大數(shù)據(jù)分析中的計(jì)算智能研究現(xiàn)狀與展望

楊雁瑩

為對(duì)其進(jìn)行詳細(xì)分析，本文對(duì)大數(shù)據(jù)分析中的計(jì)算智能研究現(xiàn)狀與展望進(jìn)行研究。首先從人工神經(jīng)網(wǎng)絡(luò)、模糊識(shí)別技術(shù)和粒子群算法幾個(gè)方面進(jìn)行計(jì)算智能的發(fā)展現(xiàn)狀并剖析出現(xiàn)的問題，在解決問題的同時(shí)提出新思路，給出開發(fā)不同于當(dāng)前存在的智能模式，如腦啟發(fā)計(jì)算和人機(jī)混合智能，以期為推動(dòng)計(jì)算智能的發(fā)展提供一定幫助。

人工智能在各個(gè)領(lǐng)域的使用程度加深，傳統(tǒng)的人工智能是以符號(hào)為基本模式模擬人類的一種方式，但現(xiàn)如今其已經(jīng)不能夠有效解決遇到的問題，比如在信息處理上，傳統(tǒng)的人工智能不具有決策能力也不具有處理組合爆炸的能力。而人工神經(jīng)網(wǎng)絡(luò)，采用分布式信息處理方式，大大提高了運(yùn)算能力，加之人工智能的機(jī)器學(xué)習(xí)、進(jìn)化計(jì)算、模糊邏輯等帶有自主學(xué)習(xí)能力的仿生智能技術(shù)，為大數(shù)據(jù)信息處理技術(shù)插上了飛翔的翅膀。神經(jīng)網(wǎng)絡(luò)、模糊計(jì)算等進(jìn)化算法通過“擬像”和“仿生學(xué)”研究而發(fā)明的新方法，使計(jì)算機(jī)具備了獨(dú)立思考的能力，可以根據(jù)學(xué)習(xí)，自主制定新的規(guī)則以適應(yīng)處理環(huán)境和對(duì)象的變化，這也是智能信息處理的基本理論和方法。這些“計(jì)算智能”技術(shù)與傳統(tǒng)方法相比，具有自學(xué)習(xí)、自組織、自適應(yīng)等特點(diǎn)，并且操作簡單。智能算法的進(jìn)步和適用范圍擴(kuò)大主要體現(xiàn)在對(duì)理論的研究更加深入，還體現(xiàn)在新型智能產(chǎn)業(yè)不斷擴(kuò)寬市場(chǎng)以及將經(jīng)典算法與現(xiàn)代算法相結(jié)合，進(jìn)行互補(bǔ)。

（一）人工神經(jīng)網(wǎng)絡(luò)

人工神經(jīng)網(wǎng)絡(luò)興起之初主要應(yīng)用于識(shí)別、自動(dòng)控制等領(lǐng)域，并在流程工業(yè)上大面積投入使用，極大地推動(dòng)了工業(yè)化發(fā)展。雖然計(jì)算智能是一個(gè)新興研究領(lǐng)域，但其實(shí)神經(jīng)網(wǎng)絡(luò)、進(jìn)化算法等網(wǎng)絡(luò)技術(shù)已經(jīng)有了一定的理論基礎(chǔ)。對(duì)于目前來講的神經(jīng)網(wǎng)絡(luò)，其主要問題是網(wǎng)絡(luò)學(xué)習(xí)算法如何在實(shí)際工作中發(fā)揮價(jià)值。隨著工業(yè)的發(fā)展，對(duì)技術(shù)的功能要求越來越多，理論的研討深度也應(yīng)該加大。神經(jīng)網(wǎng)絡(luò)在具體工作時(shí)沒有多余的計(jì)算步驟，它可以自主適應(yīng)隨時(shí)變化的操作環(huán)境。

當(dāng)然神經(jīng)網(wǎng)絡(luò)除了操作簡單之外還存在一些弊端。比如神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)速度和工業(yè)進(jìn)程不成正比，其學(xué)習(xí)內(nèi)容往往落后于工業(yè)發(fā)展，這就導(dǎo)致想要真正投入使用還需要相當(dāng)長的一段時(shí)間。并且在神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的過程中，沒有辦法保證信息的完整度。有一些問題可以利用輔助手段解決，但這就導(dǎo)致神經(jīng)網(wǎng)絡(luò)對(duì)完整性數(shù)據(jù)和外部輔助算法的依賴性很強(qiáng)，如果不具備這個(gè)條件，那么只能完成數(shù)據(jù)儲(chǔ)存工作，不能進(jìn)行樣本的外推。

（二）模糊技術(shù)

模糊數(shù)學(xué)是一種強(qiáng)大的數(shù)學(xué)分析工具，它非常接近人類的語言和思維。日常生活中，人腦也不能對(duì)很多的事物和情況作出精準(zhǔn)清晰的判斷和定義，很多情況下憑借模糊的感覺進(jìn)行決定行為。模糊技術(shù)的工作形式與上文提及的情況有相似之處。模糊決策首先會(huì)對(duì)處在決策環(huán)境中的所有對(duì)象進(jìn)行分類，再根據(jù)模糊約束規(guī)則從分類中選取出最優(yōu)對(duì)象。所以說模糊技術(shù)比經(jīng)典目標(biāo)決策更具有實(shí)用性。多目標(biāo)決策算法的實(shí)踐應(yīng)用較早，已經(jīng)在多個(gè)領(lǐng)域產(chǎn)生實(shí)際效果，但是受限于算法本身的復(fù)雜性，與具體工程相結(jié)合時(shí)還需要做大量的開發(fā)工作，因此其適用性還需要深入研究，加以完善。

（三）粒子群

粒子群算法是一種新型的進(jìn)化計(jì)算技術(shù)。最初將其設(shè)計(jì)出來是為了構(gòu)建一個(gè)簡單的社會(huì)體系，以此來研究一些復(fù)雜的社會(huì)性行為和現(xiàn)象。將這種建立在群體性智能學(xué)科之上的算法應(yīng)用于龐雜的擇優(yōu)問題，憑借強(qiáng)大的自學(xué)習(xí)能力，可以實(shí)現(xiàn)快速的問題求解。粒子群算法群體中的粒子之間有合作也有競(jìng)爭(zhēng)，這些粒子運(yùn)動(dòng)為算法提供了依據(jù)。與智能機(jī)器，尤其是進(jìn)化算法有著很密切的聯(lián)系。它作為一種搜索算法效率更高，很適合解決在復(fù)雜環(huán)境下發(fā)生的問題，其學(xué)科理論和應(yīng)用都有很高的學(xué)術(shù)價(jià)值和工程建設(shè)價(jià)值。

它和傳統(tǒng)智能方法的結(jié)合應(yīng)用非常簡單，所以能夠快速提出解決問題的方案，尤其對(duì)于多個(gè)目標(biāo)的決策優(yōu)化，必須找到整體最優(yōu)粒子群和單個(gè)最優(yōu)粒子個(gè)體。對(duì)于整體最優(yōu)粒子群的選擇活動(dòng)，要求算法具有優(yōu)良的收斂性，而且能在一定程度上在邊界處發(fā)生色散。單個(gè)粒子的選擇就更加簡單，只需要進(jìn)行多次比較計(jì)算即可完成。

隨著信息技術(shù)、網(wǎng)絡(luò)技術(shù)、硬件能力的快速發(fā)展，大數(shù)據(jù)技術(shù)的現(xiàn)實(shí)應(yīng)用在各個(gè)領(lǐng)域得到推廣和發(fā)展，為大眾所認(rèn)知和接受，為智能計(jì)算的發(fā)展提供了大好的發(fā)展機(jī)遇。但我們?cè)谙硎苤髷?shù)據(jù)計(jì)算給生產(chǎn)生活帶來的便利的同時(shí)，也應(yīng)該意識(shí)到大數(shù)據(jù)環(huán)境的復(fù)雜性和運(yùn)動(dòng)性給計(jì)算智能的發(fā)展帶來了不小的困難，現(xiàn)在的智能計(jì)算仍不能在工程領(lǐng)域中隨心所欲地使用。如果沒有科學(xué)的數(shù)據(jù)理論支持，以龐大的數(shù)據(jù)為信息支持的計(jì)算智能很難取得突破性進(jìn)展。那么，在當(dāng)前的領(lǐng)域進(jìn)入瓶頸期時(shí)，我們不妨換一個(gè)角度考慮，可以開發(fā)不同于當(dāng)前任何一種模式的方法，這樣我們可以推陳出新，從另一個(gè)角度更快速、更簡單地得到想要的結(jié)果來解決問題。

（一）腦啟發(fā)計(jì)算

腦啟發(fā)計(jì)算是研究人類大腦存儲(chǔ)信息以及對(duì)信息做出反饋的機(jī)理基礎(chǔ)之上發(fā)展起來的新型計(jì)算技術(shù)。腦啟發(fā)計(jì)算側(cè)重于在復(fù)雜環(huán)境中應(yīng)用，可以增加空間的復(fù)雜程度，能起到加強(qiáng)各個(gè)單一事件之間關(guān)聯(lián)性的作用。因此這種算法實(shí)際上也是從神經(jīng)形態(tài)的基礎(chǔ)上建立起來的，可以更高效運(yùn)轉(zhuǎn)的智能計(jì)算方式。

腦啟發(fā)計(jì)算是為了構(gòu)建一種新型的高效率運(yùn)轉(zhuǎn)的計(jì)算結(jié)構(gòu)而存在。這種高效率的結(jié)構(gòu)可以隨時(shí)處理復(fù)雜的、不成體系的數(shù)據(jù)信息，并且耗能極低。腦啟發(fā)計(jì)算的設(shè)想為數(shù)據(jù)科學(xué)提供了一種新的計(jì)算路徑，能夠給人工智能的發(fā)展提供深厚的理論支撐。當(dāng)前，這種算法還處在起步階段，研究者需要進(jìn)一步探究人類大腦的組織架構(gòu)，以及思維機(jī)制。但這種計(jì)算方式不失為是計(jì)算智能的良好發(fā)展途徑。

（二）人機(jī)混合智能

計(jì)算智能的終極目標(biāo)是與人腦一樣具有“智慧”，隨著研究的深入，新的理論、更高級(jí)的算法不斷被發(fā)明出來，計(jì)算智能的處理能力與“智力水平”也在不斷提升。可以展望，在不久的將來，萬物互聯(lián)基礎(chǔ)上的“人-物”互聯(lián)將問世，人與機(jī)器的信息交互更為方便、速度將更快、交互障礙將更少，機(jī)器輔助決策甚至自主決策的全智能產(chǎn)品將得到推廣和應(yīng)用，人機(jī)混合智能的時(shí)代即將到來。依托人腦的深度思考能力、結(jié)合機(jī)器的穩(wěn)定性和快速處理能力，可以進(jìn)行更為龐大的計(jì)算，解決更為復(fù)雜的問題。人類作為自然界中形成的自然智慧，如何能夠參與到機(jī)器的智能循環(huán)運(yùn)作，是當(dāng)前人機(jī)混合智能需要研究的關(guān)鍵性問題。目前，一些探索和開發(fā)思維潛能的工具，仍在研究之中，基礎(chǔ)理論和模型構(gòu)造還需要深入研究，更高帶寬、更為簡易的腦-機(jī)接口還需要研究驗(yàn)證。

大數(shù)據(jù)的爆發(fā)式增長使得數(shù)據(jù)驅(qū)動(dòng)相關(guān)性分析受到了越來越多的關(guān)注，也逐漸成為一種科學(xué)研究的基本方法。但其在發(fā)揮其優(yōu)勢(shì)的同時(shí)，也暴露出了很多不足。為此，科學(xué)家開始尋求更接近數(shù)據(jù)和智能本質(zhì)、更有效認(rèn)識(shí)復(fù)雜性和不確定性的新科學(xué)研究范式。目前，這類新的科學(xué)探索方法論尚未形成定論，但大體上看，這類新的科學(xué)研究范式是以智能為研究目標(biāo)的浸入式具身研究，雖然目前還難以給出清晰界定，相信隨著技術(shù)的發(fā)展，更先進(jìn)的計(jì)算智能方式將會(huì)應(yīng)運(yùn)而生。

作者單位：南京森林警察學(xué)院

基金項(xiàng)目：江蘇高校哲學(xué)社會(huì)科學(xué)研究項(xiàng)目：“基于疫情預(yù)測(cè)模型的涉疫人員確定與追蹤實(shí)踐研究”（編號(hào)：2020SJA0592）

1247501705387