详细介绍一下1980年至1990年人工智能的代表产品应用及具体发布时间

时间: 2023-11-17 08:06:18 浏览: 59
1980年至1990年期间,人工智能的代表产品应用主要集中在以下几个领域: 1. 专家系统 专家系统是一种基于知识表示和推理的人工智能技术,能够模拟人类专家的决策过程,解决复杂的问题。1980年代初,专家系统开始进入商业应用领域。其中,最具代表性的产品是1982年由美国普利斯通公司推出的DENDRAL系统,该系统能够分析和识别有机分子的结构。此外,1985年,日本NEC公司推出的NEC人工知能机器(NEC Artificial Intelligence Machine)也是一款代表性的专家系统产品。 2. 机器视觉 机器视觉是指让计算机通过摄像头或其他传感器来获取图像信息,并进行分析和处理的技术。1980年代初,美国卡内基梅隆大学的研究人员开发出了一种名为“视觉机器人系统”的机器视觉系统,可以自主地执行一些简单的任务,如穿过门、拿起物品等。此外,1986年,美国麻省理工学院的研究人员开发出了名为“3Dvis”的三维视觉系统,可以将二维图像转换为三维模型。 3. 语音识别 语音识别是指让计算机通过分析语音信号来识别说话者的意图和意思的技术。1980年代初,美国IBM公司推出了一款名为“Harpy”的语音识别系统,能够理解英文话语,并在识别错误时进行自我纠正。此外,1987年,日本电气公司推出了一款名为“Pronet”的语音识别系统,能够理解日语话语。 4. 机器翻译 机器翻译是指让计算机自动将一种语言翻译成另一种语言的技术。1980年代初,美国IBM公司推出了一款名为“METAL”的机器翻译系统,能够将英语翻译为西班牙语和法语。此外,1987年,日本NTT公司推出了一款名为“Honyaku-kun”的机器翻译系统,能够将日语翻译为英语和德语。 以上是1980年至1990年期间人工智能的代表产品应用及具体发布时间的简要介绍。这些产品的出现,为人工智能技术的发展注入了新的动力,也为未来的人工智能应用奠定了基础。

相关推荐

最新推荐

recommend-type

人工智能在电力系统及综合能源系统中的应用综述.pdf

人工智能(AI)是当前最具颠覆性的科学技术之一,在计算智能、感知 智能和认知智能方面具有强处理能力。人工智能技术在电力系统和综合能源系统中的应用,将改 变能源传统利用模式,促进系统进一步智能化。文中主要从人工...
recommend-type

人工智能及大数据技术在数字营销中的应用

当前,人工智能、大数据等智能化技术正如火如荼的发展,各种应用场景也在逐步落地,将大数据和人工智能技术运用到数字营销中已成为该行业发展的重中之重,并已经成为了一种共识,且越来越普及。但是在应用过程中还是存在...
recommend-type

创意蓝色科技感AI人工智能发布会PPT模板.pptx

人工智能ppt模板 战略发布会模板 大数据介绍或发布模板 市场分析模板 公司科幻背景简介、科技产品介绍、科技型公司宣传手册或宣传模板
recommend-type

AI人工智能 Python实现人机对话

主要为大家详细介绍了AI人工智能应用,本文拟使用Python开发语言实现类似于WIndows平台的“小娜”,,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
recommend-type

新一代人工智能在智能电网中的应用研究综述_戴彦.pdf

智能电网是人工智能( artificial intelligence,AI) 的重要应用领域之一,以高级机器学习理论、大数据、云计算为主要代表的新一代人工智能( new generation artificial intelligence,NGAI) 技术的进步和突破,将会...
recommend-type

zigbee-cluster-library-specification

最新的zigbee-cluster-library-specification说明文档。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

实现实时数据湖架构:Kafka与Hive集成

![实现实时数据湖架构:Kafka与Hive集成](https://img-blog.csdnimg.cn/img_convert/10eb2e6972b3b6086286fc64c0b3ee41.jpeg) # 1. 实时数据湖架构概述** 实时数据湖是一种现代数据管理架构,它允许企业以低延迟的方式收集、存储和处理大量数据。与传统数据仓库不同,实时数据湖不依赖于预先定义的模式,而是采用灵活的架构,可以处理各种数据类型和格式。这种架构为企业提供了以下优势: - **实时洞察:**实时数据湖允许企业访问最新的数据,从而做出更明智的决策。 - **数据民主化:**实时数据湖使各种利益相关者都可
recommend-type

解释minorization-maximization (MM) algorithm,并给出matlab代码编写的例子

Minorization-maximization (MM) algorithm是一种常用的优化算法,用于求解非凸问题或含有约束的优化问题。该算法的基本思想是通过构造一个凸下界函数来逼近原问题,然后通过求解凸下界函数的最优解来逼近原问题的最优解。具体步骤如下: 1. 初始化参数 $\theta_0$,设 $k=0$; 2. 构造一个凸下界函数 $Q(\theta|\theta_k)$,使其满足 $Q(\theta_k|\theta_k)=f(\theta_k)$; 3. 求解 $Q(\theta|\theta_k)$ 的最优值 $\theta_{k+1}=\arg\min_\theta Q(
recommend-type

JSBSim Reference Manual

JSBSim参考手册,其中包含JSBSim简介,JSBSim配置文件xml的编写语法,编程手册以及一些应用实例等。其中有部分内容还没有写完,估计有生之年很难看到完整版了,但是内容还是很有参考价值的。