。顯示在計算機的螢幕上。圖像的提取是將一個圖像轉換為計算機處理的形式的第一步。
2）：圖像增強
圖像在采集，傳輸，復制的過程中或多或少的都會有一些丟失的。效果不是非常的滿意，為了達到我們滿意的效果，我們可以修改圖像的亮度，對比度，色彩分布等。達到我們滿意的效果。
3）：圖像復原
我們在獲取圖像的時候，可能會由於光線的問題導致圖像的模糊，物體運動造成的圖像模糊等，為了能獲取更加清晰的圖像，需要對圖像進行恢復操作。
4）：圖像編碼與壓縮
數字圖像的最大的缺點就是數據量太過於龐大了。要用很大的存儲空間，但是我們計算機又受到網路傳輸的問題，比較大的數據傳輸的時候會非常慢，而且可能會丟失一部分的數據。為了方便網路環境下安全，高效的傳輸圖像，就需要對圖像進行壓縮和解碼的操作。目前圖像壓縮編碼在國際上有它們自己的一套標準。
5）：圖像分割技術
圖像分割是把圖像分成一些區域，這些區域互不重疊但是又有自己特自的特點。這個特性在圖像中可以是圖像的顏色，形狀等。目前，圖像分割的方法主要有：基於區域特徵的分割方法，基於相關匹配特徵的分割方法和基於邊界特徵的分割方法。由於采集圖像的時候由於各種條件的影響會導致圖像變的模糊等。這將導致圖像分割變得特別困難。在實際的圖像中需根據景物條件的不同選擇適合的圖像分割方法。圖像分割為進一步的圖像識別、分析和理解奠定了基礎。
二、識別
識別是我認為這個環節中最雞肋的一部分，也是我認為人工智能無法擺脫人工智障的重要關卡…為什麼？目前主要應用的識別技術都是通過大量的數據來訓練算法或者模型從而達到一個看樣子像是識別的識別，可是我認為，從人工智能的定義來理解，識別就好似我走在路上遇到了好多年都沒見到的幼兒園同學，從音容相貌來講，我好像是知道眼前的這位是我的一個舊相識，但是又想不起來具體的細節，那麼問題就來了，換做是計算機呢？
根據數據反饋，識別眼前的這位同學給出的一定是確定性結果，認識或者不認識，正是這種不確定性的模糊記憶賦予了人類「意識」的概念，個人認為，人工智能的普及應該是使人類的工作和生活變得更加高效（lǎn）融入人類的生活而不是取代人類的生活，兩者協調結合才會讓工具變得有意義。目前的技術和各行各業的融合已經做到了這一點，並且也趨於一個穩定的態勢，相比那些更加高精尖的人工智能，換做是我，只認為那是一些不切實際的噱頭，在生活和工作中根本不可能普及的。