|
互联网、人工智能正使中国产业迎来新一轮的变革， 也逐渐成为产业发展的核心驱动力。 对于产业来说，数据是核心的要素，扮演了整个产业的数据连接器的作用，同时其应用价值更需要深度挖掘，并提升其产品化和商业化的价值。互联网及人工智能在我们日常生活的应用之外，也为生产效率和安全等各方面的提升起到不可忽视的作用，打造着我国产业核心竞争力。 科技正在不断改变着我们的生活，新技术在不同场景之下的应用也在渐渐成为主流，引领我们真正融入大数据、人工智能和互联网的新时代。 引言 随着移动互联网的发展进入新的方向，移动互联网中的智能化已经成为新的发展趋势和主要需求。智能化需求目前主要体现在两个方面： 一方面是促生新的智能化应用，如自动驾驶汽车、虚拟现实和增强现实应用等，拓宽移动应用领域为用户提供更多应用选择。 另一方面是基于目前已有的大量应用数据进行智能化分析，在现有移动应用的基础上分析用户需求、明晰用户目标、提供用户感受，让用户在固有移动应用领域体验提升。 在智能化引领发展的阶段中，人工智能技术正在越来越广泛地应用在移动互联网领域，越来越多的人工智能技术更多地参与到移动互联网发展中来。人工智能技术由于其特有的普适性、自主性以及迭代优化等特性能够在数据处理环节应对更加复杂的数据结构和数据环境，得出更加严谨和稳固的模型和推演结果。 人工智能技术正在不断推动移动互联网形态完成新变化，完成更自主的信息捕捉，更智慧的分析判断，更自主的服务提供，更智能的云到端结合。本文将从人工智能技术为出发点，进一步研究移动互联网领域的人工智能解决方案和应用现状。 人工智能技术分析 人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。 人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。人工智能可以对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。 人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但不同的时代、不同的人对这种“复杂工作”的理解是不同的。 人工智能技术应用分析 人工智能涉及数学、神经生理学、计算机科学、信息控制论、生物学、语言学、心理学等多门科学，是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的交叉性、边缘性科学，该领域的研究内容包括机器学习、语音识别、图像识别、自然语言处理和专家系统等，目标是使机器能完成一些通常需要借助人类高端智能才能完成的复杂性工作。 （1）专家系统 专家系统是人工智能技术中最重要的、最活跃的一个领域，实现了人工智能从理论研究走向实际应用、从一般推理策略转向运用专门知识的重大突破，可根据某领域一个或多个专家提供的知识和经验，进行综合分析、推理和判断，模拟专家的决策处理过程，通常采用知识表示和知识推理技术来模拟由专业领域专家才能解决的复杂问题。 （2）语音识别 语音识别技术主要包括特征提取、模式匹配准则及模型训练等三个方面，让机器通过识别和理解过程把语音信号转变为相应的文本或命令，根据识别对象，语音识别可分为孤立词识别、关键词识别和连续语音识别，常用于语音输入系统、语音控制系统、智能对话查询系统等产品中。 （3）自然语言处理 自然语言处理是研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法，其基础是各类自然语言处理数据集，是计算机科学、人工智能、计算机和人类语言之间的相互作用的领域，技术难点在于单词的边界界定、语义的消歧、句法的模糊、不规范输入、语言行为等内容。 （4）机器学习 机器学习研究如何使用机器来模拟人类学习活动，通过学习，获取知识，进行知识积累，对知识库进行增删、修改、扩充与更新，机器学习所采用的策略大体包括机械学习、演绎学习、类比学习和示教学习等四种，主要包括表示学习系统、影响学习系统、因为学习系统和知识库等部分。 （5）知识获取 知识获取是研究在人工智能和知识上程系统中，机器对知识的获取技术、方法和理论体系，主要包括知识抽取知识建模、知识转换、知识输入、知识检测以及知识库的重组等方面，可通过人工移植、机器学习、机器感知（机器视觉、机器听觉）等方法进行获取。 基于人工智能技术的数据处理架构 基于以上对于人工智能技术的研究，可以总结出一个通用的基于人工智能技术的数据处理架构。基于人工智能技术的数据处理平台一般包括数据采集模块、数据训练模块和数据使用模块。 （1）数据采集模块要将涉及计算的相关数据全部进行采集和存储，其中采集数据包括历史数据和实时数据。数据采集模块是整个数据处理平台的数据输入端。 （2）数据训练模块是采用人工智能技术将平台存储数据进行反馈和迭代计算，完成数据训练的工作，进而形成数据处理模型。整个数据训练部分是基于人工智能技术的数据处理架构的核心模块。训练模型的形成与前面数据采集的广度和精度息息相关，同时采用何种人工智能算法进行训练也在其中起到非常重要的作用。训练模型的形成极大程度地影响了整个人工智能数据处理的结果。 （3）最后的数据使用模块是基于训练模型的成果输出。一般在采用训练好的模型时，可以得到基于历史数据的预测以及实时数据的计算结果，是整个人工智能数据处理平台的结果输出部分。 随着目前使用人工智能技术进行计算的范围和数量不断扩大，基于人工智能算法数据处理模型的计算量也在不断增加。通常在进行人工智能相关运算时，会进行大量的反馈和迭代计算，这会对服务器产生较大的负荷。 而当需要处理的数据量进一步增加时，数据量的负荷会拖慢服务器的性能，也会影响结果输出的时效性。因此，目前广泛采用分布式计算来配合人工智能数据处理。可以将计算任务分派给多个分布式服务器进行下发，计算完成后再将结果通过不同的分布式服务器进行汇总，通过中央控制器合成展现。分布式计算架构与人工智能计算相辅相成，共同完成大数据处理和计算任务。 结束语 互联网和人工智能都是工具，使我们的生活变得更好的工具，通过互联网，我们现在不用带着现金就能外出消费，我们能比十年前更容易获得知识、多样化的商品与服务，一切得益于互联网的发展，但是互联网本身只是工具和载体。 我们需要在互联网平台上开发各种APP、网站等产品才能服务于我们的生活，人工智能亦是如此，人工智能将软件的行为模式更加智能化，能处理过去我们认为不可能的场景，人工智能的兴起不仅会使机器人行业真正发展起来，也会影响到我们现有的互联网产品，至于人工智能会对我们的生活产生多大的影响，我认为影响力不会亚于互联网对我们过去十几年的颠覆。  |
|
|
