計算機通信技術(shù)在人工智能領(lǐng)域的有效應(yīng)用

文虎程

（湖北科技學院計算機科學與技術(shù)學院，湖北 咸寧 437100）

1 人工智能簡介和發(fā)展

1.1 人工智能的概述

從含義上，可以對人工智能進行三個維度剖析。第一，能夠在思維上對人類進行模仿。通過從數(shù)據(jù)源處獲得的信息來模仿人類思維，主要實現(xiàn)依據(jù)為邏輯規(guī)則，在實際中被廣泛提及的機器學習就是體現(xiàn)此種含義。第二，它能夠?qū)θ祟惔竽X結(jié)構(gòu)進行模擬。從科學上看細胞由神經(jīng)組成，人工智能的目標是讓機器向人腦靠近，因此需要對人的神經(jīng)網(wǎng)絡(luò)進行研究，以算法學習的形式達到目的，在實踐中的感知機模型即為這一概念的運用。第三，對人類具體行為展開模仿。人工智能擁有自我學習的能力，它會自行模仿行為、體會周遭變化來自我進化，具有強大的適應(yīng)性，如生物智能算法。這3個維度可以看作是其發(fā)展過程，以思維為開端，再到具體的結(jié)構(gòu)，最后到結(jié)合環(huán)境的自我適應(yīng)，也從側(cè)面反映出未來人工智能領(lǐng)域的走向。

人工智能具備五大特殊性：第一，不被媒介范圍局限，能夠跨平臺及媒體完成信息搜集工作[1]；第二，大數(shù)據(jù)是其技術(shù)根本，強大的數(shù)據(jù)獲取、儲存和計算分析等過程都需要計算機通信技術(shù)來完成，尤其是常說到的云計算等技術(shù)；第三，能夠自主完成學習，之所以被稱作是人工智能是由于其對人類的模仿，包含學習和思維層面，只要給其擬好規(guī)則即可自行學習如何分析及處理問題；第四，人機同步的仿生能力；第五，能夠有效運用語言，包括理解規(guī)則和內(nèi)涵、基礎(chǔ)對話、暢通交流等。

1.2 人工智能發(fā)展方向

顧名思義，我們對人工智能的追求一直都以智能化為主體，還需要兼顧交互與服務(wù)。通常設(shè)備中會有大量傳感原件，由此產(chǎn)生的語言和圖像等信息能夠讓其更好地對周遭環(huán)境進行判斷，同時依據(jù)所獲取的信息做出合理反映。設(shè)備中的計算軟件可以幫助用戶實現(xiàn)產(chǎn)品與產(chǎn)品間的連通，對其給予既定指令來完成及其對人類從思維層面到行動層面的模仿。例如，除了最基本的語音、圖像鑒別等，目前各個廠商還致力于開發(fā)與其搭配的芯片等。在媒介方面其可以對移動端、PC端和電視等進行連接，通過芯片來完成信息接入和傳輸?shù)墓ぷ?，極大地提升數(shù)據(jù)采集、分析梳理及自動信息服務(wù)的水平。

2 計算機通信技術(shù)概述

在人工智能領(lǐng)域可以將計算機通信技術(shù)看做基礎(chǔ)部分，它能夠獲取及識別線性或非線性的數(shù)據(jù)及信息，適用于人工智能開發(fā)。例如，當需要對視覺圖像進行智能化獲取、識別語音及反饋時可以將其運用，特別是對海量數(shù)據(jù)、復(fù)雜數(shù)據(jù)進行處理加工時，計算機通信技術(shù)能夠展現(xiàn)其優(yōu)勢性，保障工作速度及質(zhì)量。在計算機通信技術(shù)發(fā)展過程中，人工智能對其的運用也在發(fā)展，常需要用到其對數(shù)據(jù)標記和處理的能力，結(jié)合神經(jīng)網(wǎng)絡(luò)模擬形成數(shù)據(jù)模型[2]。

3 計算機通信技術(shù)在人工智能領(lǐng)域的實踐應(yīng)用

3.1 計算機通信技術(shù)在人工智能領(lǐng)域的技術(shù)實現(xiàn)

人工智能領(lǐng)域不斷對深度學習開展研究，這項技術(shù)需要通過神經(jīng)網(wǎng)絡(luò)相關(guān)搭建才能夠完成，在配以計算機通信技術(shù)，先對所采集的大量信息進行標記，而后實現(xiàn)相關(guān)數(shù)據(jù)分析處理，完成有關(guān)向前擬合、數(shù)理統(tǒng)計等學習。

具體地，我們會在計算機通信系統(tǒng)里選擇部分樣本點，以其為基礎(chǔ)獲得所需要的擬合曲線，以此在圖形上體現(xiàn)因自變量改變、樣本點會如何變化。通常，在對人工智能的深度學習進行研究過程中，傳統(tǒng)的（X,Y）樣本點也許不能夠完全滿足我們的需求，還可以考慮納入向量矩陣元素，以此標記任意所需點，通過多維度的取點能夠讓所有樣本點模擬成復(fù)雜而切合實際的多層神經(jīng)系統(tǒng)網(wǎng)絡(luò)，尤其需要注意的是：線性關(guān)系并不存在于我們所選取及輸入的數(shù)據(jù)與數(shù)據(jù)之間，此種系統(tǒng)是以隨機錄入的數(shù)據(jù)為基礎(chǔ)，在后續(xù)展開前向或后向的不定方向傳播，以此實現(xiàn)訓練的目的。此外，在進行深度學習時還會自動依據(jù)系統(tǒng)中流動的數(shù)據(jù)進行質(zhì)量上的優(yōu)化，目前已經(jīng)在實踐中運用研究的框架主要包含TensorFlow、moa、neon、theano等，著名的Google和ARM公司就運用前兩者神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)來搭建本公司的開源深度學習體系。TensorFlow結(jié)構(gòu)先進性體現(xiàn)在不會被單獨GPU的數(shù)據(jù)計算及分析所局限，它采取不止一個GPU卡及C++接口，搭建分布式連接模式，能夠在數(shù)據(jù)量極大的情況下做到并行處理數(shù)據(jù)。所以在計算機通信技術(shù)里實現(xiàn)的并行處理并不是單獨存在，通常會和其他模塊進行有機結(jié)合。例如，NoSQL、內(nèi)存等計算，較好地在分布式系統(tǒng)中完成對不同層級、節(jié)點進行模型搭建。

多層神經(jīng)網(wǎng)絡(luò)系統(tǒng)與其他模式相比較對用戶較為友好，因為它不需要使用者充分理解其底層結(jié)構(gòu)，其自身會開展自我學習以優(yōu)化網(wǎng)絡(luò)系統(tǒng)，還會對目前存在的數(shù)據(jù)開展分析推理，同時在設(shè)備、內(nèi)存等硬件水平的提升過程中，一方面保障系統(tǒng)所運用的算法形式逐漸優(yōu)化，在對大量信息進行采集和處理時實現(xiàn)高效操作，另一方面在質(zhì)量結(jié)果層面也有所保障，也就是計算前后需要保持一致，甚至當部分節(jié)點出現(xiàn)問題時還能夠繼續(xù)向后讀寫、針對容錯問題產(chǎn)生的場景做到主動分區(qū)。

前段提及的并行處理模式要求使用不止一個GPU卡，在此過程中主要依據(jù)在系統(tǒng)中不同數(shù)據(jù)的聯(lián)結(jié)，達到跨區(qū)域、跨模型、跨數(shù)據(jù)的并行運作。所處相同層級的數(shù)據(jù)也能夠處于不同GPU，此種情況能夠有效縮短每個層級里所承載的數(shù)據(jù)需要的處理時間，極大地提高運作效率。舉例Agent的實踐運用在加以說明，它所采取的技術(shù)是分布式模型，以此模型做到對整個系統(tǒng)中共存的不同工作任務(wù)進行交互、把控。Agent技術(shù)擁有對信息采集的能力，還能夠做到對不同信息的不同處理層級開展并行處理運作，同時還具備分布式模式的仿真交互性能。實際運用Agent技術(shù)開展分布式交互仿真情況的探究時，第一步要求做到準確迅速收集所需要的服務(wù)及數(shù)據(jù)，再來完成注冊，主要針對的是關(guān)鍵數(shù)據(jù)或重點用戶信息需求，然后Agent技術(shù)再被運用于系統(tǒng)工作流研究，將處理輸出的不同工作計劃順利傳遞給不同的工作站，工作站會及時對獲取的信息進行再反饋，通過反饋的數(shù)據(jù)進行下一步收集整理，其可以帶來極具真實的模擬場景，利用精密的傳感器件給用戶以強交互感。另外，它對存在的任務(wù)還具備協(xié)作、實施監(jiān)控、管理把控等功能，在以局域網(wǎng)為載體上傳經(jīng)過準確清洗分析后的信息至終端處。此項功能能夠大大減少用戶在數(shù)據(jù)查詢等相關(guān)服務(wù)上所花費的時間。將Agent技術(shù)納入人工智能領(lǐng)域并廣泛實施應(yīng)用優(yōu)勢甚多，最核心的是能夠顯著提升效率，尤其是針對數(shù)據(jù)計算等信息處理服務(wù)，同時因其特殊的機制設(shè)置在一定程度上可以解決常見的網(wǎng)絡(luò)傳輸擁堵狀況，實現(xiàn)暢通使用。

3.2 計算機通信技術(shù)在人工智能領(lǐng)域的實踐應(yīng)用案例

環(huán)顧現(xiàn)代社會中各領(lǐng)域的發(fā)展現(xiàn)狀，四處都可以看到計算機通信技術(shù)的身影，如教育、交通、醫(yī)療、商業(yè)等領(lǐng)域都已經(jīng)深受其益處。在人工智能領(lǐng)域中對系統(tǒng)的鏈接注重設(shè)備齊全，所以在此情況下傳統(tǒng)的數(shù)據(jù)庫范式也許無法滿足各個場景設(shè)置的需求，從現(xiàn)有應(yīng)用情況來看，NoSQL是最常被提及的，以做到實時處理數(shù)據(jù)流，較好完成收集分析任務(wù)。

舉例智能交通系統(tǒng)的實踐運用加以說明：智能交通系統(tǒng)從定義上來看是包含廣泛外部空間環(huán)境領(lǐng)域的整體系統(tǒng)，在此系統(tǒng)中起到智能傳感器的作用的是攝像頭。通常，該智能傳感器會被放置于行車前部，以及時感知前方道路的情況。智能傳感器攝像頭除了感知之外也可以將所識別的影像輸出為視頻，同時儲存于NoSQL數(shù)據(jù)庫中的Hadoop平臺。該平臺會實時依據(jù)所獲取的視頻場景情況來科學規(guī)劃符合該用戶需求的算法模式，以尋求匹配的解決方案。同時無論是圖片還是視頻，都可以對其中的人物展開識別，這也是該系統(tǒng)能夠做到及時避開行車過程中的行人的原理。

4 結(jié) 論

人工智能已經(jīng)在現(xiàn)代各個領(lǐng)域被廣泛應(yīng)用并獲得較好成果，未來應(yīng)當積極推進它的實踐運用程度，并且注重其與計算機通信技術(shù)之間的緊密聯(lián)系，探究人工智能領(lǐng)域的深入學習技能，使其能夠更好地為國家及社會貢獻力量。