（四川师范大学附属中学）
摘要：随着人工智能和认知计算程序的进步，智能代理软件在过去五年中得到了改进。人工智能在计算机领域的应用有效解决了关键性的技术问题，进一步提高了计算机技术的先进性和可靠性。
关键词：人工智能；计算机；网络技术
人工智能，被定义为机器展示的智能，在当今社会中有许多应用。开发程序以执行特定任务的程序，用于广泛的活动，包括医疗诊断、电子交易、机器人控制和遥感。其中，计算机网络是人工智能应用最广泛的领域。人工智能在计算机网络技术中的应用主要包括以下几个方面。
1. 自然语言生成
自然语言生成指从计算机数据生成文本。自然语言生成（NLG）是从知识库或逻辑形式的机器等表示系统生成自然语言的自然语言处理任务。可以说NLG系统就像是将数据转换为自然语言表示的翻译器。然而，由于自然语言的固有表现力，产生最终语言的方法与编译器的方法不同。NLG已经存在了很长时间，但商业NLG技术最近才被广泛使用。
NLG可能被视为自然语言理解的对立面：而在自然语言理解中，系统需要消除输入句子的歧义以产生机器表示语言，在NLG中，系统需要决定如何将概念置于单词中。
一个简单的例子是生成表格字母的系统。简单系统使用的模板与Word文档邮件合并不同， NLG系统可以动态创建文本。与自然语言处理的其他领域一样，这可以使用语言的显式模型（例如语法）和域，或使用通过分析人类书写文本得出的统计模型来完成。
2. 语音识别
语音识别指将人类语音转录并转换为对计算机应用有用的格式。目前用于交互式语音应答系统和移动应用。
语音识别是计算语言学的跨学科子领域，其开发方法和技术，使得能够通过计算机识别和翻译口语。它也被称为自动语音识别（ASR），计算机语音识别或语音到文本（STT）。它融合了语言学、计算机科学、电气工程、人工智能领域的知识和研究。
一些语音识别系统需要“训练”（也称为“登记”），其中个体说话者将文本或孤立的词汇读入系统。系统分析人的特定声音并使用它来微调对该人的语音的识别，从而提高准确性。不使用训练的系统称为“说话者无关”系统。使用训练的系统称为“说话者依赖”。
语音识别应用包括语音用户界面，例如语音拨号、呼叫路由、家用电器控制、搜索、简单的数据输入（例如，输入信用卡号）、准备结构化文件（例如放射学报告）、语音到文本处理（例如，文字处理器或电子邮件）。
3. 智能代理
在人工智能中，智能代理（IA）是一个自主实体，它通过传感器观察并使用执行器作用于环境，并指导其活动实现目标。智能代理也可以学习或使用知识来实现他们的目标。
智能代理通常被描述为类似于计算机程序的抽象功能系统。出于这个原因，智能代理有时被称为抽象智能代理（AIA），以区别于他们作为计算机系统、生物系统的应用。
期刊文章分类查询,尽在期刊图书馆
人工智能中的智能代理与经济学中的代理密切相关，智能代理范例的版本在认知科学、伦理学、实践理性哲学以及许多跨学科社会认知建模和计算机社交模拟中进行研究。智能代理也与软件代理（代表用户执行任务的自主计算机程序）密切相关。在计算机科学中，术语智能代理可以用来指代具有某种智能的软件代理，无论它是否是Russell和Norvig定义的理性代理。例如，用于操作员辅助或数据挖掘的自主程序（有时称为机器人）也称为“智能代理”。
随着人工智能和认知计算程序的进步，智能代理软件在过去五年中得到了改进。当前的会话技术允许智能代理远远超出交互式语音响应（IVR）系统。智能代理了解客户意图，并能以人性化的方式提供客户问题的个性化答案。智能代理通常通过电子邮件或企业网站上的实时聊天与客户进行通信对于后者，化身通常用于提供虚拟代理的视觉表示。
但是，大多数公司仍使用虚拟代理来处理高度可重复的任务。对于复杂的任务，需要实时客户服务代理。在客户关系管理（CRM）软件领域，智能代理用于提供全天候客户服务，包括回答帐户问题，提供密码帮助，提供建议或通过电子邮件通信跟进销售和营销线索。
例如，虚拟销售代理可用于向潜在客户发送电子邮件以请求与实时销售代理商会面。当客户同意参加会议时，智能代理可以获取电话号码并收集销售代表进行实时对话可能需要的信息。
4. 机器学习平台
机器学习平台提供算法、API、开发和培训工具包、数据以及计算能力，以便将模型设计、训练和部署到应用程序、流程和其他计算机中。目前广泛用于企业应用，主要是涉及预测或分类。
机器学习是计算机科学领域，其使用统计技术使计算机系统能够利用数据“学习”（例如，逐步提高特定任务的性能），而无需明确编程。
机器学习探索了可以从数据中学习和预测数据的算法的研究和构建，这种算法通过数据驱动的预测或决策来克服严格的静态程序指令。机器学习被用于一系列计算任务中，其中设计和编程具有良好性能的显式算法是困难的或不可行的;示例应用程序包括电子邮件过滤，网络入侵者检测和计算机视觉。
机器学习与计算统计密切相关（并且经常重叠），计算统计还侧重于通过使用计算机进行预测。它与数学优化有很强的联系，可以为现场提供方法、理论和应用领域。机器学习有时与数据挖掘相混淆，后一个子领域更多地侧重于探索性数据分析，被称为无监督学习。
在数据分析领域，机器学习是一种用于设计复杂模型和算法的方法，可用于预测；在商业用途中，这被称为预测分析。这些分析模型使研究人员，数据科学家，工程师和分析师能够“通过从历史关系和数据趋势中学习”来“产生可靠，可重复的决策和结果”，并发现“隐藏的见解”。
人工智能在计算机领域的应用有效解决了关键性的技术问题，进一步提高了计算机技术的先进性和可靠性。随着自然语言生成、语音识别、智能代理等人工智能技术的发展和应用，计算机技术的集成性将得到有效提升。
参考文献
[1] 杨俊. 人工智能在计算机网络技术中的应用[J].电子技术与软件工程. 2017(24)
[2] 李世锋. 大数据时代人工智能在计算机网络技术中的应用[J].电子技术与软件工程. 2017(23)
[3] 何玉梅.探析人工智能在计算机网络技术中的应用[J]. 电子世界. 2017(11)
论文作者:陈宇哲
论文发表刊物:《科技新时代》2018年9期
论文发表时间:2018/11/15
标签：人工智能论文; 自然语言论文; 智能论文; 系统论文; 数据论文; 机器论文; 计算机论文; 《科技新时代》2018年9期论文;