智能感知技术定义与人工智能的关系解析

智能感知技术：从物理世界到数字认知的桥梁

智能感知技术，通俗而言，即为计算机系统配备视觉与听觉能力，使其能够“解读”和“识别”外部环境。通过摄像头、麦克风等硬件设备，结合语音识别、图像识别等先进算法，智能感知技术将物理世界的信号映射至数字世界，进而将这些数字信息提升至可认知的层面——包括记忆、理解、规划乃至决策。这正是智能感知技术的核心价值所在。

01 智能感知技术的定义

智能感知技术，可以简化为一个流程：利用摄像头、麦克风或其他传感器，结合语音识别、图像识别等前沿技术，将物理世界的各种信号转换为数字信号，并进一步加工成可供系统认知与分析的信息，如图1所示，例如记忆、理解、规划、决策等高级过程。

那么，“智能”一词具体指代什么？它是指事物在网络、大数据、物联网和人工智能等技术的支撑下，能够能动地满足人类多样化需求的智慧属性。以无人驾驶汽车为例，它将传感器物联网、移动互联网、大数据分析等技术融为一体，旨在减轻甚至替代人类的手动驾驶操作，从而智能地满足人们的出行需求。在媒体行业，情况亦是如此。与传统媒体不同，智能化是建立在数据化基础之上的媒体功能全面升级。这意味着新媒体可通过智能技术的深度应用，逐步具备类似人类的感知、记忆、思维、学习、自适应和决策能力。在各种应用场景中，它以人的需求为中心，能动地感知外界环境，以与人类思维模式相近的方式和既定规则，通过数据处理与信息反馈，对随机变化的外部环境做出精准决策并付诸实施。

智能感知技术拥有清晰的系统架构，由应用层、感知层与信息层三个层次组成[2]，如图2所示。

图2 人工智能与信息感知框架

应用层面向具体应用场景，涵盖安防监控、环境监测、智能制造、智慧城市等物理环境。感知层基于传感网络与物联网技术，对应用层的物理环境进行信息感知，涉及数据融合的基础理论，并采用协作感知、自适应融合、统计与估计、特征推理等方法。信息层则在此数据基础上，采用神经网络、深度学习、进化计算、粒群智能、模糊逻辑、支持向量机等人工智能理论与方法，最终实现智能感知的目的。

02 智能感知技术与人工智能的关系

人工智能的发展大致可划分为三个阶段[3]：运算智能——计算机的高速运算与海量存储；智能感知——计算机通过各类传感器获取物理世界信息；认知智能——计算机像人类一样进行理解、分析和推理。当前，我们正处在智能感知技术快速发展的阶段，并朝着认知智能这一终极目标稳步迈进。

智能感知是人工智能与现实世界交互的基础和关键环节。它是人工智能服务于工业社会的重要桥梁：通过对信息进行智能化的感知与测量，帮助人工智能完成信息的识别、判断、预测与决策，从不确定信息中挖掘出有价值的数据，实现高效的信息感知，从而让物理系统变得更加智能化。智能感知技术已广泛应用于海洋船舶、航空航天、土木建筑、生物化学等众多工程领域，而这些领域都离不开对信息的智能感知与处理。

人工智能主要包含信息感知和计算智能两大核心支柱[4]。信息感知是基础，计算智能则是实现智能化的关键。

信息感知，是指利用传感系统测量被测对象的变化，是信息处理的第一个环节。智能感知技术具备“感、知、联”一体化的功能，涉及数据采集、传输与处理，涵盖信息采集、过滤、压缩、融合等多个步骤。信息采集需要确保数据的准确性；信息过滤旨在提取出有效的特征；信息压缩用于去除数据的冗余；而信息融合则是对感知信息进行整合、识别或判断。

计算智能的概念由贝兹德克于1922年提出，他认为计算智能依赖于制造者提供的数值数据，而非领域知识。要实现真正的智能感知，就必须完成信息的感知与数据的融合。换句话说，智能感知是一个面向感知信息，并基于先验知识模型进行融合处理的过程。传感系统实时采集的数据，经过感知处理后，可获得被测对象的状态信息。感知系统综合来自各类传感系统和计算云的数据，进行分析并提取出有效信息。利用感知测量网络协作获取的多传感器数据，并通过计算智能的方法提取特征信息，能够有效提升系统的整体感知能力。

智能感知与人工智能已成为当今世界高度关注的热门领域，如何将两者有机结合，具有重要的理论价值和广阔的实际应用前景[5]。

03 智能感知技术的特点和关键技术

1）智能感知技术特点

（1）能够更准确地获取被测对象或环境的信息，其精度和准确性优于任何单一的传感器。
（2）通过多个传感器性能上的互补，可以获取单一传感器无法获得的独立特征信息。
（3）相比传统的单一传感器系统，能以更短的时间、更低的成本获得同样的信息。
（4）能够根据系统的先验知识，通过多传感器信息融合完成分类、判决、决策等复杂任务。

2）智能感知关键技术

（1）智能感知器。感知传感器是智能感知技术的核心组件。根据任务的不同，可将其分为内部感知器和外部感知器。在实际应用中，它们都需要具备以下重要特性：

① 测量范围。传感器应能对输入信号的最大值和最小值均有清晰且准确的反映。
② 灵敏度。传感器需要具备足够的灵敏度，以确保在输入信号作用下能产生正确的输出。灵敏度反映了输入与输出的关系，同时也反映了输出随非测量参数（例如环境参数）的变化情况。理想情况下，灵敏度应不随环境参数变化，或变化极小。如果环境影响显著，则必须采用补偿方法进行改进。
③ 精确度。精确度衡量传感器实际输出与理想输出之间的接近程度，反映了测量结果的正确性。任何可能的误差都可能出现，其大小也取决于调校方法。精确度可用绝对值或输出满量程的百分比来表示。
④ 稳定性。传感器往往需要长时间连续工作，因此必须具备足够的稳定性，即在相同时段内、相同输入条件下，输出能够保持稳定。描述稳定性的常用指标是“漂移”，它表示输出随时间的变化程度，通常用输出满量程的百分比来表示。
⑤ 重复性。重复性对任何传感器都至关重要，尤其是在关键应用场景中。它表示在相同输入重复应用的情况下，传感器能够产生相同数量的输出，因此也被称为“可重复性”。
⑥ 静态和动态特性。在选择传感器时，需同时考虑其静态特性和动态特性，例如上升时间、时间参数和响应建立时间。举例来说，使用压力传感器测量风洞中动态气流速度的变化时，传感器的输出必须能随风速变化快速调整，否则将无法满足监测要求。但响应速度也并非越快越好，过快的响应可能会引入未过滤的系统噪声或湍流压力波动，造成干扰。因此，在设计中深入理解传感器的静态和动态特性至关重要。
⑦ 能量收集。传感器已被广泛应用于无线传感网络（WSN），为保证其能量持续供应，可采用能量收集技术实现长效供电。能量收集是利用环境中的现有能量（如机械振动、光能、温度变化、电磁场、风能、热能、化学能等）来实现的。其中，机械振动和光能是目前应用最广泛的两种方式。
⑧ 温度及其他环境参数变化的补偿。环境温度、湿度等因素会影响传感器的响应特性。为了减少外部干扰，传感器的信号调整部分必须配备合适的补偿机制。

（2）多传感器数据融合。数据融合是20世纪80年代兴起的信息处理技术[6]，主要解决多传感器信息处理问题。它的核心在于：如何充分发挥各个传感器的特点，将分布在多个位置的同类或不同类型传感器提供的局部、不完整的观察信息加以整合，利用其互补性和冗余性，克服单个传感器固有的不确定性和局限性，从而提升整个传感器系统的有效性能。其最终目标是形成对系统环境相对完整、一致的感知描述，提高测量信息的精度和可靠性，进而提升智能识别系统在识别、判断、决策、规划、反应中的快速性与准确性，并有效降低决策风险（如图3所示）。

图3 数据融合的过程

智能感知的实现，离不开多种人工智能方法的综合集成应用，例如神经网络、深度学习、模糊计算和进化计算等。这些方法共同支撑起复杂系统的智能化应用。

04 智能感知技术应用

智能感知技术在不同应用领域各有其侧重点[7]。

1）在军用领域的应用

在军用领域，智能感知及导航系统对自主性和可靠性提出了更高的要求。例如，卫星导航系统（如美国的GPS、我国的北斗）凭借其全球性、连续性、高精度等优势，是目前应用最广泛的导航方式。但卫星导航属于无线电导航，载体通过接收卫星信号进行定位，这种方式易受外界干扰。在现代战争中，这一弱点容易被对手利用。例如，2011年和2017年，伊朗通过干扰与模拟卫星导航信号，成功诱捕了两架美国无人机。因此，随着战争对抗性的不断增强，智能导航系统必须朝着更强的自主性与可靠性的方向发展。

近年来，美国国防高级研究计划局（DARPA）制定了多项针对卫星导航阻止环境下的导航发展计划。2014年，DARPA启动了轻量小型自动化（FLA）计划，旨在提升小型无人机在GPS阻止环境中执行自主飞行任务的能力。2016年，麻省理工学院完成了FLA项目的首飞，其研发的小型旋翼飞行器达到了20米/秒的飞行速度。2017年，FLA项目进行了避障飞行测试，试验飞行器搭载了惯性传感器、激光雷达、视觉传感器等多类传感器，成功实现了自主避障飞行。2018年，FLA项目又进一步开展了室内自主感知与路径规划飞行测试。

2）在民用领域的应用

在民用领域[8]，随着现代化社会的发展，各行各业对智能感知技术提出了许多新需求，尤其是在环境感知方面应用广泛。可进一步细分为：

（1）室外环境感知。室外环境感知在无人驾驶车辆和无人机两大领域应用最为广泛。无人车的技术结构主要包含环境感知、导航定位、路径规划和运动控制四个方面[9-10]（图4）。
（2）室内环境感知。在智能制造领域，室内环境感知在特种工作机器人上得到了充分体现。机器人环境感知技术伴随着机器人的出现而诞生，机器人通过认知自己所处的空间环境来完成定位、避障和导航等任务。随着技术进步，机器人环境的概念也在不断拓宽，除了运动空间环境，还包括气体环境、气候参数等自然因素。在煤矿、化工场等特殊场所，人类已开始利用机器人动态感知危险气体浓度，或通过气味搜索危险源（图5）。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：智能感知技术定义与人工智能的关系解析要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题