云計算下的人工智能

王奇

[摘要] 本文根據云機器人的概念展開討論，筆者分別從云技術和人工智能兩方面介紹將兩種技術相結合的可行性及各階段過程，對云計算的體系結構和數據挖掘及人工智能都有簡要介紹。

[關鍵詞] 云計算；數據挖掘；人工智能

doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2012 . 24. 053

[中圖分類號]G203[文獻標識碼]A[文章編號]1673 - 0194（2012）24- 0088- 03

1提出背景

在Humanoids 2010 會議上，卡耐基梅隆大學的James Kuffner教授提出了“云機器人”的概念，引起了廣泛的討論。Humanoids 2010 會議上很多專家對云機器人比較看好，或許云機器人就是機器人學的下一個跨越式發展。

要更詳細地了解云機器人，首先要了解云計算。根據互動百科的介紹，云計算的概念有狹義云計算和廣義云計算之分：

狹義云計算是指IT基礎設施的交付和使用模式，指通過網絡以按需、易擴展的方式獲得所需的資源（硬件、平臺、軟件）。 提供資源的網絡被稱為“云”。“云”中的資源在使用者看來是可以無限擴展的，并且可以隨時獲取，按需使用，隨時擴展，按使用付費。這種特性經常被稱為像水電一樣使用IT基礎設施。

廣義云計算是指服務的交付和使用模式，指通過網絡以按需、易擴展的方式獲得所需的服務。這種服務可以是IT和軟件、互聯網相關的，也可以是任意其他的服務。

云計算的“云”，可理解為“多”“大規模”。“云”是一些可以自我維護和管理的虛擬計算資源，通常為一些大型服務器集群，包括計算服務器、存儲服務器、寬帶資源等等。云計算將所有的計算資源集中起來，并由軟件實現自動管理，無需人為參與。例如Google云計算有上百萬臺服務器。

從此可以看出，云機器人并不是指某一個機器人，也不是某一類機器人，而是指機器人信息存儲和獲取方式的一個學術概念。這種信息存取的方式的好處是顯而易見的。比如，機器人通過攝像頭可以獲取一些周圍環境的照片，上傳到服務器端，服務器端可以檢索出類似的照片，可以計算出機器人的行進路徑來避開障礙物，還可以將這些信息儲存起來，方便其它機器人檢索。所有機器人可以共享數據庫，減少開發人員的開發時間。

2云計算的體系結構

2002年亞馬遜（Amazon）提供一組包括存儲空間、計算能力甚至人力智能等資源服務的Web Service；2005年亞馬遜又提出了彈性計算云（Elastic Compute Cloud），也稱亞馬遜EC2的Web Service，允許小企業和私人租用亞馬遜的計算機來運行他們自己的應用。到2008年，幾乎所有的主流IT廠商開始談論云計算，這里既包括硬件廠商（IBM、HP、Intel、思科、SUN等）、軟件廠商（微軟、Oracle、VMware等），也包括互聯網服務提供商（Google、亞馬遜、Salesforce等）和電信運營商（中國移動、中國電信、AT&T等），當然還有一些小的IT企業也將云計算作為自己的主戰場。這些企業覆蓋了整個IT產業鏈，也構成了一個完整的云計算生態系統。

按需部署是云計算的核心。要解決按需部署，必須解決資源的動態可重構，監控和自動化部署等，而這些又需要以虛擬化、高性能存儲、處理器、高速互聯網等技術為基礎。

為了有效支持云計算，其體系結構必須支持幾個關鍵特征。①系統必須是自治的，即需要內嵌有自動化技術，以減輕或消除人工部署和管理任務，而允許平臺智能地響應應用的要求；②云計算的架構必須是敏捷的，能夠對需求信號或變化做出迅速的反應。內嵌的虛擬化技術和集群化技術，能應付增長或服務級要求的快速變化。

綜上所述，云計算服務的實現，需要依托的2大基石：①硬件基礎設施具有相當的規模，即數據中心集群、規模化的服務器及存儲和互聯互通的高速網絡；②以虛擬化和自動化為代表的成熟技術。

3人工智能與云計算的結合

云計算與人工智能技術發展到今天，已經不再神秘，完全可以進入我們的生活，承載它的歷史使命，下面筆者將根據本人的認識，分3個階段介紹如何將人工智能與云計算完美結合。

3.1機器人操控階段

第一階段筆者稱之為機器人操控階段。該階段主要依托于云技術實現，我們暫且把它分為云和端兩部分，云主要由大型服務器群組成，而端主要是可操控的機器人組成，這些機器人除了有計算機芯片以外還需要有監控，機械臂和行走部件。說到這里大家可能已經明白了在這一階段我們要完成什么任務了，就是實現如計算機遠程協助一樣簡單的功能。

在云上我們首先可以構建完善的供求平臺，而擁有端的用戶可在平臺上發布各種端力所能及的任務，如清潔、維修、甚至是教學等。另一方面有完成任務能力的人可以通過供求平臺承接任務，通過遠程操控端來幫助任務發布者工作，當然這里存在的問題是費用的支付和端用戶的安全，所以平臺使用者必須實名注冊而且一定要承擔法律責任。在強大的服務器群和高速網絡的基礎上，我相信實現機器人的遠程操控并不是一件難事，而這一階段的實現也可以大大增加人們對時間的利用率，和全球生產力的一個平衡。

3.2數據挖掘階段

第二階段筆者稱之為數據挖掘階段，我們第一階段所完成的主要是云平臺的搭建，而第二階段我們所要完成的是人工智能的一個基礎建設。在我們的用戶端上有著數據采集系統，隨時收集用戶利用端所完成的各項任務，通過云平臺中心的計算分析，可以提供給用戶云中存儲的最佳解決方案。數據挖掘的實現和云平臺的分析如圖所示：

第二階段所實現的是人工遠程協助與智能分析同步。

3.3具備遺傳基因的專家系統階段

第三階段筆者稱之為具備遺傳基因的專家系統階段，近10年來，由于一些專家系統在實用化方面取得了一些進展，展示出廣闊的發展前景，開始受到愈來愈多的計算機科學家的關注。然而，與此同時，現有的專家系統也暴露出了自身嚴重的缺陷，使不少計算機界的知名學者對專家系統產生了懷疑。專家系統存在的問題可歸納為以下幾點：

（1）專家系統中的知識多限于經驗知識，極少有原理性的知識，系統沒有應用它們的能力。

（2）知識獲取功能非常弱，為了建造專家系統，必須依賴于專家獲取知識，不僅費時，而且很難獲取完備性和一致性的知識；

（3）求解問題的方法比較單一，以推理機為核心的對間題的求解尚不能反映專家從認識問題到解決問題的創造性過程；

（4）解釋功能不強，這一點相對比較次要。

John McDermott認為，專家系統有時所以徹底失敗的原因主耍有兩條： ①知識不足；②解決問題的方法不妥，即不能運用它有的或沒有的知識來解題。

針對傳統專家系統的不足我們設計了遺傳基因系統，其實遺傳算法我們并不陌生，這是人工智能的基礎學科，如下面的C++代碼就是一個實例：

typedef char ALLELE； //基因類型

typedef struct{

ALLELE *chrom；

float fitness；// fitness of Chromosome

}INDIVIDUAL；// 個體定義

class TPopulation{//群體類定義

public：

int size； // Size of population：n

int lchrom；// Length of chromosome：l

float sumfitness，average；

// 由于GA是一個概率過程，所以每次迭代的情況是不一樣的；系統參數不同，迭代情況也不同。

// 在實驗中參數一般選取如下：個體數n=50-200，變異概率Pm=0.03，交叉概率Pc=0.6。

// 變異概率太大，會導致不穩定。

INDIVIDUAL *fmin，*fmax；

INDIVIDUAL*pop；

TPopulation（int popsize，int strlength）；

TPopulation（）；

inline INDIVIDUAL &Individual（int i）{return pop[i]；}；

void FillFitness（）； //評價函數

virtual void Statistics（）；// 統計函數

}；

class TSGA：public TPopulation{ // TSGA類派生于群體類

public：

float pcross；// Probability of Crossover

float pmutation；// Probability of Mutation

int gen；// Counter of generation

TSGA（int size，int strlength，float pm=0.03，float pc=0.6）：

TPopulation（size，strlength）

{gen=0；pcross=pc；pmutation=pm；}；

virtual INDIVIDUAL& Select（）；

virtual void Crossover（INDIVIDUAL &parent1，INDIVIDUAL &parent2，

INDIVIDUAL &child1，INDIVIDUAL &child2）；

virtual ALLELE Mutation（ALLELE alleleval）；

virtual void Generate（）； // 產生新的一代

}；

// 用戶GA類定義如下：

class TSGAfit：public TSGA{

public：

TSGAfit（int size，float pm=0.0333，float pc=0.6）

：TSGA（size，24，pm，pc）{}；

void print（）；

}；

有了遺傳算法加上我們第二階段完成的長時間的數據挖掘階段，我們可以解決傳統專家系統的不足。對于知識匱乏，經過長時間的積累我們云平臺中存儲的是全球性的知識，不是任何一個圖書館可以媲美的，而且都是通過人們的經驗進行實踐的知識，可用性極高。而數據挖掘也會幫助我們找到最佳的解決問題的方法。而每次用最完美的方法解決了問題又可以由下一代算法繼承，這樣一來，我們便可以真正實現人工智能了。

4結語

人工智能的目的是要將人類從繁重的勞動中解放出來，我們看到機器在不斷的進步，越來越多的智能機器在我們身邊出現，但是真正意義上的人工智能和我們還有很大的距離，將來機器不僅僅是人類認識世界和改變世界的工具，而且可以和人類做朋友，可以交流、談心甚至相互學習。在我看來要想實現人工智能時代，并不能只是依靠少數天才科學家，和實驗室，必須要大范圍的，甚至各個國家、政府、全球人類都要參與進來，因為人工智能不但代表了一個學科、一種技術，他是人類工具的一次革新，人類生存方式的一次革新，就如同青銅器取代石器一樣，智能機器人也必將取代計算機和網絡。讓我們為了這一天的到來而盡情暢想吧！

主要參考文獻

[1]雷萬云. 云計算企業信息化建設策略與實踐[M].北京：清華大學出版社，2010.12.

[2]Michael Negnevitsky.人工智能：智能系統指南[M].北京：機械工業出版社，2007.4.

[3]Gartner，Application Infrastructure for Cloud Computing：A Growing Market，2010.

[4]美Peter Fingar著，王玲俊譯.云計算21世紀商業平臺[M]. 北京：電子工業出版社.