1.3.2　人工智能应用现状

人工智能经过长达近70年的发展在今天已经在社会的方方面面得到了广泛应用，带来了诸多技术变革，其中具有代表性的技术包括知识图谱、自然语言处理、计算机视觉、生物特征识别等。

知识图谱　知识图谱与专家系统具有相似性，它本质上是结构化的人类语义知识库。对于库中的条目，我们不但要描述它的文本属性，还要丰富它的其他属性，拓展它与其他事物的联系。这样机器存储的就不只是某件事物本身，还包括了与之相关的先验知识，这样做的意义在于机器能够记住。

自然语言处理　自然语言处理致力于使得用户能够用自然语言与机器进行交流，从而使人免于付出更多的时间成本学习机器语言，降低人与机器的沟通成本。当前深度神经网络技术在自然语言处理领域发挥着重要作用。2018年，Google发布了Bert预训练模型[11]，将当前自然语言处理水平提高到了一个崭新的高度。

计算机视觉　计算机视觉是指使计算机通过模仿人类视觉系统从而获得类似的能力。该问题的焦点在于如何使机器与人类一样能够识别并理解甚至学习图像及视频中的关键信息。深度神经网络的面世极大地促进了计算机视觉领域的发展。当前深度神经网络已经成为机器认知理解图像或视频的重要工具，在人脸识别、目标检测等与我们日常生活关系紧密的领域中发挥着举足轻重的作用。

生物特征识别　生物特征识别指利用个体独特的生理或行为特征进行身份识别与认证。个体生物特征识别具有安全、便捷、有代表性、不易伪造等多重优点，能够满足多种场合的身份认证需要，在安保、交通、办公、智能产品等领域已经广泛投入使用。当然，选择合适的生物特征作为识别对象对于现实应用十分重要，目前适合用于生物特征识别的个体体征包括指纹、虹膜、人脸、步态等。