人工智能在計算機網絡中的應用

摘要：人工智能技術又被稱作AI，是一個集計算機技術、邊緣計算技術、模糊識別技術、信息技術等多種技術理論應用于一體的交叉技術科學，它以研究模擬、應用模仿人類推理智能的計算機機器設備或軟件為主。盡管當前階段在世界范圍內人工智能技術的研究進展還仍然停留在“弱Ai”階段，但已經初步在多個領域發現了人工智能技術的應用路徑。基于此，本文主要是對人工智能在互聯網環境中的實際應用場景進行探討，其中重點對其中人工智能技術的運行大致原理以及主要作用。

關鍵詞：人工智能;計算機網絡;信息處理

一、引言

如今隨著互聯網技術的普及應用，社會中各行各業信息化發展進程也越來越快，計算機網絡技術的應用不僅加快了人們傳遞信息、共享信息的實際效率，同時也為人們的生活、工作、娛樂提供了一種更加便捷化的選擇，甚至直接潛移默化地影響著一個時代的生活習慣。當前階段僅僅將計算機設備當做一個計算與處理的輔助工具，顯然是無法真正滿足人們的基本工作生活需要的。所以利用人工在網絡技術上輔助人們形成一定的決策參考意見，能夠提高計算機獨立分析處理數據的能力效率，使一些網絡技術應用實現半自動化或全自動化管理，顯著降低網絡技術應用維護的人力資源成本。

二、人工智能技術的概述

人工智能技術的實現原理較為復雜，它是近代科學理論技術下，通過對人腦推理和邏輯分析的功能流程分析，在將自然語言處理系統以及各類專家知識體系錄入計算機數據庫后，以模糊計算、語義分析識別、數據庫比對等方式達到接近人腦推理決策的功能。隨著人工智能領域技術課題研究的不斷深入，如今的人工智能技術，已經可以基本滿足依靠獨立邏輯，完成理解、學習、識別甚至淺層博弈等復雜情況的推理處理功能需求了。這樣的人工智能技術在應對復雜的應用情景時，可以根據知識庫積累的多種邏輯方案，來智能化地對環境變量進行分析與決算，等同于提高了計算機獨立完成某種功能、動作的能力[1]。人工智能技術在網絡技術中的應用思路，就是通過智能計算機現有的知識庫，在少量人工指令或者完全脫離人工指令的控制條件下，替代或輔助計算機網絡用戶完成某種分析處理功能，從而達到高效率、低人力資源成本的工作效果。

三、人工智能技術在計算機網絡中的適用性分析

（一）垂直計算工作面較大，計算成本較低

所謂“弱AI”時代，是指當前來看，受到科學對人腦邏輯思維的產生機理方面的技術研究局限，部分關鍵的智能生成原理尚未被攻破，所以人工智能技術的推理、學習以及分析行為，與人類自主產生邏輯的模式還是存在本質上的差距的。這樣的人工智能技術產物只是看起來像是有智能思維的樣子，但實際上并不是真正意義上的智能，也不可能產生自主思維意識。弱“AI”階段的人工智能技術尚不能完全脫離人工指令來完成場景推理與事件解決，尤其是在處理人類的語言系統以及處理其他應用場景下的隨機變量條件時，人工智能的工作效果往往會大打折扣。從誤差統計模型的理論來看，分析誤差問題是導致人工智能技術水平受限的根本原因，這樣的誤差影響可以用一組向量Q=（A1，A2，A3...）來表示，它所對應的誤差影響就可以用QS向量（S1，S2，S3）來表示，那么系統的照射誤差的公式就可以表示為如下：S=|QS|=（S12+S22+S32...）×k[2]。

上述誤差公式表明了，由于人工智能的思維邏輯都是建立在一個個“算法”的基礎上，應對不同場景的變量條件，人工智能技術在分析處理的過程中勢必會產生分析誤差，多種誤差的疊加照射影響，導致人工智能分析結果與人類的邏輯判斷產生較大的偏差影響。但反過來想，現階段控制人工智能技術的分析推理誤差的最好辦法就是縮短誤差向量的照射鏈條，也就是盡可能地減少產生遞進誤差的實際執行環節。計算機技術是人工智能技術的基礎技術支撐，而人工智能技術在計算機網絡中要處理的信息，大部分都是計算機代碼指令、數據表等這種計算機比較容易理解的語言類型，只有少量簡單的用戶功能實現需要人工智能來分析隨機環境變量，所以在互聯網環境中使用人工智能技術，無限地接近于垂直工作計算。所以說，計算機網絡是最適合人工智能技術使用的實際應用情景。

（二）模糊處理能力較強，適用于人腦無法完成的海量計算任務

模糊計算就是指人工智能根據底層代碼設置的模糊計算規則，從幾組控制變量的輸入來直接輸出分析計算結果的一種底層計算邏輯，它是人工智能分析、推理與學習功能的本質。這種模糊計算是依靠環境變量對中心點的隸屬度關系，配置合適的隸屬值函數來得到模糊結論的，過程主要包含了四個步驟：首先是模糊規則庫，這種規則生成的來源既有從自有知識庫的專家系統調取的，也有在特定環境條件下完成學習功能補錄的;其次是模糊化，將難以用一定規律描述的環境變量條件，如自然語言表述等根據模糊規則配置出相應的隸屬度分布;接著是推理過程，根據計算輸出的需求不同，轉化成用戶所需要的特定條件模糊表述;最后是去模糊化，由于輸入結果是精確的，而輸出結論是一組隸屬值矩陣或網絡單元的數據，所以若是不經過數據處理，人工智能的模糊計算結果是難以被實際應用的，而去模糊化就是指反向利用人工智能的模糊計算規則，將隸屬度數值轉化為對應的推導結論。

這樣的模糊計算使得人工智能技術擁有極強的計算處理效率，就以互聯網應用來說，如今互聯網環境中一些功能比較復雜的應用程序或平臺的運行代碼動輒高達數百萬、千萬行，這樣龐大的數據量顯然是無法依靠傳統數據工具來完成檢索任務的。因此人工智能技術的應用，可以利用這種模糊計算機制來替代人工處理互聯網的大量復雜的數據信息，通過控制算法讓人工智能一次或少次計算得到最優解計算任務結果，這樣才能進一步提高計算機網絡的運行效率。

（三）強大的非線性處理能力可以靈活應對多種情景

所謂非線性數據結構，是與線性數據結構比較的一種相對說法，它與線性數據結構“一一對應”的模式不同，非線性數據結構的邏輯特征是在一個節點元素上可能同時存在多個前驅或后驅。無論是線性數據結構還是非線性數據結構，它們往往都是某種事件的外在特征或表現規律，也就是說，只有掌握了這種非線性結構數據生成的原則，人工智能技術才能夠對隨機應用情景的變量做出對應的反應。這種非線性處理功能，當前階段主要是依靠支持向量機來實現的，這種支持向量機是一個二分類模型，它的基本邏輯思路就是對樣本進行超平面分隔，直至分隔間隔達到最大化后，樣本中只剩下二次規劃求解問題為止。當處理樣本數據表現為線性不可分時，人工智能技術可以訓練學習一個非線性支撐向量機;而當處理樣本的數據表現為近似線性可分時，人工智能技術可以訓練學習一個向量支持機，最終將其加工為線性可分的樣本，通過學習一個線性可分向量支持機來輸出問題的推論結果[3]。

這樣的邏輯功能，使得人工智能技術在處理互聯網應用環境中高層次、有價值的信息時，可以直接根據無序分布的規律線索，提取形成在線解釋與專家方案。從而在互聯網應用中達到輔助決策生成的關鍵功能。而這樣的決策功能，并不僅僅在單一環境模型中生效，由于強大的非線性處理計算優勢，人工智能技術在應對多種環境類型時，它的決策模型可以在短時間內生成多種備選方案，以方案類比、優化、分析的形式輸出更加利于用戶參考使用的計算結果與推理，這種獨特的“博弈”機制，使得整個人工智能系統可以游刃有余地處理多種復雜計算情景的信息，例如開放互動式系統的大數據分析。

四、人工智能技術在計算機網絡中的有效應用路徑

（一）網絡安全技術的革新發展

受計算機網絡技術普及的影響，除了提供一種更為便利的生活方式，以及提高了各行各業的生產工作效率以外，同時帶給人們的，還有巨大的網絡安全挑戰問題。現如今由于計算機的實際應用場景越來越多，人們對計算機分析處理的依賴性越來越高，關于信息數據安全性問題的關注度也是越來越高的。從近年來各類網絡信息安全事件的報道情況來看，大到國家安全局的失泄密案件導致局勢動蕩、中到企業商業機密失竊的財產損失、小到用戶個人隱私的泄漏影響，互聯網安全關系到每一個用戶或用戶群體的切身利益。互聯網信息安全問題正在成為嚴重阻礙網絡技術進步的一塊“絆腳石”，只有網絡安全防護技術不斷優化完善，才能確保網絡服務、網絡應用系統可以可靠地運作。

但從網絡“攻防戰”的現狀來看，網絡攻擊技術的進步速度永遠要比網絡安全技術更新要快。就以網絡應用平臺的開發運營為例，網絡應用平臺為了確保自己的系統服務不受到惡意攻擊指令篡改代碼，導致服務中斷，往往會花費大量的人力、物力、財力來完善網絡安全防護技術水平，軟件的開發者在其中的作用就是在海量的數據庫模型中，利用數據工具逐一檢索系統中可能存在安全風險的結構設計。但網絡黑客通過枚舉入口的方式編寫一組攻擊指令所需要花費的精力，是遠遠低于軟件系統的設計開發維護的。因此以往傳統的網絡安全防護技術，無論是網閘還是安全防護軟件都會有或大或小的技術漏洞，區別只是它們有沒有被發現。

而利用人工智能技術來完善計算機網絡安全防護技術的思路，就是通過專門設計的AI人工智能，在網絡安全防護軟件上部署深度學習功能，借由人工智能技術強大的環境異常分析處理能力，完成對惡意攻擊指令、木馬病毒的高效率識別功能。例如AI人工智能防火墻，在技術防護功能上還是以往傳統的“隔離—鑒別—通行或攔截”的防護邏輯流程。但區別在于以往傳統的防火墻技術需要人為設置參數來優化防火墻的安全防護水平，一旦參數設置不合理，很容易出現防火墻“誤攔錯放”的嚴重問題，不僅對用戶的網絡技術知識水平有一定要求，且防護效果不盡理想。而AI人工智能防火墻的設計重點在于它對攻擊指令數據的鑒別邏輯，軟件中自有一個隨時更新的數據庫，除了保留傳統安全防護技術中對隔離區數據包頭部信息識別功能以外，它還有一個異常環境分析報告鑒定木馬病毒與攻擊指令的特征信息。這樣即使帶有攻擊指令的數據包被從隔離區放行，安全防護軟件仍然保留有管理系統內所有應用運行權限的功能，當數據包在本地被讀取時存在篡改數據代碼、讀取本地數據表結構等風險操作時，會直接生成一個運行環境異常的風險報告作為告警信息，提示用戶異常的數據包可能帶來的運行安全風險，同時將該數據包重新投放回防火墻隔離區進行監視處置。而這樣的安全防護策略，在截取一個惡意攻擊指令后，數據包的結構特征、信息特征等都會被記錄為數據表收錄在軟件信息庫中作為攻擊特征識別，也就實現了人工智能技術的深度學習功能。

（二）推動“萬物互聯”的智能時代格局

“萬物互聯”的概念早在2015-2016年間就被初次提起，它是指將使用者、應用業務與計算機設備以物理網絡橋接的形式，融合為一個有機整體，將互聯網中的信息真正轉化為業務行動力，這樣的概念模型下，信息與計算機設備的實用價值將被呈指數放大，人機交互的障礙問題也將徹底得到解決。但在此前由于受限于網絡與計算機設備的技術水平瓶頸限制，這種思維超前的概念化設計并未被投入實際應用。我國人工智能技術領域由于發展道路偏差、算法缺陷顯著也一度陷入低迷[4]。但如今5G通信技術革新的時代背景下，受到商業應用場景的刺激作用，給人工智能與“萬物互聯”概念設計的結合帶來了一絲曙光，硬件技術與軟件算法的更新完善，也為人工智能技術進步提供了重要的科技支撐。

“萬物互聯”與人工智能技術的結合在當前階段已普及落地應用的領域主要有教育、金融、醫療、電子商務、家居生活和工業設計等多個行業領域。如今已經投產應用的“人工智能+計算機互聯網”產品數不勝數，例如通過計算機或者移動端控制的智能家電、車載智能導航，淘寶、支付寶、微信等移動端APP，上述產品均是通過在計算機互聯網環境中，利用人工智能技術實現語音語義識別、生物特征檢索、大數據處理分析等功能的。在“人工智能+萬物互聯”的智能時代背景下，為人機交互界面的人性化設計提供了極為廣闊的思路空間，使應用人工智能技術的電子設備產品，真正以可靠助手的身份出現在人們的工作生活中。

（三）人工智能技術在互聯網搜索引擎中的具體應用

以往傳統的互聯網引擎都是采用目錄式搜索的方式來幫助用戶完成檢索的，這種方式需要投入大量人力資源成本，由網站編輯員查看信息后以人工或者半人工的形式來將網站上的信息置于分類框架中。目錄式搜索的代表是Yahoo、Open Directory等。而如今以百度、谷歌等搜索引擎為主使用的檢索技術，都是基于Robot檢索與Meta檢索技術理論開發的，其中Robot檢索是由人工智能程序以某種設計策略驅動，根據用戶輸入詞的語義識別結果作為信息檢索條件，由專門的查詢接口輸入檢索索引庫，并將這些檢索信息以映射區的形式回訪給使用用戶。這種檢索技術與傳統檢索引擎技術相比，它能夠實時在索引鏈接中顯示出部分網頁的更新變動信息，同時還能自動篩除掉失效的死鏈接，使檢索技術與用戶的關聯匹配度更高，Robot智能檢索的代表產品是Google搜索引擎。而Meta的技術特點是并沒有本身的檢索索引庫，使得搜索引擎的運行負擔更低，處理反應更加高效，利用人工智能的博弈篩選，直接由元搜索引擎負責將internet中所有與檢索詞語義相關的信息按照匹配關聯度由上自下排列，這樣即使檢索內容中未能出現用戶需求的信息內容，用戶也可以根據信息參考源的排列規律來重新補充關鍵詞，為用戶提供一種智能優化檢索關鍵詞的策略，我們所熟知的百度搜索引擎使用的就是這種檢索技術。

五、結束語

綜上所述，除了本文論述的內容以外，在實際計算機網絡的場景中人工智能技術還有諸多其他的應用思路。這主要得益于計算機網絡中應用人工智能技術的三個技術優勢，一是在計算機網絡中的垂直計算環境下，人工智能分析決策的誤差率較低;二是強大的模糊計算能力使得人工智能技術計算效率極高;三是非線性處理性能較強，使人工智能技術擁有了深度學習完善的可能。因此可以說，人工智能技術在計算機網絡中的應用前景是非常可觀的。

作者單位：彭世海? ? 浪潮軟件集團有限公司

彭世海（1985.01-），男，漢族，山省濰坊，本科，研究方向：大數據、云計算、人工智能、網絡安全。

參? 考? 文? 獻

[1]李振.人工智能在計算機網絡技術中的應用探究[J].網絡安全技術與應用，2021（12）：172-173.

[2]董玉姣.人工智能在計算機網絡技術中的應用[J].中國管理信息化，2021，24（24）：194-195.

[3]盧鐳，李琳.人工智能在計算機網絡技術中的應用[J].無線互聯科技，2021，18（23）：100-101.

[4]潘忠平，王偉，付鑫.人工智能在計算機網絡技術中的應用分析[J].信息與電腦（理論版）， 2021，33（23）：158-160.