張博宇

摘 要：人工智能涵蓋了生理學(xué)、計(jì)算機(jī)、哲學(xué)等學(xué)科的知識，研究的主要內(nèi)容是機(jī)器的智能化發(fā)展，不僅涉及計(jì)算機(jī)程序問題，與網(wǎng)絡(luò)技術(shù)也息息相關(guān)。在網(wǎng)絡(luò)背景下，人工智能技術(shù)也有了更廣闊的應(yīng)用，在各個(gè)領(lǐng)域中都發(fā)揮著出色的作用，成為未來階段下工業(yè)發(fā)展的重要技術(shù)，受到了學(xué)界的認(rèn)可。該文主要對網(wǎng)絡(luò)時(shí)代人工智能技術(shù)的發(fā)展進(jìn)行分析。

關(guān)鍵詞：網(wǎng)絡(luò)背景 人工智能技術(shù) 應(yīng)用

中圖分類號：TP18 文獻(xiàn)標(biāo)識碼：A 文章編號：1672-3791（2016）12（c）-0018-02

隨著科技的不斷發(fā)展，人們已經(jīng)進(jìn)入了網(wǎng)絡(luò)時(shí)代，網(wǎng)絡(luò)已經(jīng)成為人們生活不可缺少的一部分，從網(wǎng)絡(luò)上獲取知識已經(jīng)成為新的獲取知識的方式，而且網(wǎng)絡(luò)科學(xué)不是單獨(dú)存在的，是與多門學(xué)科進(jìn)行交流碰撞而形成的，隨著網(wǎng)絡(luò)科學(xué)的發(fā)展，人工智能也漸漸進(jìn)入人們的視野，將成為未來科學(xué)的發(fā)展動力。

1 人工智能的創(chuàng)新發(fā)展

1.1 與腦科學(xué)交叉研究實(shí)現(xiàn)人工智能

研究腦科學(xué)的最終目的就是創(chuàng)造腦，但是在創(chuàng)造腦之前首先要對人腦有一個(gè)全面詳細(xì)的科學(xué)認(rèn)識。人工智能實(shí)際上就是模仿人腦，使其像人一樣工作，主要是因?yàn)槿四X是生物智能最杰出的體現(xiàn)。所以將人工智能和腦科學(xué)交叉研究是科學(xué)發(fā)展必走的一條道路。要想實(shí)現(xiàn)人工智能就必須先研究人腦，研究人腦是如何思考、學(xué)習(xí)的，將人腦的復(fù)雜性研究透徹，才能模仿人腦來實(shí)現(xiàn)人工智能，而人腦的復(fù)雜性主要體現(xiàn)在對信息的處理上和思考上，只有弄清楚其中的原理，才能夠促進(jìn)網(wǎng)絡(luò)時(shí)代人工智能的發(fā)展。

1.2 與認(rèn)知科學(xué)交叉研究實(shí)現(xiàn)人工智能

認(rèn)知科學(xué)的含義是研究人類思維與感知的科學(xué)，主要研究記憶、感知和學(xué)習(xí)等認(rèn)知活動。感知的含義是經(jīng)過感覺器官來感受接觸到的事物，比如聞到的花香、聽到的聲音，這些都屬于感知，而且感知是認(rèn)知的基礎(chǔ)，在理解感知的基礎(chǔ)上才能真正地去研究認(rèn)知這門學(xué)科。人對知覺的表達(dá)是認(rèn)知的基礎(chǔ)，而知覺是人腦對客觀事物存在的一種綜合性反應(yīng)。記憶是保持感知的最好方法，大腦只有有了記憶中樞，人才能記住所學(xué)、所看、所聞，才能對經(jīng)驗(yàn)進(jìn)行有效積累。但是遺忘也是大腦的一種本能，所以大腦在不斷記憶與遺忘。學(xué)習(xí)是認(rèn)知活動的基礎(chǔ)，人們將學(xué)習(xí)分為認(rèn)知學(xué)習(xí)、感知學(xué)習(xí)以及意義學(xué)習(xí)。人們將學(xué)習(xí)到的內(nèi)容通過語言表達(dá)出來，其中文字語言最具魅力。語言也是區(qū)別人與世間萬物的最基本的東西，其結(jié)構(gòu)復(fù)雜，不能被復(fù)制。人們可以通過語言來交流，但是其他生物不可以，這也正是研究語言的重要原因之一。我們只有將認(rèn)知這門學(xué)科研究透徹，才能弄懂語言，才能最終實(shí)現(xiàn)網(wǎng)絡(luò)時(shí)代的人工智能。人工智能要想在知識的表示、學(xué)習(xí)、存儲、搜索、優(yōu)化、預(yù)測、計(jì)劃、判斷、自適應(yīng)等方面取得突破性成果，必然要把研究目標(biāo)拓寬到整個(gè)認(rèn)知科學(xué)的理論、實(shí)驗(yàn)和實(shí)證中去。其中，視覺認(rèn)知計(jì)算、聽覺認(rèn)知計(jì)算以及視聽覺相互作用的認(rèn)知計(jì)算，是很重要的切入點(diǎn)。

2 自然語言是人工智能研究的切入點(diǎn)

2.1 人工智能中存在不同的切入點(diǎn)

20世紀(jì)50年代的人工智能之所以發(fā)展不理想，其最重要的原因是人腦的思維存在著不確定性。人工智能的實(shí)現(xiàn)，不能簡單依靠對思維的研究去計(jì)算，還需要對自然語言研究進(jìn)行詳細(xì)的研究。因?yàn)樽匀徽Z言是人類活動的載體，研究好自然語言是實(shí)現(xiàn)人工智能的基礎(chǔ)。

要想研究自然語言，要先研究人類自己創(chuàng)作的文字，因?yàn)槲淖质侨祟愇拿鞯闹匾w現(xiàn)，也是人腦具有創(chuàng)造性的體現(xiàn)。人類發(fā)明了文字，能夠?qū)⑷祟惏l(fā)展的文明記錄下來并傳承下去，這是其他生物無法做到的。而自然語言是由語言值組成的，其理念就像人是由細(xì)胞組成的一樣，先認(rèn)識語言值最基礎(chǔ)的概念，然后再慢慢上升到自然語言，這也是人腦在思維的一種體現(xiàn)。在人類進(jìn)行思維的過程中創(chuàng)造了語言，創(chuàng)造了文字，這種思維方式也正是研究人工智能的不同切入點(diǎn)，研究自然語言也就是在研究人工智能，要充分實(shí)現(xiàn)人工智能，需要全面把握好自然語言中蘊(yùn)含的不確定性。

此外，神經(jīng)網(wǎng)絡(luò)技術(shù)也尤為重要，一個(gè)神經(jīng)網(wǎng)絡(luò)由大量簡單處理元組成，容錯(cuò)能力與學(xué)習(xí)能力強(qiáng)，能夠?qū)χR進(jìn)行自我組織，滿足各類信息的處理要求。且神經(jīng)元之間的計(jì)算都是獨(dú)立的，可以實(shí)現(xiàn)并行處理，處理速度快，可以應(yīng)用在網(wǎng)絡(luò)安全領(lǐng)域之中。目前，神經(jīng)網(wǎng)絡(luò)技術(shù)在網(wǎng)絡(luò)入侵檢測領(lǐng)域已得到了廣泛應(yīng)用，如DDo S檢測、計(jì)算機(jī)蠕蟲檢測、垃圾郵件檢測、僵尸檢測、惡意軟件分類和法理調(diào)查等方面。一些神經(jīng)網(wǎng)絡(luò)系統(tǒng)基于硬件或圖形處理器實(shí)現(xiàn)，具備高速的處理能力，因此在網(wǎng)絡(luò)防御領(lǐng)域得到廣泛應(yīng)用。

2.2 不確定性轉(zhuǎn)換的云模型

自然語言的原子模型是云模型，其主要作用是通過云模型來反映概念中的模糊性、隨機(jī)性和關(guān)聯(lián)性。云模型通過熵、期望與超熵來詮釋自言語言的概念，用3個(gè)數(shù)字特征表達(dá)定性概念，再用定性概念來反映定量概念，這對實(shí)現(xiàn)人工智能是有重要意義的。從20世紀(jì)50年代開始，人們對正態(tài)云的普適性、云模型、云的數(shù)學(xué)特質(zhì)、云發(fā)生器等都做了研究。其研究成果是現(xiàn)在的人工智能都在使用云模型，成功實(shí)現(xiàn)一種平衡狀態(tài)。應(yīng)用在人工智能中的云模型，其主要的作用就是挖掘數(shù)據(jù)，用熵表示遺傳、用期望表示物種、用超熵表示變異，來模擬自然界的演化，再通過云計(jì)算來獲得最優(yōu)解。人工智能中能夠轉(zhuǎn)移定性定量的有力工具就是云計(jì)算與云模型，其發(fā)展前景是非常廣闊的。

3 結(jié)語

科技發(fā)展能有今天的成果，主要有兩個(gè)原因，第一原因就是學(xué)科的不斷細(xì)分，將各類學(xué)科不斷細(xì)分，形成更多的新領(lǐng)域，研究得更深入、更徹底。第二個(gè)原因是學(xué)科之間相互融合，學(xué)科之間實(shí)現(xiàn)了交流碰撞，這是人工智能實(shí)現(xiàn)的前提。學(xué)科之間既要細(xì)分又要相互融合，這樣才能產(chǎn)生新的思想，新的思想又能夠促進(jìn)人類文明的進(jìn)步，這也是網(wǎng)絡(luò)時(shí)代人工智能的一大突破。

參考文獻(xiàn)

[1] 武嘉琪.計(jì)算機(jī)人工智能技術(shù)的發(fā)展與應(yīng)用研究[J].信息與電腦：理論版，2016（7）：103-104.

[2] 張凱斐.人工智能的應(yīng)用領(lǐng)域及其未來展望[J].呂梁高等?？茖W(xué)校學(xué)報(bào)，2010，26（4）：85-87.

[3] 王鵬程.淺析計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)及在實(shí)踐中的應(yīng)用[J].數(shù)字技術(shù)與應(yīng)用，2015（11）：222.

[4] Nitin K. Lautre，Alakesh Manna.A study on fault diagnosis and maintenance of CNC-WEDM based on binary relational analysis and expert system[J].The International Journal of Advanced Manufacturing Technology，2006，29（5）：490-498.

[5] 李增芳，何勇，宋海燕.基于主成分分析和集成神經(jīng)網(wǎng)絡(luò)的發(fā)動機(jī)故障診斷模型研究[J].農(nóng)業(yè)工程學(xué)報(bào)，2006，22（4）：131-134.