大數據環境下人工智能的創新

程琳

摘 要：進入21世紀以后，人類開始深入研究新技術環境，例如人工智能的全面深入研究及普及。而在近些年來，隨著互聯網信息時代的快速發展，大數據技術環境應運而生，它更在某種程度上豐富了人工智能研究應用領域，實現了人工智能技術的多元化創新過程。本文就思考了大數據技術環境與人工智能之間的密切關系，并簡要談談在大數據技術環境下各種人工智能的創新過程。

關鍵詞：大數據技術 人工智能 關系 技術創新

中圖分類號：TN929.5 文獻標識碼：A 文章編號：1003-9082（2018）08-00-01

大數據技術整體數據體量大、數據類別多、可組織形成相當龐大的數據集合，實現傳統數據庫工具所無法實現的數據獲取與處理過程。另外，它的數據真實性高、數據處理速度快，能夠滿足當前人工智能中的某些理論、方法與技術應用系統，實現人工智能與計算機科學技術緊密發展聯系，所以說在大數據環境下實現人工智能技術創新是具有可行性的。

一、大數據技術與人工智能之間的關系分析

人工智能概念產生于20世紀中葉，是人類文明與社會發展的重要標志。進入20世紀80年代以后，人類也進入了人工智能聯結主義時期，更多有關科學技術的大膽構思為人類所嘗試。例如21世紀以后對數據環境的分布處理、對人類大腦與神經網絡的智能化模擬等等就促成了諸多新技術、新技能的產生，比如說智能信息化時代的重要產物——大數據技術。由大數據所營造的互聯網技術環境讓人工智能如魚得水，擁有了更多的研究與創新契機。

進入21世紀以后，大數據與人工智能之間擁有了更多交叉促進機會，同時產生了更多創新方法，提高了二者之間的實際應用價值。在該過程中，人類擁有了空前的大數據環境規模和大數據類型，其數據流轉速度與真實性也得以提高，特別是在數據存儲、檢索、分類與統計能力方面都有了相當程度進步，一定程度上加速了大數據的發展進程。而越來越多人工智能領域理論及技術方法被應用于大數據環境中實現數據分析也同樣取得了不錯的成效。根據過往實踐研究表明，大數據技術環境能夠成功解決人工智能的擴展性與成長性問題，它提高了傳統人工會智能技術能力，使其可以擁有與人類近似的學習研究能力，豐富了人工智能技術體系本身的復雜程度。由于人工智能技術體系本身的繁瑣性特征，它也逐漸衍生出兩大必要技術理論條件：第一，必須擁有海量的數據內容作為支撐；第二，必須擁有較強的數據處理能力，這是傳統人工智能技術所不具備的。因此可以見得，人工智能與人類一樣，是需要大量知識來豐富自身的，進而學習更多技能、積累更多經驗，在如此豐富的知識與經驗背后就有大數據技術環境作為支撐。換言之，它能從數據存儲、分析方面為人工智能提供必要的技術支持，保證人功能智能數據量與數據處理能力的提升，與人工智能的現實技術需求相匹配。就當前來看，大數據技術的向前發展已經實現了對人工智能的有效推動，它開啟了人工智能發展的全新篇章，結合當前人工智能領域已有的一些理論方法來提升了大數據的使用價值，所以在當前二者的發展進步是呈現相輔相成之勢的[1]。

二、大數據技術環境下人工智能的創新技術應用

在大數據技術環境中，人工智能的創新技術應用類型較多，下文就主要介紹3種關鍵技術應用類型。

1.模式識別技術應用

當前模式識別技術被稱為是人工智能應用的基礎技術，它對對象信息采集、匹配與分析能力都較強，可有效執行人類所期望的技術性操作內容，例如特征檢測、特征提取、模式匹配與語義分析等等。以特征提取為例，它就以人工智能作為學習建模基礎，全面結合大數據技術環境來表述圖像表征內容，基于知識表征和數據滿足目標對象輪廓形狀及距離演算、度量過程，最終獲取特征數據。例如在人臉識別技術中，它以模式識別技術中的特征距離度量、曲率角度、歐氏距離等等技術內容對對象人臉的多重輪廓特征進行整體分析，再結合其局部特征進行一一分解，合理利用局部特征相互之間的幾何結構來帶入大數據中的代數特征與統計學習表征方法，滿足代數特征和統計學習表征方法要求，再結合海量數據對目標對象像素密度進行有效統計，優化嚴密規則實現對模式識別技術的特征分離與提取。另外，還需要基于大數據代數特征提取方法分析其K均值、譜聚類、密度聚類與支持向量等等指標內容，完成特征提取技術流程，為隨后的模式匹配奠定技術基礎。在判定模式匹配過程中，還要結合大數據環境來分析模式識別對象相似度，通過人工智能技術判定其是否超過規定閾值，如果超過，則說明判定模式匹配已成功。

2.專家系統技術應用

專家系統是當前乃至未來人工智能技術發展的重要趨向，它目前在人們的生產生活中已經被得到廣泛應用。在專家系統中應用大數據技術是希望有效集合專門行業領域知識與經驗，構建程序系統，利用計算機科學技術與人工智能技術基礎，結合行業領域權威專家知識經驗，滿足對某些人工智能專業技術內容的深入推理與判斷，最終模擬人類專家的判斷決策過程。在該技術過程中，主要希望通過專家系統來處理某些復雜問題，并滿足兩大技術條件：第一，要建立接近于人工智能研究對象領域的專家系統機制，并再在此基礎之上建立專家解決實際問題的大數據技術推理機制，實現對某些問題的有機解決過程；再一點就是建立完善的存儲領域，結合專家系統總結與分析滿足技術模式優化，合理構建專家知識庫。可以說存儲領域專家總結技術二者在專家系統構建過程中是缺一不可的，而專家系統也需要通過大數據技術環境與人工智能搭建平臺，滿足其專家識別功能需求。根據過往研究發現，專家系統與人類大數據信息輸入輸出之間存在必然聯系，它的數據快速處理與應用則結合到了行業領域知識及人工智能推理判斷技術，希望以此來作出準確智能化判斷決策，保證專家系統在各個行業領域取得良好應用成果。就目前來看，基于大數據環境下的人工智能技術創新專家系統應用就涵蓋了預測型、解釋型、規劃型、診斷型、調試型、設計型、控制型等10種類型，所應用范圍相當之廣泛[2]。

總結

除上述兩點應用技術創新外，大數據環境下的人工智能創新應用還包括了符號計算、人工神經網絡與機器情感等等技術及相關產品，它的發現和發明成果全部展示在人類眼前，保證了人類自身智能化科技水平的有效發揮與實現過程。可以說，大數據環境下人工智能的創新為人類社會文明發展打開了一扇新大門，開辟了一條新途徑，是人類未來賴以生存的重要一筆。

參考文獻

[1]徐卓函.大數據時代人工智能的創新與發展研究[J].科技資訊，2015，13（33）：30-31.

[2]黃鑫.分析計算機人工智能識別技術的應用瓶頸[J].數字技術與應用，2016（7）：244.