大數據背景下計算機人工智能應用研究

原知新

山東大學泰山學堂，山東 濟南 250199

0 引言

大數據技術的發展充分挖掘了數據的價值屬性，而人工智能技術則實現了人類基礎思維模式與計算機網絡的融合，不僅增加了以數據為參考的工作效率，同時也保證了相關決策的科學性和準確性。雖然基于大數據的計算機人工智能技術具有以上優勢，但其缺陷依然較為明顯，在優化大數據技術的同時，計算機人工智能技術也將更加完善，從而得到更加廣泛的應用。

1 計算機人工智能技術概述

互聯網的普及加速了信息時代的到來，同時也形成了大量的網絡數據，計算機人工智能技術則通過對數據的搜集、整理和分析，發現了不同數據之間的邏輯關系，并將其作為系統決策的重要依據[1]。由此可以看出，計算機人工智能技術對數據有著較強的依賴性，數據的真偽、規模等都會對其產生影響。

2 計算機人工智能技術的核心技術體系

為實現類人思維能力，計算機人工智能技術需要自主采集相關數據，并通過數據邏輯關系不斷優化其算法實現智能化水平的提升。因此，計算機人工智能技術的核心技術體系主要包括以下幾個方面。

2.1 機器視覺技術

所謂機器視覺，是指利用圖形、圖像等聲、光、電傳感器獲知周圍空間環境特征數據，通過空間模型構建算法，對已識別環境特征數據進行分塊處理，從而賦予系統軟件或平臺空間感知與目標識別能力。

2.2 機器學習技術

區別于傳統計算機軟件基數，機器學習技術具有算法優化能力，隨著其處理數據量的增加，相關數據之間的邏輯關系將發生改變，針對不同數據的處理機制也會有所調整。然而，在綜合考慮數據可信度的情況下，為確保機器學習質量，則需要及時剔除異常數據，并在機器處理異常時及時介入，最大限度減小機器學習的預測偏離值。

2.3 語言識別與處理技術

計算機人工智能技術需要滿足人們的不同需求，因此，其需要更加準確的識別人的語言，以及不同語言的直接或間接意圖。這里所謂的語言主要包括聲音、文字等，隨著處理任務數量的增加，計算機人工智能技術對不同語言的識別能力明顯提升，并能夠按照與人類相似的思維執行相關動作。

3 大數據背景下計算機人工智能應用

計算機人工智能技術的應用需要龐大的數據作為支撐，大數據技術的出現解決網絡數據快速增長過程中的搜集、整理和分析能力，由此推動了計算機人工智能技術在電力、交通、醫療、互聯網安全等領域的廣泛應用。

3.1 電力智能運維系統

電力系統的正常運轉涉及國計民生，為此，則需要投入大量的人力、物力和財力參與到電力運維工作之中，盡管，自動化、數字化、網絡化電力運維系統在一定程度上實現了“降本增效”的效果，但智能化水平依然偏低。

電力智能運維系統是在傳統電力運維系統的基礎上，增加了數據融合處理單元與人工智能軟件（圖1），并通過4G、5G通信技術與云平臺實現數據在運維系統中的共享[2]。由于電力智能運維系統可以動態獲取電力系統內部各節點的數據變化情況，利用電力運維系統模型對電力系統中各節點的狀態信息進行預測，從而為運維工作提供參考。

圖1 電力智能運維系統組成示意圖

電力智能運維系統的核心在于故障模型的構建，任何非人為故障的形成都是量變到質變的過程，而量變則伴隨著電力系統中某一節點狀態參數的變化，智能運維中心在對相關數據進行處理、分析的基礎上，通過計算故障模型曲線的擬合度，從而預測故障類型和時間，并給出具有可行性的維修方案。

以變電站溫度場模型為例，在分布式溫度傳感器的幫助下，基于電力智能運維系統的變電站溫度場模型更加精準、科學，當變電站輸入、輸出電壓和電流發生變化的情況下，變電站溫度場模型將逐漸與某一故障下的溫度場模型相吻合。在此情況下，電力智能運維系統將及時調取電子交互手冊，調取相關節點狀態數據，快速分析異常溫度場模型產生原因，準確定位故障點，引導工程技術人員進行維修。

由此可以看出，電力智能運維系統的優勢在于可以提前預知故障的發生，通過制定科學的電力系統運維計劃，減少因電力系統故障帶來的損失。

3.2 智慧交通管理系統

在城市規模不斷擴大的過程中，城市道路擁擠問題愈發嚴重，現階段普遍使用的紅綠燈管理機制在一定程度上緩解了城市交通擁堵問題，但無法根據路況進行紅綠燈時長的動態管理，以至于無法實現城市交通的最優化管理。

智慧交通管理系統是大數據背景下智慧城市的重要組成部分，其系統組成如圖2所示，依托目標監控單元中設置的攝像頭等圖像采集設備可以實時拍攝路口車輛信息，并利用圖形圖像識別技術計算經過各路口的車輛數目[3]。同時，交通流量預測模塊將根據既往數據對未來一段時間內的車流量變化情況進行預測，并根據預測結果構建交通流量管制模型，從而確定最佳交通信號燈控制時間，從而將交通擁堵情況降至最低。

圖2 智慧交通管理系統組成示意圖

智慧交通系統的關鍵在于對大規模數據的優化處理，因此，在數據管理模塊中需要針對這一特點進行數據管理流程優化，其系統框架如圖3所示。根據數據管理單元對目標信號的判定情況，可自動區分特殊車輛（如警車、救護車、消防車等）數據，從而合理確定交通信號燈管制的優先級順序，實現人工智能優化目標[4]。同時，為減輕大規模數據處理的算力壓力，數據采集單元可增加激光、紅外、壓力等傳感器，提高數據處理效率，并通過可視化數據模型顯示不同管理機制下交通流量變化情況。

圖3 智慧交通管理系統框架示意圖

基于大數據技術的智慧交通系統改變了傳統流程化、機械化的車流量控制模式，有效緩解了道路擁堵情況。隨著車輛終端管理平臺數據的逐步完善，以及智慧交通系統將實現與車載導航系統、車載定位系統的數據共享機制的建立，智慧交通系統將改變城市傳統交通管理機制，減輕城市交通管理部門壓力。

3.3 臨床輔助決策系統

在現代科學技術與臨床醫學相結合的過程中，醫療設備的數字化、信息化實現了傳統醫療經驗的量化，大量臨床數據為治療方案的選擇提供了參考，使臨床治療更加精準、科學。臨床數據的不斷增加，以及大數據技術在臨床醫學領域的廣泛應用，結合臨床診療模型的設計，可通過計算機人工智能技術對不同臨床治療方案的效果進行系統化評估，從而為醫生在臨床治療過程中提供輔助決策。

臨床輔助決策系統對數據的精準度要求較高，因此，以大數據技術為核心的計算及人工智能需要加強對差異化數據的校驗，剔除非客觀因素影響下的超差數據，對不同生理特征數據之間的邏輯關聯進行分析，確定不同生理特征數據的致病權重[5]。在大數據技術的支持下，通過建立人體生理特征模型，模擬不同臨床治療方案下人體生理特征數據的變化情況，為醫生提供包括治療設備、臨床用藥等在內的系統化治療方案。

不僅如此，臨床輔助決策系統可動態跟蹤臨床治療的整個過程，在臨床治療過程中根據相關生理特征數據的變化情況對臨床治療方案進行調整，從而在實現人工智能監督的同時，保證治療效果。以目前較為流行的智能穿戴設備為例，通過多類型傳感器可獲取人的汗液、血液、肌電等數據信息，相關數據被發送至后臺數據中心，經過長期的數據采集和分析，可獲得人體生理特征變化曲線，通過生理特征曲線擬合，不僅能夠對人體健康情況進行及時預警，還可以作為臨床治療的重要參考依據。

3.4 互聯網安全管理

計算機網絡技術的發展和推廣應用改變了人們傳統的工作和生活方式，而互聯網的開放性在為人們溝通、交流提供便利的同時，也帶來了嚴重的安全隱患，以Facebook數據泄露、勒索病毒等為代表的互聯網安全事件再次暴露了現有網絡安全體系的脆弱，以及由此所造成的深遠影響。在此背景下，基于網絡數據的計算機人工智能在互聯網安全管理中得到了廣泛應用，如智能防火墻與智能入侵識別系統等。

智能防火墻是作為新一代網絡安全防御體系的重要組成部分被提出，其可以實現網絡數據的動態智能檢測，以龐大的數據作為支撐，對未知網絡風險模型進行預測[6]。同時，智能防火墻能夠結合機器學習技術對現有網絡風險數據進行整合，并在提取特征片段的基礎上，利用云算力分析特征片段的程序邏輯，從而優化防火墻防護機制，全面提升防火墻的主動防護能力。

防火墻作為計算機網絡安全的第一道防線，其能夠應對大多數的網絡威脅，針對一些具有較高欺騙性的病毒、木馬，則需要利用計算機人工智能強化系統層的安全防御能力。大多數網絡入侵行為都是以數據竊取和破壞為目的，在整個過程中伴隨著數據吞吐量和關鍵位置訪問權限異常等現象[7]。①智能入侵識別需要對訪問數據進行溯源，對比用戶訪問請求，判定訪問行為的合法性；②動態監視網絡帶寬資源變化情況，準確關聯系統應用、進程與算力資源、帶寬資源，并能夠根據關聯數據進行網絡環境與內容感知，尤其是針對具有可執行片段的入站數據以及帶有關鍵位置地址的數據塊等；③關鍵位置訪問權限管理，在特定情況下，關鍵位置訪問需要經過多層級授權，在落實傳統訪問授權管理的基礎上，還強化了對訪問主體操作行為數據的對比驗證分析，如訪問密鑰驗證時間、操作習慣等數據，從而有效避免因密鑰泄漏、暴力破解等行為帶來的安全問題。

4 結語

大數據技術的發展為計算機人工智能在多領域的推廣應用奠定了基礎，通過分析差異化數據之間的邏輯關系，同時綜合機器視覺、機器學習、語言識別與處理等關鍵核心技術，發揮出計算機人工智能在布式數據存儲、云計算、軟件設計等方面的優勢，從而加快產業技術革命進程。