探究計(jì)算機(jī)信息技術(shù)在人工智能發(fā)展中的應(yīng)用

張 寧

（江蘇省銅山中等專業(yè)學(xué)校 江蘇 徐州 221000）

0 引言

第三次科技革命以計(jì)算機(jī)技術(shù)作為核心，人工智能作為現(xiàn)代計(jì)算機(jī)信息技術(shù)的代表性成果，已經(jīng)逐漸成為信息技術(shù)發(fā)展的主流趨勢(shì)，智能化也已經(jīng)成為社會(huì)發(fā)展的主流特征。 人工智能經(jīng)歷了從萌芽期到高速發(fā)展期，再到當(dāng)前正在進(jìn)行的第三次革新發(fā)展階段，并逐漸從最初的圖靈機(jī)模型發(fā)展到人們目前熟知的人工智能模型。 現(xiàn)如今，人工智能模型以及相關(guān)技術(shù)與最初發(fā)展階段相比，已經(jīng)實(shí)現(xiàn)了質(zhì)的飛躍，并在人類經(jīng)濟(jì)社會(huì)發(fā)展過程中發(fā)揮著十分重要的作用。 基于此，本文就計(jì)算機(jī)信息技術(shù)在人工智能發(fā)展中的具體應(yīng)用進(jìn)行分析，以期為國(guó)內(nèi)計(jì)算機(jī)信息技術(shù)以及人工智能的高質(zhì)量融合發(fā)展提供參考。

1 計(jì)算機(jī)信息技術(shù)和人工智能概述

1.1 計(jì)算機(jī)信息技術(shù)

計(jì)算機(jī)信息技術(shù)實(shí)際上是一種能夠在計(jì)算機(jī)和其他終端設(shè)備之間完成數(shù)據(jù)信息的儲(chǔ)存、傳遞和共享的現(xiàn)代技術(shù)，也是計(jì)算機(jī)技術(shù)與現(xiàn)代信息技術(shù)結(jié)合發(fā)展的產(chǎn)物。 如今，計(jì)算機(jī)信息技術(shù)的數(shù)據(jù)模型變得更加復(fù)雜，能夠在短時(shí)間內(nèi)完成大量數(shù)據(jù)信息的運(yùn)算工作，任務(wù)的執(zhí)行速度明顯提高。 目前，在經(jīng)濟(jì)社會(huì)發(fā)展過程中產(chǎn)生的圖像視覺數(shù)據(jù)和語言數(shù)據(jù)，因?yàn)樾再|(zhì)較為特殊，可以利用網(wǎng)絡(luò)數(shù)據(jù)正向和反向傳播等技術(shù)進(jìn)行標(biāo)記以及儲(chǔ)存，最終建立對(duì)應(yīng)的模型［1］。 因此，計(jì)算機(jī)信息技術(shù)和人工智能技術(shù)中的神經(jīng)網(wǎng)絡(luò)有效結(jié)合，可以針對(duì)各項(xiàng)數(shù)據(jù)信息全方位進(jìn)行收集和處理，從而進(jìn)一步提高數(shù)據(jù)處理的效率和效果。

1.2 人工智能

人工智能（artificial intelligence）也被人們稱作AI，是一種從人類思考角度對(duì)于事物進(jìn)行分析和判斷的學(xué)科以及技術(shù)。 結(jié)合百度百科、搜狗百科等方面的資料來看，人工智能是模擬、延伸、擴(kuò)展人類智能的理論、方法及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)。 從目前人工智能技術(shù)以及相關(guān)模型的發(fā)展看來，普遍具備大數(shù)據(jù)計(jì)算、跨媒體感知、自主學(xué)習(xí)、語言和仿生能力。 人工智能能夠利用計(jì)算機(jī)信息技術(shù)完成數(shù)據(jù)的儲(chǔ)存、計(jì)算和分析工作，并且云計(jì)算和5G技術(shù)也具有十分重要的作用。 在人工智能模型持續(xù)完善的背景下，信息模型能夠在不同的媒介、平臺(tái)上搜集所需的數(shù)據(jù)和信息，同時(shí)能夠模仿人類的思維，根據(jù)設(shè)定的規(guī)則解決問題，擁有一定的自主學(xué)習(xí)能力。 目前，在智能終端中設(shè)置的各種智能語音助手便是人工智能的應(yīng)用代表，有著良好的語言能力，能夠在揣摩人們語義的基礎(chǔ)上和人們進(jìn)行交流［2］。 從某種程度上看，這種語言交流與人工智能的仿生和感知能力有著密切的聯(lián)系，能夠?qū)崿F(xiàn)人機(jī)之間信息的同步交流和交換。

2 計(jì)算機(jī)信息技術(shù)用于人工智能的基本原理

人工智能可以利用神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)深度學(xué)習(xí)。 計(jì)算機(jī)信息技術(shù)和神經(jīng)網(wǎng)絡(luò)二者的結(jié)合應(yīng)用能夠幫助人工智能技術(shù)相關(guān)模型完成數(shù)據(jù)集合的標(biāo)注工作，且可以針對(duì)數(shù)據(jù)集合中儲(chǔ)存的相關(guān)數(shù)據(jù)進(jìn)行前向擬合處理，完成數(shù)據(jù)的統(tǒng)計(jì)學(xué)習(xí)等相關(guān)工作。 在這種情況下，計(jì)算機(jī)通信系統(tǒng)通常都會(huì)設(shè)定一定的樣本點(diǎn)，并通過擬合曲線的設(shè)計(jì)，對(duì)于樣本點(diǎn)和資本量之間的變化關(guān)系進(jìn)行全方位闡述。 人工智能模型在自行深度學(xué)習(xí)的過程中，樣本點(diǎn)不僅集中在（x，y）點(diǎn)上，還可以利用向量矩陣探索形成其他的任意點(diǎn)。在任意點(diǎn)數(shù)量過多的背景下，人工智能模型的神經(jīng)網(wǎng)絡(luò)會(huì)變得越發(fā)復(fù)雜，逐漸形成層次化的神經(jīng)網(wǎng)絡(luò)體系［3］。 然而，實(shí)際上，由于輸入數(shù)據(jù)之間不存在任何線性關(guān)系的影響，這種層次化神經(jīng)網(wǎng)絡(luò)仍然會(huì)按照之前設(shè)置的程序開展輸入數(shù)據(jù)的正向和反向傳播等訓(xùn)練。 人工智能在利用層次化神經(jīng)網(wǎng)絡(luò)進(jìn)行深度學(xué)習(xí)時(shí)，能夠結(jié)合數(shù)據(jù)質(zhì)量完成自動(dòng)優(yōu)化處理工作。

如今，多層神經(jīng)網(wǎng)絡(luò)的框架類型變得越來越多元化，主要包括Neon TensorFlow 和Moa 等。 人們熟知的Neon、TensorFlow 是由ARM、谷歌公司結(jié)合各自優(yōu)勢(shì)建立的人工智能深度學(xué)習(xí)架構(gòu)。 TensorFlow 是一種能夠脫離單圖形處理器進(jìn)行數(shù)據(jù)處理的網(wǎng)絡(luò)框架，并且以分布式連接方式存在，利用多GPU 卡和C＋＋接口實(shí)現(xiàn)，能夠在數(shù)據(jù)運(yùn)算量較大的情況下，以最快的速度完成數(shù)據(jù)運(yùn)算工作。

由此可以得出，在數(shù)據(jù)并行計(jì)算環(huán)節(jié)，計(jì)算機(jī)能夠促進(jìn)非關(guān)系型數(shù)據(jù)庫、內(nèi)存和數(shù)據(jù)流圖三者之間的有效融合，并在此基礎(chǔ)上建立分布式系統(tǒng)的多層模型。 在不同用戶嘗試運(yùn)用多層神經(jīng)網(wǎng)絡(luò)時(shí)，并不需要對(duì)結(jié)構(gòu)模型的組成進(jìn)行了解，只需要持續(xù)利用神經(jīng)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)便可針對(duì)輸入的數(shù)據(jù)進(jìn)行全面推理。 隨著內(nèi)存和處理設(shè)備硬件性能的不斷提升和發(fā)展，海量數(shù)據(jù)的高效運(yùn)算可以通過不同的方法進(jìn)行優(yōu)化。 即使出現(xiàn)節(jié)點(diǎn)故障，經(jīng)過優(yōu)化后的海量數(shù)據(jù)也能夠基本保持一致。 數(shù)據(jù)仍然能夠進(jìn)行讀寫，并且在出現(xiàn)容錯(cuò)現(xiàn)象后主動(dòng)進(jìn)行分區(qū)處理［4］。 此外，人工智能也能夠在多個(gè)模型的數(shù)據(jù)和區(qū)域的并行計(jì)算中發(fā)揮作用，利用多GPU 卡和網(wǎng)絡(luò)數(shù)據(jù)進(jìn)行連接，提高并行計(jì)算的效率。 同時(shí)，多GPU 卡也能夠用于同層級(jí)數(shù)據(jù)的處理環(huán)節(jié)，確保不同數(shù)據(jù)的處理流程能夠得到壓縮，具體如圖1 所示。

圖1 層次化神經(jīng)網(wǎng)絡(luò)并行計(jì)算示意圖

以目前人工智能的發(fā)展來看，計(jì)算機(jī)信息技術(shù)的應(yīng)用變得越來越普及，其中應(yīng)用頻率最高的便是Agent。 該軟件以分布式計(jì)算模型為主，能夠?qū)θ斯ぶ悄芷脚_(tái)中分散的多項(xiàng)任務(wù)進(jìn)行全方位控制和交互。 在完成數(shù)據(jù)信息收集和處理之后，便可將得到的數(shù)據(jù)結(jié)果在分布式平臺(tái)進(jìn)行仿真操作以及交互。 在人工智能技術(shù)持續(xù)發(fā)展的過程中，Agent 技術(shù)的應(yīng)用意味著需要建立仿真環(huán)境的交互模型。針對(duì)目前的需求和服務(wù)信息全方位進(jìn)行搜集，便可完成數(shù)據(jù)流的開發(fā)工作，并向不同的工作節(jié)點(diǎn)下達(dá)相應(yīng)的工作計(jì)劃，結(jié)合數(shù)據(jù)反饋進(jìn)行收集和管理。 Agent 技術(shù)能夠?qū)Σ煌愋偷姆抡姝h(huán)境分類進(jìn)行模擬，通過使用多種類型的傳感器，進(jìn)一步提高交互環(huán)境的真實(shí)性，為用戶帶來良好的使用體驗(yàn)。 因此，Agent 技術(shù)已經(jīng)成為某些分布式平臺(tái)數(shù)據(jù)計(jì)算實(shí)施的重要實(shí)體，能夠完成有關(guān)數(shù)據(jù)方面的協(xié)作處理、監(jiān)控管理等多項(xiàng)任務(wù)。 同時(shí)，Agent 技術(shù)能夠利用局域網(wǎng)，將用戶所查詢的相關(guān)數(shù)據(jù)信息或者得到的數(shù)據(jù)處理結(jié)果向用戶終端以及云平臺(tái)進(jìn)行上傳，使用戶信息搜索、處理和查詢的時(shí)間得到明顯壓縮，避免在網(wǎng)絡(luò)數(shù)據(jù)信息傳輸過程中出現(xiàn)信息擁堵問題。 總體的技術(shù)數(shù)據(jù)處理模型結(jié)構(gòu)如圖2 所示。

圖2 Agent 技術(shù)下的數(shù)據(jù)處理模型結(jié)構(gòu)

3 計(jì)算機(jī)信息技術(shù)在人工智能發(fā)展中的應(yīng)用

3.1 用于網(wǎng)絡(luò)安全防護(hù)

目前，人工智能依舊以計(jì)算機(jī)網(wǎng)絡(luò)作為核心組成部分方可發(fā)揮作用。 然而，網(wǎng)絡(luò)系統(tǒng)中經(jīng)常存在安全隱患，如系統(tǒng)漏洞和惡意程序等。 計(jì)算機(jī)信息技術(shù)在人工智能發(fā)展中的應(yīng)用主要體現(xiàn)在網(wǎng)絡(luò)入侵安全監(jiān)測(cè)方面，這是維護(hù)網(wǎng)絡(luò)系統(tǒng)安全的初級(jí)任務(wù)。 計(jì)算機(jī)信息技術(shù)和人工智能能夠?qū)Ω黜?xiàng)數(shù)據(jù)信息進(jìn)行安全性分析。 在發(fā)現(xiàn)各種病毒數(shù)據(jù)或不明因素時(shí)，會(huì)生成相應(yīng)的安全分析報(bào)告，確保相關(guān)人員能夠及時(shí)掌握不同危險(xiǎn)因素的分布和實(shí)際狀況，采取相應(yīng)的措施處理風(fēng)險(xiǎn)因素，規(guī)避網(wǎng)絡(luò)風(fēng)險(xiǎn)事件，為用戶提供良好的使用體驗(yàn)［5］。

計(jì)算機(jī)通信技術(shù)在人工智能防火墻領(lǐng)域中的應(yīng)用，主要利用信息識(shí)別技術(shù)對(duì)數(shù)據(jù)庫中收集的各項(xiàng)病毒數(shù)據(jù)進(jìn)行識(shí)別。 通過綜合運(yùn)用統(tǒng)計(jì)、決策和記憶等方法，避免了出現(xiàn)大規(guī)模數(shù)據(jù)運(yùn)算帶來的問題，在維護(hù)數(shù)據(jù)計(jì)算結(jié)果精準(zhǔn)性的同時(shí)，也使網(wǎng)絡(luò)數(shù)據(jù)變得更加安全，能夠從根本上消除各種病毒信息和潛在危險(xiǎn)因素，修復(fù)現(xiàn)有網(wǎng)絡(luò)漏洞，并在第一時(shí)間發(fā)布病毒入侵警報(bào)，從而顯著提高網(wǎng)絡(luò)系統(tǒng)的安全性。 此外，在數(shù)據(jù)傳輸過程中，計(jì)算機(jī)信息技術(shù)和人工智能能夠?qū)?shù)據(jù)風(fēng)險(xiǎn)全方位進(jìn)行識(shí)別和界定，維護(hù)數(shù)據(jù)輸入和輸出的安全性。 同時(shí)，云計(jì)算能夠在第一時(shí)間完成數(shù)據(jù)信息的匹配和核對(duì)，識(shí)別潛在的風(fēng)險(xiǎn)事件，有效阻止黑客攻擊和病毒入侵等行為。

3.2 用于智能機(jī)器人

智能機(jī)器人是我國(guó)人工智能發(fā)展過程中出現(xiàn)的全新技術(shù)成果。 計(jì)算機(jī)信息技術(shù)同樣可以在醫(yī)療智能機(jī)器人、環(huán)保智能機(jī)器人、智能家居機(jī)器人等領(lǐng)域中廣泛應(yīng)用。 與傳統(tǒng)的醫(yī)療人力操作相比，醫(yī)學(xué)領(lǐng)域的智能機(jī)器人能夠24 小時(shí)保持高負(fù)荷運(yùn)轉(zhuǎn)，這不僅明顯提升了效率，也顯著提高了精準(zhǔn)性。 國(guó)家超級(jí)計(jì)算長(zhǎng)沙中心研發(fā)的“大白”機(jī)器人具有令人矚目的工作效率和診斷質(zhì)量。 它能夠在4.8 s 的時(shí)間內(nèi)完成100 份病例的診斷。 這一成果與智能機(jī)器人自身的數(shù)據(jù)儲(chǔ)存和計(jì)算能力密切相關(guān)。 應(yīng)用智能機(jī)器人可以明顯減輕醫(yī)院的工作壓力。 麻省理工研發(fā)出了Ginger 醫(yī)療智能機(jī)器人，能夠在醫(yī)生接生的過程中提供醫(yī)療輔助。 一旦遇到突發(fā)問題，機(jī)器人能夠憑借搜集的相關(guān)數(shù)據(jù)，為醫(yī)生提供合理的解決方案，醫(yī)療中的成本投入明顯壓縮，醫(yī)師的工作總量有所減輕。

在世界各國(guó)倡導(dǎo)生態(tài)環(huán)境保護(hù)與經(jīng)濟(jì)社會(huì)協(xié)同發(fā)展的背景下，環(huán)保智能機(jī)器人成為目前環(huán)境治理工作的主要設(shè)備。 與傳統(tǒng)的人力操作相比，環(huán)保智能機(jī)器人能夠?qū)崿F(xiàn)污染物的精準(zhǔn)處理。 在某些特殊情況下，人工無法完成污染物的清理工作，智能機(jī)器人則能夠通過高清攝像頭將現(xiàn)場(chǎng)情況傳送到后臺(tái)的控制系統(tǒng)，由管理人員和指揮員發(fā)出相應(yīng)的指令，及時(shí)處理各種不同類型的污染物。 環(huán)保智能機(jī)器人不僅能夠精準(zhǔn)識(shí)別污染物，還能對(duì)當(dāng)?shù)氐奈廴緺顩r進(jìn)行分析，從而顯著提高治理效率。

3.3 用于網(wǎng)絡(luò)管理

計(jì)算機(jī)綜合管理是以計(jì)算機(jī)運(yùn)行模式作為依據(jù)，能夠在設(shè)定合理的管理框架的基礎(chǔ)上提高系統(tǒng)運(yùn)行的可靠性和規(guī)范性。 人工智能和計(jì)算機(jī)信息技術(shù)能夠?qū)⒆灾黩?qū)動(dòng)作為核心，并針對(duì)不同類別的系統(tǒng)和操作功能進(jìn)行整合。例如，在專家系統(tǒng)對(duì)接和自主識(shí)別中，通常可以采用管理和風(fēng)險(xiǎn)識(shí)別的方法，針對(duì)系統(tǒng)中存在的各種行為進(jìn)行檢測(cè)和處理。 隨后，將數(shù)據(jù)信息在專家系統(tǒng)內(nèi)進(jìn)行反饋，根據(jù)數(shù)據(jù)的變化決定是否執(zhí)行相應(yīng)的工序。 這種模式實(shí)際上是以內(nèi)部控制作為基礎(chǔ)進(jìn)行網(wǎng)絡(luò)管理。 同時(shí)，計(jì)算機(jī)信息技術(shù)能夠與人工智能搭載在系統(tǒng)的知識(shí)庫中同步導(dǎo)入相應(yīng)的數(shù)據(jù)和信息，在經(jīng)過耦合處理之后，同樣能夠?qū)崿F(xiàn)智能控制的目標(biāo)。 例如，應(yīng)用數(shù)據(jù)模型逐漸轉(zhuǎn)變?yōu)閿?shù)據(jù)行為，也是在運(yùn)行過程中以知識(shí)規(guī)則作為原理分析存在的各種問題，同時(shí)利用已經(jīng)生成的自動(dòng)化控制程序，針對(duì)計(jì)算機(jī)網(wǎng)絡(luò)進(jìn)行邏輯處理，意味著計(jì)算機(jī)網(wǎng)絡(luò)管理效能和數(shù)據(jù)信息防護(hù)效果能夠進(jìn)一步提高。

3.4 用于數(shù)據(jù)處理和共享

人工智能應(yīng)用質(zhì)量與深度學(xué)習(xí)水平有著明顯的聯(lián)系，神經(jīng)網(wǎng)絡(luò)能夠?qū)ο嚓P(guān)的數(shù)據(jù)進(jìn)行全方位解析，對(duì)其背后的價(jià)值進(jìn)行研究和歸納評(píng)估，確保人工智能的模仿升級(jí)能力可以持續(xù)提升。 總體來看，數(shù)據(jù)的實(shí)時(shí)性特點(diǎn)也變得越來越明顯。 在人工智能持續(xù)發(fā)展的過程中，如果想要實(shí)現(xiàn)自我提升的目標(biāo)，需要將計(jì)算機(jī)信息技術(shù)融入其中，確保人工智能技術(shù)能夠利用計(jì)算機(jī)信息技術(shù)以及現(xiàn)代傳感器完成數(shù)據(jù)信息的收集、處理和分析工作，并完成數(shù)據(jù)信息的反饋以及交互。 網(wǎng)絡(luò)資源的共享也是人工智能持續(xù)發(fā)展的關(guān)鍵所在。 計(jì)算機(jī)信息技術(shù)是數(shù)據(jù)信息共享得以實(shí)現(xiàn)的基礎(chǔ)條件。 計(jì)算機(jī)信息技術(shù)能夠通過各種網(wǎng)絡(luò)接口建立云服務(wù)器，獲取高價(jià)值的數(shù)據(jù)信息。 如此一來，人工智能庫可以將相關(guān)數(shù)據(jù)進(jìn)行上傳，并配合學(xué)習(xí)、交流和模仿能力的發(fā)展，為用戶提供更加高質(zhì)量的服務(wù)。 在經(jīng)濟(jì)社會(huì)發(fā)展的過程中，人工智能針對(duì)不同用戶的信息進(jìn)行區(qū)分，結(jié)合差異地區(qū)提取的信息，為用戶提供個(gè)性化的定制服務(wù)。

3.5 用于圖像智能識(shí)別

目前，人工智能技術(shù)在持續(xù)發(fā)展的過程中已經(jīng)能夠做到針對(duì)不同圖像自主進(jìn)行識(shí)別，并提煉出其中的相關(guān)要素和物體。 人工智能圖像識(shí)別實(shí)際上是對(duì)人類在發(fā)展過程中的圖像和事件分析進(jìn)行模仿，集成、識(shí)別圖像中的各種特性，并將不同階段的信息合成，最終形成一幅完整的圖像，從而完成圖像的識(shí)別。 如今，人工智能圖像識(shí)別應(yīng)用廣泛。 在車輛交通系統(tǒng)中，人工智能圖像識(shí)別能夠與計(jì)算機(jī)信息技術(shù)有效融合，在第一時(shí)間對(duì)違法車輛進(jìn)行抓拍處理，并利用車牌識(shí)別技術(shù)對(duì)車牌信息和車主信息進(jìn)行識(shí)別。 同時(shí)，圖像識(shí)別技術(shù)在小區(qū)安全和手機(jī)支付等軟件中也得到了廣泛應(yīng)用。

3.6 用于模式識(shí)別

模式識(shí)別的理論基礎(chǔ)是信息論和概率公式，能夠利用多種方法對(duì)人類的思維模式進(jìn)行模擬。 在目前數(shù)學(xué)計(jì)算方法以及計(jì)算機(jī)軟硬件功能快速發(fā)展的背景下，計(jì)算機(jī)信息技術(shù)和人工智能能夠針對(duì)任意形式的事物表象和表征進(jìn)行數(shù)據(jù)性的分析和處理，完成事物的描述、解釋、辨別和分類工作。 結(jié)構(gòu)識(shí)別和統(tǒng)計(jì)識(shí)別是目前應(yīng)用較為普遍的模式識(shí)別類型。 隨著研究的持續(xù)深入，諸如人臉識(shí)別和虹膜識(shí)別等具備現(xiàn)代科技特征的產(chǎn)物也被逐漸研發(fā)并廣泛應(yīng)用。

4 結(jié)語

作為我國(guó)計(jì)算機(jī)技術(shù)發(fā)展的全新成果，人工智能在諸多行業(yè)中應(yīng)用廣泛。 通過多層神經(jīng)網(wǎng)絡(luò)秩序強(qiáng)化其自主學(xué)習(xí)能力，智能化發(fā)展特征變得越來越明顯。 計(jì)算機(jī)信息技術(shù)和人工智能技術(shù)持續(xù)發(fā)展，二者的結(jié)合也越來越深入，并在多個(gè)領(lǐng)域中發(fā)揮重要作用，能夠在緩解人工工作壓力的同時(shí)，提高信息收集、處理效率與質(zhì)量，為不同行業(yè)的發(fā)展以及決策提供精準(zhǔn)數(shù)據(jù)支持，實(shí)現(xiàn)我國(guó)經(jīng)濟(jì)社會(huì)高質(zhì)量、可持續(xù)發(fā)展的目標(biāo)。