商业领导者在与技术沟通沟通方面所面临的问题之一是试图描述人工智能的问题。为了简化一些交流，这里有一些常见的人工智能问题。

尝试为这些常见类型的问题设定人工智能机会。请注意，问题的类型通常重叠 – 但这很好。关键是要确定与人工智能和数据科学专家沟通时更紧密可用的任务的问题类型。

常见人工智能问题的类型

1。分类

一个 分类 该问题围绕一个或多个文档，产品，人或图像的任命 – 任何必要的东西。示例包括：

2。钢

一个 坡度的问题 关于赞赏 数值 给出的值是一些输入。例如，试图通过查看当前设备的条件或预测药物剂量在血压上指定的剂量如何来预测机器需要服务的几个月数。

3。建议

一个 p建议问题 它围绕为一群人提供内容或产品。 示例包括：

• 产品推荐
• 关于谁跟随的建议
• 关于申请利益的工作的建议
• 有关阅读文章的建议

4。研究的重要性

一个 研究的重要性 问题是 改善提供给用户的搜索结果分类。 提高研究在分析搜索记录中的重要性通常开始使用稳固数据诊断问题。改进研究可能需要或不使用大量使用机器学习。

和 信息提取 该问题围绕从大量文本数据中提取特定信息旋转。提取信息的目标之一是使用从原始文本中提取的数据填充模板。示例包括：

• 从大量临床笔记中提取患者的症状
• 从大量法律案件文件中提取信息
• 在候选请求的表格 /数据库之前，通过从简历中提取相关信息

6。总结文本

总结文本 它围绕创建更长的文档或一组文档的精确摘要。

7。集会

集会 它围绕着收集人员，内容，文档，主题等。例如，基于某些逻辑结构 – 例如，通过购买行为来组装客户。

通常，组件将数据点划分为许多固定组（或动态），以使一个组中的数据点彼此相似，而不是其他组中的数据点。

9。虚拟情报助理

虚拟情报助理 它用于与人类的简短对话，以完成简单的任务。示例包括：

• 在不参与的情况下为客户的常见问题提供答案
• 使用短信验证银行余额或货币恢复

Alexa和Siri是虚拟情报助手的例子。

10。感觉分析

感觉分析 它围绕在文本数据中发现感受，例如用户评论，社交媒体评论和调查。例如，新产品发布后，客户士气会在社交媒体渠道上自动发现。 感觉分析可以应用于图像以了解面部表情的情绪。

11。检测对象

发现对象的问题 它围绕在数字图像和视频中发现人类，建筑物或汽车等特定事物。

12.将文档划分的问题

文件部门 它围绕着试图将文档分为有意义的部分。例如，非结构化临床文本旨在提取其最后的病史和家族史。

提取关键字 它围绕定义术语来描述文档的主题，例如，从大量法律文件中提取关键字来了解讨论主题。

尽管有许多可用的关键字提取工具（包括开源工具），但您需要确保此工作已在数据上。通常，关键字提取工具是专用或开发的。

14.了解语音

语音的识别，也称为文本（STT）的语音或自动语音（ASR）的识别，与理解口语并将其转换为书面格式（或文本）的计算机程序的存在有关。

语音识别通常用于完成河口任务。例如，幕后语音用于使用Google语音搜索时将相关的搜索结果弄平。具体而言，您的语音被翻译成人类可读格式，并使用了为相关研究结果创建的本文。

许多卖家提供语音识别解决方案，因此，很少需要从零点开发语音识别系统。当然，这些系统将受益于目标数据的自定义。

15。机械翻译

自动翻译是将自动文本程序从一种语言转换为另一种语言的翻译。例如，以合理的精度将英语句子转换为德语。机械翻译程序很少需要从零点开发，但它们可能会从自定义中受益。

自动翻译用于许多目的，包括：

• 解决特定国家的网站文本
• 各国的客户支持谈判
• 了解用不同语言编写的文档

人工智能问题类型的摘要

在本简短的指南中，我们讨论了15种常见的国际性国际问题 – 这些问题通常是重叠的。例如，您可以将分类方法应用于情绪分析。但是，关键是确定适合手头任务的问题的类型。它不应100％准确 – 只是指示。您可以在人工智能专家的帮助下不断改进这些定义。

有关的