由字符集的转换想到的问题

Posted 2020-11-16 youjile

今天用java做字符集的转换时，突然对人工智能有一些感悟，先记录下来。本人是一个地地道道的软件工程师，不是做人工智能的工程人员，观点未必正确，如有错误，请各位看客不用理睬。
假设有A和B两个字符集，并且A和B互相不兼容，那么当我在A字符集下输入了一个字符X，现在要转换为B字符集下的Y，唯一的办法就是定义A字符集下的X跟B字符集下的Y的对应关系。

现在思考以下几个问题：

1.图片识别

想象一个场景，有一张图片（图片中只有中国汉字），现在需要将这张图片中的文字提取出来（现在很多社交软件都提供了这个功能，如微信和QQ等）。大体上来说，只要我们保存了某个文字的图片和这个文字的对应关系，那下次遇到这个文字的图片就可以使用这个对应关系，将图片转换为文字了。当然现实的情况不知道比这个复杂多少倍，特别是一个文字可以对应特别特别多的图片。但总体来说，我们无非是要找到一种数学模型，可以将多个输入聚合为单个的输出而已。

2.人脸识别

想象一个场景，火车站进站时的电子安检。当我们站在电子安检仪器前时，安检仪扫描我们的面部，并且读取我们放在安检仪上的身份证的电子卡中的信息。如果安检系统中保存了我的人脸对应的身份证号，那这里就可以进行对比了，并且可以知道是不是本人在使用身份证。也就是说安检系统中必须保存有我的人脸信息对应的身份证号，如果没有这样的对应关系，那就无法对比。现在的问题是，如何找到这个对应关系，特别是人脸的数据太过庞大。

3.语音识别

想象一个场景，我们手机上有一个App，该App的功能是录制我们的语音，然后将该语音转化为文字，显示到屏幕上。需要什么样的方法我们的语音才能转化为文字呢？假设全中国14亿人每个人都说"中国"两个字，然后有一个库保存了我们14亿个人的"中国"的语音，那下次某个人说了"中国"两个字的语音，现在只要将这两个字的语音对比，就会得到语音对应的汉字为"中国"。当然这只是其中的一种处理方式，这种处理方式可不可行那就是另一个问题了。这里至少可以说明，我们要找的是一种能将多个输入聚合为一个输出函数（或者说是数学模型）。

总结：

现在看来人工智能在处理以上三个问题时，主要的任务在于能否找到一个函数（数学模型），该函数（数学模型）的主要作用就是将输入的信息对应到某个输出。