人工智能技术的重要组成部分有哪些？

人工智能技术是科学和计算机相结合的产物，它利用计算机或者计算机控制的机器设备，模拟、学习和延伸扩展人类的智能，感知环境、获取信息并利用获取的知识得到最佳结果，能够自行做出决策，独立地解决问题。

数据、算法和计算能力是人工智能的关键三要素，数据是人工智能的基础，是机器学习的前提；算法是人工智能的核心，将人工智能带上了新的高度；计算能力是人工智能发展的保障，为算法实现提供有利支持。

人工智能技术是一个广阔的研究领域，主要组成部分包括计算机视觉、深度学习、自然语言处理、机器学习和语音识别。

计算机视觉

计算机视觉是为了让计算机具有自主适应环境的能力，能像人那样通过视觉观察并理解世界，主要用图像采集设备与计算机等成像系统代替视觉器官，对目标进行识别、跟踪、检测和控制，然后对图形进行处理和分析，从中获取有效信息。广泛用于医疗成像分析、人脸识别、安防监控、自动驾驶等。

人工智能

深度学习

深度学习是机器学习的一种，在现有的数据基础上进行学习操作，是机器学习一个新的领域。通过建立和模仿新皮层中神经元层中的活动，模仿人脑机制通过学习层次结构、表 示级别和抽象级别理解数据模式来解释文字，图像和声音等数据，让机器能够像人一样具有分析学习能力。

自然语言处理

自然语言处理是利用计算机对自然语言进行智能化处理并提取有效信息的过程，拥有和人类一样的文本处理的能力是人工智能技术最难的部分，通过对语音、语法、词法、语义分析，让机器能够理解人类语言，用自然语言的方式与人类交流，实现人机之间的自然语言通信，最终拥有“智能”，常用的语音对话机器人就有这样的能力。

机器学习

机器学习是实现人工智能的必经之路，是指计算机通过对已知情况的数据提升自身性能的能力。机器学习是训练出来的，而不是明确地用程序编写出来的，与人类学习的过程相似，在学习时自动发现情况，通过以往的经验对新遇到的情况作出预测和判断，比如销售库存预测、石油勘探等。

语音识别

语音识别是将人类的语言转化为计算机可读的数据，首先将语音信号转化为电信号，预处理后进行特征提取，然后将提取出的特征与数据库声学模型对比，解码搜索后识别出语言内容，方便计算机进行理解和操作。不过发声时的语速、环境、噪音、口音、情绪等都会对语音信号的生成产生很大的影响，随着深度学习的发展，语音识别进入了新的阶段，常用在社交聊天、语音导航、语音拨号、智能音箱等。

除了上述几点，人工智能技术还包括硬件优化、决策管理、生物识别、网络防御、情感识别、自动化控制等内容。近年来随着深度学习、计算处理能力发展以及互联网大数据的爆发，让人工智能在感知认知上实现了巨大突破，人工智能技术的发展和使用已成为必然。