大數據時代人工智能的應用與發展

劉慧力

(哈爾濱華德學院，哈爾濱 150025)

大數據時代產生的海量數據如果未能合理應用將會造成數據資源的浪費。人工智能是互聯網時代的產物，它通過整合大數據、云計算等技術，將數據進行分類、計算、分析，為工作開展、行業發展及頂層決策等提供必要的支持。未來，人工智能將會迎來更廣闊的發展前景，掌握其應用技巧，使其服務于社會經濟發展，成為當前的重要任務。

1 人工智能在各個領域的應用

1.1 網絡安全領域中的應用

近年來，網絡安全、信息泄露等問題引發各界高度關注。可用于網絡安全保護的手段較多，如啟動殺毒軟件、設置訪問密碼等，但是仍無法徹底消除安全漏洞。將人工智能應用于這一領域，可使安全保護的重心從事后修補漏洞向事前抵御攻擊轉變，切實保障用戶網絡信息安全。人工智能會根據預設程序，以特定的頻率對覆蓋范圍內的網絡進行掃描，同時將掃描結果與數據庫中設定的標準參數進行配對，如果配對一致，則說明網絡系統安全，反之則說明存在網絡安全漏洞。根據異常數據的產生位置，快速鎖定漏洞，并提供相應的解決方案，保障了網絡安全。

1.2 遠程控制領域中的應用

利用人工智能代替技術人員實現遠程操控，不僅省時省力，還能保證作業安全，其在電力檢修、醫療救助等工作中有著廣泛運用。以電力檢修為例，由于作業環境具有危險性，檢修期間容易發生觸電事故。基于人工智能的遠程控制，計算機可實時采集電力系統中線路、設備的運行參數，并將這些數據存儲到數據庫中。同時，計算機還會調取預設的標準參數，將實測參數與標準參數進行對比，根據對比結果做出智能分析，由計算機生成相應調控指令，實現遠程調控。如某電氣設備正常運行的額定電壓是220 V，但是監測數據顯示電力系統的實時電壓為238 V。在人工智能技術的支持下，計算機可自動發出調節指令，控制變壓器進行電壓調節，并重新恢復到220 V電壓，從而保障電氣設備的安全運行。

2 大數據時代人工智能的發展前景

2.1 “大智移云物”將會深度融合

人工智能是信息時代的產物，未來發展也離不開信息技術的支持。其中，大數據、人工智能、移動互聯、云計算、物聯網等前沿技術具有密不可分、相互影響的關系。今后，“大智移云物”將會進一步融合，為AI技術創新發展創造良好的外部環境。如人工智能發展將會更加依賴于深度學習(DL)，而深度學習則需要提供海量數據作為學習樣板，這種情況下就必須借助互聯網渠道，利用大數據技術為AI提供多元化、海量化的樣本資源庫，以滿足其深度學習的需要，支持AI技術實現創新發展。人工智能的發展要應用并服務于各個行業，這一過程需要使用移動互聯網、物聯網，在今后的一段時間，基于人工智能的各項應用和服務將會實現從虛擬向現實的過渡。人工智能應用過程中會產生大量的信息數據，海量數據的存儲會使用到云存儲技術。因此，應繼續探索人工智能與云存儲、云計算、大數據、移動物聯網等技術的深層次整合，為其發展提供契機。

2.2 有望代替人類認知專家顧問

近年來，人工智能快速發展主要依賴三個元素：性能強大的神經元網絡、價格低廉的芯片和大數據。其中，神經元網絡是機器實現深度學習的基礎，能夠對人類大腦活動和意識進行模擬，從而逐漸達到專家顧問的水平，并且很有可能在未來代替人類專家顧問。基于深度學習的認知專家顧問，是一個從模仿到超越的過程。初始階段，AI需要獲取人類認知專家顧問的思維邏輯、分析模式，并進行學習、模仿。隨著學習時間的增加，AI的分析能力逐漸提升并接近人類認知專家顧問的頂尖水平。在不久的將來，AI可以聯合大數據分析和云計算處理，比人類認知專家顧問更加快速地完成海量數據的匯總、統計，在此基礎上利用特定的程序邏輯，推導出相應的分析結果。可以預見AI通過深度學習，將會在不遠的將來代替人類認知專家顧問，為更多的用戶提供決策分析。目前，AI認知專家顧問已經在金融分析、機器翻譯、智能搜索等領域得到了推廣使用，隨著AI深度學習能力的提升，將會在更加廣泛的領域得到應用。

2.3 模式識別技術將逐步提升AI學習能力

人工智能可為AI提供大量的學習樣本，通過深度學習提高AI決策的科學性，能夠達到甚至超越人類專家決策判斷的效果。但是面對海量的樣本數據，AI并不能也沒有必要全盤接受、完全處理，否則會導致計算機運行負荷超標。模式識別(Pattern recognition)技術可以很好地解決此類問題，隨著該技術的成熟發展，有望使AI學習能力再提升一個等級。該技術首先對數據庫內海量的樣本數據進行掃描，提取樣本特征，根據特征信息完成對樣本數據的分類。根據AI的設計功能、使用需要和應用領域，選擇與之對應的樣本數據，提高AI學習的專業性，為AI在特定領域發揮更大的作用奠定基礎。

2.4 符號計算技術將深入提升AI服務能力

符號計算(Symbolic computation)是支持AI發展的關鍵技術之一。簡單來說，符號計算是基于特定的運算公式，在AI的控制下對相關數據進行計算、求解、得出結果，并將結果運用到決策中。在開源領域，Python的SymPy可以支持符號計算。在商業領域，Maple、Matlab能夠進行符號計算。基于AI的符號計算，與傳統的數值計算有明顯的差別，兩種計算方法雖然都能夠得出相應的結果，但是AI可以將結果應用于不同領域，為用戶提供服務。當前的符號計算技術在符號識別、計算能力等方面還有一定的局限，隨著該技術的發展，未來的符號計算將會支持AI為用戶提供更加智能和個性的服務。

3 展望

人工智能已在網絡安全、遠程控制、工業制造等諸多領域得到了創新應用。從實際效果來看，相比于傳統的以人工或機械為主的控制模式，人工智能在提升作業效率、保證控制精度、控制運行成本等方面均表現出強大優勢。大數據、物聯網、云計算等技術的發展為人工智能的創新提供了源動力。未來，人工智能將會在預測決策、風險識別等更多領域提供更加多樣的智能服務。掌握和運用人工智能技術已成為大數據時代的一項必備技能，也是支持人工智能發揮價值、持續發展的重要動力。