探究如何利用大數(shù)據(jù)挖掘技術(shù)推動人工智能發(fā)展

高塔

（河北農(nóng)業(yè)大學信息科學與技術(shù)學院，河北保定071000）

1 引言

大數(shù)據(jù)是一個巨量數(shù)據(jù)集合，其具有4個基本特征：數(shù)據(jù)種類多、處理速度快、數(shù)據(jù)容量大和數(shù)據(jù)價值高。人工智能（AI）源自1956年的達特茅斯會議，且其在互聯(lián)網(wǎng)與大數(shù)據(jù)的推動下達到了發(fā)展的高峰[1]。換而言之，大數(shù)據(jù)引領(lǐng)著信息數(shù)據(jù)未來的發(fā)展方向，而基于大數(shù)據(jù)的科學技術(shù)推動著人工智能的發(fā)展進程。下面，筆者主要從人工智能感知、認知和展示幾個方面分析大數(shù)據(jù)對人工智能的推動作用。

2 完善智能感知

與傳統(tǒng)的數(shù)據(jù)采集相比，大數(shù)據(jù)有助于虛擬世界采集大量的感知數(shù)據(jù)，從而實現(xiàn)了虛擬世界對真實世界的還原。在大數(shù)據(jù)時代，數(shù)據(jù)一般源自物聯(lián)網(wǎng)、互聯(lián)網(wǎng)和電信網(wǎng)等，且數(shù)據(jù)量呈指數(shù)增長。在物聯(lián)網(wǎng)技術(shù)發(fā)展的推動下，終端上裝配的傳感器能夠采集到大量不同種類的實時數(shù)據(jù)，而通信網(wǎng)絡(luò)技術(shù)的升級能夠完整地向云端服務(wù)器回傳數(shù)據(jù)，同時云計算技術(shù)為網(wǎng)絡(luò)與設(shè)備運營商實時存儲、并行處理數(shù)據(jù)提供有效途徑，從而實現(xiàn)了實時采集海量數(shù)據(jù)及有助于對數(shù)據(jù)進行智能處理。其中，物聯(lián)網(wǎng)主要采集接入終端設(shè)備的數(shù)據(jù)；電信網(wǎng)與互聯(lián)網(wǎng)主要采集終端設(shè)備的數(shù)據(jù)及用戶數(shù)據(jù)。針對大數(shù)據(jù)采集中存在的冗余數(shù)據(jù)，出現(xiàn)了優(yōu)化方案。例如，物聯(lián)網(wǎng)解決方案中，由前端傳感器設(shè)備采集的數(shù)據(jù)先于網(wǎng)關(guān)處進行匯聚、初步處理，借此過濾掉低信息價值、重復(fù)冗余的數(shù)據(jù)，且僅上傳高信息價值、必要的數(shù)據(jù)，但該網(wǎng)關(guān)處的數(shù)據(jù)處理功能要求實現(xiàn)智能化，即實現(xiàn)智能感知[2]。

以智能交通系統(tǒng)為例。在智能交通系統(tǒng)中，數(shù)據(jù)采集系統(tǒng)可實時感知路面狀況、車輛狀態(tài)及周邊動靜態(tài)環(huán)境等，并與管控端隨時通信，但要求系統(tǒng)隨時掌握車輛精確的測量數(shù)據(jù)，因此各個傳感器需要通力配合。對于這一場景，智能感知的實現(xiàn)充分展現(xiàn)了大數(shù)據(jù)的特性，即：傳感器設(shè)備產(chǎn)生的數(shù)據(jù)具有容量大、種類多、結(jié)構(gòu)復(fù)雜及冗余多的特點，因此要求實現(xiàn)數(shù)據(jù)應(yīng)用的快速、實時性，而對于高價值數(shù)據(jù)的挖掘，要求確保數(shù)據(jù)的完整性及實現(xiàn)對一切細節(jié)的回查，注意數(shù)據(jù)完整性、高效性的配置應(yīng)視實際應(yīng)用場景與需求而定[3]。

3 加速智能認知

目前，人工智能認知已從推理階段發(fā)展到大數(shù)據(jù)時代，且面對數(shù)據(jù)量增長的海量態(tài)勢，定會引起量到質(zhì)的改變。隨著計算機技術(shù)的發(fā)展，計算能力的增強推動了人工智能對“萬物皆計算”理念的運用，即其以認知計算為核心，具體通過分析、理解大數(shù)據(jù)來找尋數(shù)據(jù)的內(nèi)在規(guī)律。

引自Richard Hamming的觀點，計算的真正目的是洞察數(shù)字的內(nèi)在規(guī)律，而這一觀點體現(xiàn)了機器學習的核心思想。對于機器學習，T·Mitchell教授定義為：通過運用經(jīng)驗知識，改進計算機系統(tǒng)的性能。在人工智能領(lǐng)域，機器學習是一個非常重要的分支，其是根據(jù)模型學習數(shù)據(jù)，繼而具有智能算法與理論，且對于大數(shù)據(jù)智能認知，運用機器學習挖掘大數(shù)據(jù)中價值較高的規(guī)律是一個非常關(guān)鍵的途徑。深度學習是一種特征學習法，即通過建立與人腦類似的分層模型結(jié)構(gòu)，創(chuàng)建一種從底層信號映射到高層語義的關(guān)系[4]。研究發(fā)現(xiàn)，在更多的數(shù)據(jù)量與更強的計算能力情景下，深度學習的效果會變得更好。目前，深度學習已經(jīng)在圖像分類、語音識別等領(lǐng)域得以成功應(yīng)用。據(jù)此，美國政府于2013年開始對人腦的認知機制開展突破性的研究，即“人腦計劃”。以Alpha Go為例。Alpha Go利用棋譜做了大量的訓練，其既開展了數(shù)以百萬盤的對弈，又可從網(wǎng)上獲取棋局信息。據(jù)此，Alpha Go僅需總結(jié)棋局規(guī)律，便可快速變成“九段棋手”，即基于大數(shù)據(jù)的學習方式使得Alpha Go的認知得以加速，甚至能與人類的頂級棋手匹敵。

綜上，大數(shù)據(jù)可從既有數(shù)據(jù)中提煉出機器學習的“經(jīng)驗”，而對數(shù)據(jù)的合理處理，可從中提煉出價值較高的信息用于訓練模型，從而使其與系統(tǒng)的實際性能相符。大數(shù)據(jù)是一種智能認知，其具有預(yù)測的特性，即：系統(tǒng)依據(jù)既有數(shù)據(jù)研判未來發(fā)展的一些可能性。據(jù)此，機器學習未來的研究重點應(yīng)是：在大數(shù)據(jù)時代，預(yù)測性能緊隨數(shù)據(jù)量的增加而提高[5]。

4 助力智能展示

在科學技術(shù)的推動下，行業(yè)表現(xiàn)出明顯的專業(yè)性與細分趨勢。據(jù)此，大數(shù)據(jù)推動人工智能繼續(xù)發(fā)展的關(guān)鍵在于如何實現(xiàn)大眾快速對數(shù)據(jù)智能采集與處理結(jié)果的準確掌握。智能展示具有可視化、交互性的特性，從而實現(xiàn)了大眾對大數(shù)據(jù)成果的享用。其中，交互性是人工智能系統(tǒng)的重要特征，即：系統(tǒng)在展示結(jié)果時，可向觀眾提供更多的選擇及實現(xiàn)相互交互，繼而進行選擇性的展示。研究發(fā)現(xiàn)，在人類感知的總信息量中，視覺感知的信息量超過70%，表明目前的智能展示手段以可視化技術(shù)最為重要，而在未來的發(fā)展中，智能展示技術(shù)會朝向VR/AR技術(shù)發(fā)展。

當應(yīng)用場景的規(guī)模達到一定程度后，增強現(xiàn)實、虛擬現(xiàn)實及視頻等展示技術(shù)都需以海量數(shù)據(jù)作為支撐，外加智能認知與處理會產(chǎn)生一定量的中間數(shù)據(jù)，因此數(shù)據(jù)的規(guī)模相當龐大[6]。為此，運用大數(shù)據(jù)技術(shù)對海量數(shù)據(jù)進行實時處理非常必要，從而保證視頻的流暢性及實現(xiàn)現(xiàn)實與VR、AR的無縫結(jié)合，并最終改善用戶體驗。自1956年誕生以來，虛擬現(xiàn)實技術(shù)因受硬件與大數(shù)據(jù)處理能力的制約而發(fā)展緩慢。但近年來，大數(shù)據(jù)并行處理算法與其軟、硬件都得以快速發(fā)展，且完全能夠滿足增強現(xiàn)實、虛擬現(xiàn)實對數(shù)據(jù)量的需求，從而推動了現(xiàn)實世界映射至虛擬世界。

5 展望

21世紀是一個數(shù)據(jù)時代，技術(shù)的一切參數(shù)都會編入大數(shù)據(jù)網(wǎng)絡(luò)中，并創(chuàng)造出人工智能領(lǐng)域，且在若干領(lǐng)域（現(xiàn)代軍事領(lǐng)域、現(xiàn)代農(nóng)業(yè)領(lǐng)域、現(xiàn)代醫(yī)學領(lǐng)域等）中，以大數(shù)據(jù)為導(dǎo)向的技術(shù)性人工智能日漸發(fā)展成為科學技術(shù)的最前沿。據(jù)此，大數(shù)據(jù)為人工智能的繼續(xù)發(fā)展帶來了機遇，但同時也帶來如下挑戰(zhàn)亟待應(yīng)對：

①大數(shù)據(jù)的垂直化應(yīng)用對人工智能的發(fā)展非常不利，即：在大數(shù)據(jù)應(yīng)用中，要求垂直行業(yè)具有較高的專業(yè)性，但從專家系統(tǒng)開始，人工智能便已意識到自身發(fā)展的最大阻礙是業(yè)務(wù)的專業(yè)性。

②對于機器學習和深度學習等智能技術(shù)，其在發(fā)展中面臨著巨大的挑戰(zhàn)，即：所有數(shù)據(jù)皆從已知世界中提取及未超越數(shù)據(jù)采集終端范疇，因此無法獲取到未知世界的數(shù)據(jù)信息。

③在大數(shù)據(jù)時代，人工智能的繼續(xù)發(fā)展要求以適宜的社會環(huán)境、倫理及法律作為支撐條件。例如，Alpha Go于2016年3月獲得勝利，為此掀起了大眾對人工智能的討論，即其是否會在未來的某一天超越乃至控制整個人類社會。為了平息此類的疑慮，要求大數(shù)據(jù)與人工智能領(lǐng)域的相關(guān)人員在未來的發(fā)展中做出進一步的探索。

總之，大數(shù)據(jù)與人工智能在當下的發(fā)展都不夠成熟，但隨著大數(shù)據(jù)等技術(shù)的發(fā)展，人工智能繼續(xù)向前發(fā)展毋庸置疑，且發(fā)展前景非常廣闊。