大數(shù)據(jù)背景下計(jì)算機(jī)人工智能應(yīng)用研究

原知新

山東大學(xué)泰山學(xué)堂，山東 濟(jì)南 250199

0 引言

大數(shù)據(jù)技術(shù)的發(fā)展充分挖掘了數(shù)據(jù)的價(jià)值屬性，而人工智能技術(shù)則實(shí)現(xiàn)了人類基礎(chǔ)思維模式與計(jì)算機(jī)網(wǎng)絡(luò)的融合，不僅增加了以數(shù)據(jù)為參考的工作效率，同時(shí)也保證了相關(guān)決策的科學(xué)性和準(zhǔn)確性。雖然基于大數(shù)據(jù)的計(jì)算機(jī)人工智能技術(shù)具有以上優(yōu)勢(shì)，但其缺陷依然較為明顯，在優(yōu)化大數(shù)據(jù)技術(shù)的同時(shí)，計(jì)算機(jī)人工智能技術(shù)也將更加完善，從而得到更加廣泛的應(yīng)用。

1 計(jì)算機(jī)人工智能技術(shù)概述

互聯(lián)網(wǎng)的普及加速了信息時(shí)代的到來，同時(shí)也形成了大量的網(wǎng)絡(luò)數(shù)據(jù)，計(jì)算機(jī)人工智能技術(shù)則通過對(duì)數(shù)據(jù)的搜集、整理和分析，發(fā)現(xiàn)了不同數(shù)據(jù)之間的邏輯關(guān)系，并將其作為系統(tǒng)決策的重要依據(jù)[1]。由此可以看出，計(jì)算機(jī)人工智能技術(shù)對(duì)數(shù)據(jù)有著較強(qiáng)的依賴性，數(shù)據(jù)的真?zhèn)?、?guī)模等都會(huì)對(duì)其產(chǎn)生影響。

2 計(jì)算機(jī)人工智能技術(shù)的核心技術(shù)體系

為實(shí)現(xiàn)類人思維能力，計(jì)算機(jī)人工智能技術(shù)需要自主采集相關(guān)數(shù)據(jù)，并通過數(shù)據(jù)邏輯關(guān)系不斷優(yōu)化其算法實(shí)現(xiàn)智能化水平的提升。因此，計(jì)算機(jī)人工智能技術(shù)的核心技術(shù)體系主要包括以下幾個(gè)方面。

2.1 機(jī)器視覺技術(shù)

所謂機(jī)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(huán)境特征數(shù)據(jù)，通過空間模型構(gòu)建算法，對(duì)已識(shí)別環(huán)境特征數(shù)據(jù)進(jìn)行分塊處理，從而賦予系統(tǒng)軟件或平臺(tái)空間感知與目標(biāo)識(shí)別能力。

2.2 機(jī)器學(xué)習(xí)技術(shù)

區(qū)別于傳統(tǒng)計(jì)算機(jī)軟件基數(shù)，機(jī)器學(xué)習(xí)技術(shù)具有算法優(yōu)化能力，隨著其處理數(shù)據(jù)量的增加，相關(guān)數(shù)據(jù)之間的邏輯關(guān)系將發(fā)生改變，針對(duì)不同數(shù)據(jù)的處理機(jī)制也會(huì)有所調(diào)整。然而，在綜合考慮數(shù)據(jù)可信度的情況下，為確保機(jī)器學(xué)習(xí)質(zhì)量，則需要及時(shí)剔除異常數(shù)據(jù)，并在機(jī)器處理異常時(shí)及時(shí)介入，最大限度減小機(jī)器學(xué)習(xí)的預(yù)測(cè)偏離值。

2.3 語言識(shí)別與處理技術(shù)

計(jì)算機(jī)人工智能技術(shù)需要滿足人們的不同需求，因此，其需要更加準(zhǔn)確的識(shí)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(wù)數(shù)量的增加，計(jì)算機(jī)人工智能技術(shù)對(duì)不同語言的識(shí)別能力明顯提升，并能夠按照與人類相似的思維執(zhí)行相關(guān)動(dòng)作。

3 大數(shù)據(jù)背景下計(jì)算機(jī)人工智能應(yīng)用

計(jì)算機(jī)人工智能技術(shù)的應(yīng)用需要龐大的數(shù)據(jù)作為支撐，大數(shù)據(jù)技術(shù)的出現(xiàn)解決網(wǎng)絡(luò)數(shù)據(jù)快速增長(zhǎng)過程中的搜集、整理和分析能力，由此推動(dòng)了計(jì)算機(jī)人工智能技術(shù)在電力、交通、醫(yī)療、互聯(lián)網(wǎng)安全等領(lǐng)域的廣泛應(yīng)用。

3.1 電力智能運(yùn)維系統(tǒng)

電力系統(tǒng)的正常運(yùn)轉(zhuǎn)涉及國(guó)計(jì)民生，為此，則需要投入大量的人力、物力和財(cái)力參與到電力運(yùn)維工作之中，盡管，自動(dòng)化、數(shù)字化、網(wǎng)絡(luò)化電力運(yùn)維系統(tǒng)在一定程度上實(shí)現(xiàn)了“降本增效”的效果，但智能化水平依然偏低。

電力智能運(yùn)維系統(tǒng)是在傳統(tǒng)電力運(yùn)維系統(tǒng)的基礎(chǔ)上，增加了數(shù)據(jù)融合處理單元與人工智能軟件（圖1），并通過4G、5G通信技術(shù)與云平臺(tái)實(shí)現(xiàn)數(shù)據(jù)在運(yùn)維系統(tǒng)中的共享[2]。由于電力智能運(yùn)維系統(tǒng)可以動(dòng)態(tài)獲取電力系統(tǒng)內(nèi)部各節(jié)點(diǎn)的數(shù)據(jù)變化情況，利用電力運(yùn)維系統(tǒng)模型對(duì)電力系統(tǒng)中各節(jié)點(diǎn)的狀態(tài)信息進(jìn)行預(yù)測(cè)，從而為運(yùn)維工作提供參考。

圖1 電力智能運(yùn)維系統(tǒng)組成示意圖

電力智能運(yùn)維系統(tǒng)的核心在于故障模型的構(gòu)建，任何非人為故障的形成都是量變到質(zhì)變的過程，而量變則伴隨著電力系統(tǒng)中某一節(jié)點(diǎn)狀態(tài)參數(shù)的變化，智能運(yùn)維中心在對(duì)相關(guān)數(shù)據(jù)進(jìn)行處理、分析的基礎(chǔ)上，通過計(jì)算故障模型曲線的擬合度，從而預(yù)測(cè)故障類型和時(shí)間，并給出具有可行性的維修方案。

以變電站溫度場(chǎng)模型為例，在分布式溫度傳感器的幫助下，基于電力智能運(yùn)維系統(tǒng)的變電站溫度場(chǎng)模型更加精準(zhǔn)、科學(xué)，當(dāng)變電站輸入、輸出電壓和電流發(fā)生變化的情況下，變電站溫度場(chǎng)模型將逐漸與某一故障下的溫度場(chǎng)模型相吻合。在此情況下，電力智能運(yùn)維系統(tǒng)將及時(shí)調(diào)取電子交互手冊(cè)，調(diào)取相關(guān)節(jié)點(diǎn)狀態(tài)數(shù)據(jù)，快速分析異常溫度場(chǎng)模型產(chǎn)生原因，準(zhǔn)確定位故障點(diǎn)，引導(dǎo)工程技術(shù)人員進(jìn)行維修。

由此可以看出，電力智能運(yùn)維系統(tǒng)的優(yōu)勢(shì)在于可以提前預(yù)知故障的發(fā)生，通過制定科學(xué)的電力系統(tǒng)運(yùn)維計(jì)劃，減少因電力系統(tǒng)故障帶來的損失。

3.2 智慧交通管理系統(tǒng)

在城市規(guī)模不斷擴(kuò)大的過程中，城市道路擁擠問題愈發(fā)嚴(yán)重，現(xiàn)階段普遍使用的紅綠燈管理機(jī)制在一定程度上緩解了城市交通擁堵問題，但無法根據(jù)路況進(jìn)行紅綠燈時(shí)長(zhǎng)的動(dòng)態(tài)管理，以至于無法實(shí)現(xiàn)城市交通的最優(yōu)化管理。

智慧交通管理系統(tǒng)是大數(shù)據(jù)背景下智慧城市的重要組成部分，其系統(tǒng)組成如圖2所示，依托目標(biāo)監(jiān)控單元中設(shè)置的攝像頭等圖像采集設(shè)備可以實(shí)時(shí)拍攝路口車輛信息，并利用圖形圖像識(shí)別技術(shù)計(jì)算經(jīng)過各路口的車輛數(shù)目[3]。同時(shí)，交通流量預(yù)測(cè)模塊將根據(jù)既往數(shù)據(jù)對(duì)未來一段時(shí)間內(nèi)的車流量變化情況進(jìn)行預(yù)測(cè)，并根據(jù)預(yù)測(cè)結(jié)果構(gòu)建交通流量管制模型，從而確定最佳交通信號(hào)燈控制時(shí)間，從而將交通擁堵情況降至最低。

圖2 智慧交通管理系統(tǒng)組成示意圖

智慧交通系統(tǒng)的關(guān)鍵在于對(duì)大規(guī)模數(shù)據(jù)的優(yōu)化處理，因此，在數(shù)據(jù)管理模塊中需要針對(duì)這一特點(diǎn)進(jìn)行數(shù)據(jù)管理流程優(yōu)化，其系統(tǒng)框架如圖3所示。根據(jù)數(shù)據(jù)管理單元對(duì)目標(biāo)信號(hào)的判定情況，可自動(dòng)區(qū)分特殊車輛（如警車、救護(hù)車、消防車等）數(shù)據(jù)，從而合理確定交通信號(hào)燈管制的優(yōu)先級(jí)順序，實(shí)現(xiàn)人工智能優(yōu)化目標(biāo)[4]。同時(shí)，為減輕大規(guī)模數(shù)據(jù)處理的算力壓力，數(shù)據(jù)采集單元可增加激光、紅外、壓力等傳感器，提高數(shù)據(jù)處理效率，并通過可視化數(shù)據(jù)模型顯示不同管理機(jī)制下交通流量變化情況。

圖3 智慧交通管理系統(tǒng)框架示意圖

基于大數(shù)據(jù)技術(shù)的智慧交通系統(tǒng)改變了傳統(tǒng)流程化、機(jī)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(tái)數(shù)據(jù)的逐步完善，以及智慧交通系統(tǒng)將實(shí)現(xiàn)與車載導(dǎo)航系統(tǒng)、車載定位系統(tǒng)的數(shù)據(jù)共享機(jī)制的建立，智慧交通系統(tǒng)將改變城市傳統(tǒng)交通管理機(jī)制，減輕城市交通管理部門壓力。

3.3 臨床輔助決策系統(tǒng)

在現(xiàn)代科學(xué)技術(shù)與臨床醫(yī)學(xué)相結(jié)合的過程中，醫(yī)療設(shè)備的數(shù)字化、信息化實(shí)現(xiàn)了傳統(tǒng)醫(yī)療經(jīng)驗(yàn)的量化，大量臨床數(shù)據(jù)為治療方案的選擇提供了參考，使臨床治療更加精準(zhǔn)、科學(xué)。臨床數(shù)據(jù)的不斷增加，以及大數(shù)據(jù)技術(shù)在臨床醫(yī)學(xué)領(lǐng)域的廣泛應(yīng)用，結(jié)合臨床診療模型的設(shè)計(jì)，可通過計(jì)算機(jī)人工智能技術(shù)對(duì)不同臨床治療方案的效果進(jìn)行系統(tǒng)化評(píng)估，從而為醫(yī)生在臨床治療過程中提供輔助決策。

臨床輔助決策系統(tǒng)對(duì)數(shù)據(jù)的精準(zhǔn)度要求較高，因此，以大數(shù)據(jù)技術(shù)為核心的計(jì)算及人工智能需要加強(qiáng)對(duì)差異化數(shù)據(jù)的校驗(yàn)，剔除非客觀因素影響下的超差數(shù)據(jù)，對(duì)不同生理特征數(shù)據(jù)之間的邏輯關(guān)聯(lián)進(jìn)行分析，確定不同生理特征數(shù)據(jù)的致病權(quán)重[5]。在大數(shù)據(jù)技術(shù)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(shù)據(jù)的變化情況，為醫(yī)生提供包括治療設(shè)備、臨床用藥等在內(nèi)的系統(tǒng)化治療方案。

不僅如此，臨床輔助決策系統(tǒng)可動(dòng)態(tài)跟蹤臨床治療的整個(gè)過程，在臨床治療過程中根據(jù)相關(guān)生理特征數(shù)據(jù)的變化情況對(duì)臨床治療方案進(jìn)行調(diào)整，從而在實(shí)現(xiàn)人工智能監(jiān)督的同時(shí)，保證治療效果。以目前較為流行的智能穿戴設(shè)備為例，通過多類型傳感器可獲取人的汗液、血液、肌電等數(shù)據(jù)信息，相關(guān)數(shù)據(jù)被發(fā)送至后臺(tái)數(shù)據(jù)中心，經(jīng)過長(zhǎng)期的數(shù)據(jù)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?qū)θ梭w健康情況進(jìn)行及時(shí)預(yù)警，還可以作為臨床治療的重要參考依據(jù)。

3.4 互聯(lián)網(wǎng)安全管理

計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)的發(fā)展和推廣應(yīng)用改變了人們傳統(tǒng)的工作和生活方式，而互聯(lián)網(wǎng)的開放性在為人們溝通、交流提供便利的同時(shí)，也帶來了嚴(yán)重的安全隱患，以Facebook數(shù)據(jù)泄露、勒索病毒等為代表的互聯(lián)網(wǎng)安全事件再次暴露了現(xiàn)有網(wǎng)絡(luò)安全體系的脆弱，以及由此所造成的深遠(yuǎn)影響。在此背景下，基于網(wǎng)絡(luò)數(shù)據(jù)的計(jì)算機(jī)人工智能在互聯(lián)網(wǎng)安全管理中得到了廣泛應(yīng)用，如智能防火墻與智能入侵識(shí)別系統(tǒng)等。

智能防火墻是作為新一代網(wǎng)絡(luò)安全防御體系的重要組成部分被提出，其可以實(shí)現(xiàn)網(wǎng)絡(luò)數(shù)據(jù)的動(dòng)態(tài)智能檢測(cè)，以龐大的數(shù)據(jù)作為支撐，對(duì)未知網(wǎng)絡(luò)風(fēng)險(xiǎn)模型進(jìn)行預(yù)測(cè)[6]。同時(shí)，智能防火墻能夠結(jié)合機(jī)器學(xué)習(xí)技術(shù)對(duì)現(xiàn)有網(wǎng)絡(luò)風(fēng)險(xiǎn)數(shù)據(jù)進(jìn)行整合，并在提取特征片段的基礎(chǔ)上，利用云算力分析特征片段的程序邏輯，從而優(yōu)化防火墻防護(hù)機(jī)制，全面提升防火墻的主動(dòng)防護(hù)能力。

防火墻作為計(jì)算機(jī)網(wǎng)絡(luò)安全的第一道防線，其能夠應(yīng)對(duì)大多數(shù)的網(wǎng)絡(luò)威脅，針對(duì)一些具有較高欺騙性的病毒、木馬，則需要利用計(jì)算機(jī)人工智能強(qiáng)化系統(tǒng)層的安全防御能力。大多數(shù)網(wǎng)絡(luò)入侵行為都是以數(shù)據(jù)竊取和破壞為目的，在整個(gè)過程中伴隨著數(shù)據(jù)吞吐量和關(guān)鍵位置訪問權(quán)限異常等現(xiàn)象[7]。①智能入侵識(shí)別需要對(duì)訪問數(shù)據(jù)進(jìn)行溯源，對(duì)比用戶訪問請(qǐng)求，判定訪問行為的合法性；②動(dòng)態(tài)監(jiān)視網(wǎng)絡(luò)帶寬資源變化情況，準(zhǔn)確關(guān)聯(lián)系統(tǒng)應(yīng)用、進(jìn)程與算力資源、帶寬資源，并能夠根據(jù)關(guān)聯(lián)數(shù)據(jù)進(jìn)行網(wǎng)絡(luò)環(huán)境與內(nèi)容感知，尤其是針對(duì)具有可執(zhí)行片段的入站數(shù)據(jù)以及帶有關(guān)鍵位置地址的數(shù)據(jù)塊等；③關(guān)鍵位置訪問權(quán)限管理，在特定情況下，關(guān)鍵位置訪問需要經(jīng)過多層級(jí)授權(quán)，在落實(shí)傳統(tǒng)訪問授權(quán)管理的基礎(chǔ)上，還強(qiáng)化了對(duì)訪問主體操作行為數(shù)據(jù)的對(duì)比驗(yàn)證分析，如訪問密鑰驗(yàn)證時(shí)間、操作習(xí)慣等數(shù)據(jù)，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(jié)語

大數(shù)據(jù)技術(shù)的發(fā)展為計(jì)算機(jī)人工智能在多領(lǐng)域的推廣應(yīng)用奠定了基礎(chǔ)，通過分析差異化數(shù)據(jù)之間的邏輯關(guān)系，同時(shí)綜合機(jī)器視覺、機(jī)器學(xué)習(xí)、語言識(shí)別與處理等關(guān)鍵核心技術(shù)，發(fā)揮出計(jì)算機(jī)人工智能在布式數(shù)據(jù)存儲(chǔ)、云計(jì)算、軟件設(shè)計(jì)等方面的優(yōu)勢(shì)，從而加快產(chǎn)業(yè)技術(shù)革命進(jìn)程。