王威 遼寧建筑職業(yè)學(xué)院

1 網(wǎng)絡(luò)化人工智能最知識碎片化的現(xiàn)狀

在現(xiàn)代網(wǎng)絡(luò)時代中，人工智能的主要研究內(nèi)容是知識的處理問題，隨著知識碎片化時代的到來，在互聯(lián)網(wǎng)發(fā)展的作用下進(jìn)一步對知識處理能力有了更深一層的要求，以前的傳統(tǒng)講臺的文本知識早已經(jīng)脫離實際，現(xiàn)在已經(jīng)進(jìn)一步發(fā)展到了動態(tài)的多種模式。而且現(xiàn)在處于知識數(shù)量爆發(fā)的時代，對知識的處理因該遵循從知識獲取到知識輸出的過程，就在這樣的大數(shù)據(jù)時代的驅(qū)動下，新的知識工程就出現(xiàn)了，與此同時，新的人工資智能方法也應(yīng)運(yùn)而生那就是“網(wǎng)絡(luò)化人工智能”。

在互聯(lián)網(wǎng)的發(fā)展下，知識的擴(kuò)充已經(jīng)不僅僅是停留在某個領(lǐng)域，而是蘊(yùn)含在大量的信息當(dāng)中。許多碎片化知識中蘊(yùn)含著大量有用信息，在一些有價值的領(lǐng)域在碎片知識結(jié)構(gòu)中獲取有利信息也形成了很大的難度。人類科技的不斷發(fā)展進(jìn)步推進(jìn)了各個學(xué)科領(lǐng)域間的相互融合， 出現(xiàn)了多種交叉學(xué)科的現(xiàn)象。從現(xiàn)在的情況來看，知識的表達(dá)也不能只通過傳統(tǒng)的單一形式展現(xiàn)， 而更需要結(jié)合相關(guān)知識信息。之前的傳統(tǒng)姿勢工程是以專家系統(tǒng)為主，來解決碎片化知識背景下為人類捕捉最準(zhǔn)確有效的決策建議和高效的知識利用，怎樣實現(xiàn)網(wǎng)絡(luò)化結(jié)構(gòu)設(shè)計來建立起適應(yīng)現(xiàn)代化需求的人工智能系統(tǒng)是我們當(dāng)前需要解決的重點(diǎn)問題。

2 碎片化知識

2.1 碎片化知識的基本屬性

近些年來，伴隨著互聯(lián)網(wǎng)、人工智能、信息科學(xué)等科學(xué)技術(shù)的進(jìn)步與發(fā)展，通過組織大量的知識數(shù)據(jù)已經(jīng)實現(xiàn)的很多的積累，但是由于現(xiàn)代技術(shù)的加深，數(shù)據(jù)的復(fù)雜程度也在逐漸遞增，這就意味著信息的可靠性編的越來越弱，同時也就增加了有價值知識提取的難度。人類進(jìn)入碎片化知識時代，隨著碎片化知識的不斷涌現(xiàn)，不難得出碎片化知識主要具有多源分布、傳播的社會性、無序與非完整性等特點(diǎn)。

2.2 碎片化知識的挖掘

機(jī)器的學(xué)習(xí)規(guī)律比人類的學(xué)習(xí)規(guī)律表現(xiàn)得要更強(qiáng)一些。人類在整個學(xué)習(xí)的過程中，對知識的學(xué)習(xí)與積累往往建立在理解的基礎(chǔ)之上，我們都有可以感覺到，知識記憶的過程中，對那些有組織性的內(nèi)容學(xué)習(xí)起來會更容易，時間也會記得久一些。機(jī)器也是如此，都是需要通過學(xué)習(xí)才能進(jìn)行實際應(yīng)用。學(xué)習(xí)是對知識進(jìn)行歸納的過程， 被歸納的知識更容易形成組織化結(jié)構(gòu)。一般機(jī)器存儲記憶時，對知識的有序化、系統(tǒng)化的要求十分苛刻，要求這些知識要有明顯的結(jié)構(gòu)特征。但是很多碎片化知識是具有動態(tài)時空關(guān)聯(lián)性質(zhì)的，在這些知識里抽取精確的模型幾乎是不可能實現(xiàn)的，就如對數(shù)學(xué)模型的 求解算法設(shè)計易引入如類問題。由于碎片化知識存在信息的冗余與隱喻問題，數(shù)據(jù)的質(zhì)量密度低，沒有辦法進(jìn)行向量化， 傳統(tǒng)的人工智能用 “度量” 來區(qū)分模式的方法無法有效處理，但是碎片化知識通常都是無序的、內(nèi)部關(guān)聯(lián)稀疏的，，而且這種碎片化知識往往與用戶的自身知識背景和認(rèn)知感受密切相關(guān)，這是不符合現(xiàn)實世界所固有的誤差性與不全面性。

3 網(wǎng)絡(luò)化人工智能

3.1 網(wǎng)絡(luò)化人工智能的內(nèi)涵

人工智能需要解決的首要問題就是如何將碎片化的知識組織起來。

因為具有碎片化知識結(jié)構(gòu)局域相對耦合松散、關(guān)系相對復(fù)雜等特征其系統(tǒng)的輸出則以知識圖譜的形式給出，稱之為 “網(wǎng)絡(luò)化人工智能”這種系統(tǒng)它可以實現(xiàn)多源而又復(fù)雜的系統(tǒng)。網(wǎng)絡(luò)化人工智能的核心是如何利用大規(guī)模網(wǎng)絡(luò)化碎片知識實現(xiàn)人工智能，在自制數(shù)據(jù)源的基礎(chǔ)上實現(xiàn)表達(dá)演化建立拓?fù)浣Y(jié)構(gòu)完成知識自動化， 其可以分解為多個方面的科學(xué)問題。

網(wǎng)絡(luò)智能化與傳統(tǒng)人工智能的輸出確定性向量的描述有所不同，其中網(wǎng)絡(luò)化人工智能輸出的結(jié)構(gòu)化知識圖譜蘊(yùn)含更豐富的信息，除此之外，網(wǎng)絡(luò)化人工智能具有更強(qiáng)的可延伸性，其信息描述能力更強(qiáng)。設(shè)計及表征結(jié)構(gòu)化知識圖譜是網(wǎng)絡(luò)化人工智能需要研究的關(guān)鍵問題。以碎片化知識為節(jié)點(diǎn)，多個強(qiáng)關(guān)聯(lián)的節(jié)點(diǎn)組成知識網(wǎng)絡(luò)。 這些知識網(wǎng)絡(luò)又通過連接的方式連接形成了一個網(wǎng)絡(luò)化的知識系統(tǒng)，但是，知識網(wǎng)絡(luò)之間的相互作用也可以完善自身的不足，彌補(bǔ)碎片化知識本身所具有的誤差性和不完整性。這樣的表征結(jié)構(gòu)實現(xiàn)了以碎片化知識為基礎(chǔ)的信息可動態(tài)更新維護(hù)榆次同時也更易于推理和分析。

3.2 機(jī)器知識的學(xué)習(xí)和推理

對于人工智能目標(biāo)的實現(xiàn)，關(guān)鍵問題在于建立能夠解決人工智能目標(biāo)建立有效的計算模型。該目標(biāo)的實現(xiàn)依賴于事物本身的可計算性，而這時的網(wǎng)絡(luò)化人工智又具有知識碎片化、輸出圖譜化等幾個特點(diǎn)。這幾個特點(diǎn)造成了傳統(tǒng)的可計算模型無法充分有效地描述網(wǎng)絡(luò)化人工智能結(jié)構(gòu)。因此，建立合理的計算模型和理論是網(wǎng)絡(luò)化人工智能研究的科學(xué)問題之一。實現(xiàn)從大量的碎片化樣本抽取出學(xué)習(xí)模型的參數(shù)、結(jié)構(gòu)和形式是建立合理計算機(jī)模型的途徑之一，傳統(tǒng)的機(jī)器學(xué)習(xí)方法以數(shù)據(jù)為輸入為主，網(wǎng)絡(luò)化人工智能中以碎片化知識為主，建立起從碎片化知識中學(xué)習(xí)更高層的知識的人工智能系統(tǒng)，促進(jìn)新的知識的發(fā)現(xiàn)和探究。

4 網(wǎng)絡(luò)化人工智能的未來應(yīng)用

無論是碎片化知識的學(xué)習(xí)與組織，還是網(wǎng)絡(luò)化人工智能的發(fā)展，都是建立在互聯(lián)網(wǎng)平臺的基礎(chǔ)上發(fā)展進(jìn)行的，以后的人工智能將更加趨近于智能化、人類化。

目前，人工智能在諸多領(lǐng)域已經(jīng)得到了廣泛應(yīng)用。

4.1 精準(zhǔn)醫(yī)療

隨著當(dāng)今社會的不斷進(jìn)步，人類對自身的健康問題越來越重視，因此將人工智能應(yīng)用于人類健康問題上則成為了必然。人工智能在醫(yī)療中的應(yīng)用就在于醫(yī)療從治療型向預(yù)防型的方向轉(zhuǎn)變，人工智能在預(yù)防醫(yī)療領(lǐng)域近些年已經(jīng)受到很多研究機(jī)構(gòu)的關(guān)注。近年來，全球變暖趨勢的不斷增加，極端天氣的出現(xiàn)讓人類進(jìn)一步思考究氣候變化與人體健康之間的關(guān)系，經(jīng)過分析之后發(fā)現(xiàn)由于溫度的升高造成的疾病甚至死亡的現(xiàn)象逐年增多，但這些現(xiàn)象的出現(xiàn)僅靠人工的方法去分析天氣與人體健康之間的聯(lián)系是十分困難的，網(wǎng)絡(luò)化人工智能的應(yīng)用將更易于分析揭示它們之間的關(guān)聯(lián)。不僅是天氣， 飲食習(xí)慣、生活作息、人際關(guān)系、社會壓力都可能會影響我們的身體健康，而這些信息用 傳統(tǒng)的方法進(jìn)行統(tǒng)計分析幾乎是不可能的，但它們往往存在于互聯(lián)網(wǎng)的碎片化知識當(dāng)中，網(wǎng)絡(luò)化人工智能將是有效的分析手段。人工智能在醫(yī)療領(lǐng)域未來的發(fā)展依賴于有效的碎片化知識處理機(jī)制。 未來的人工智能不僅僅在于解決當(dāng)前出現(xiàn)的問題還要應(yīng)用于疾病的測試問題，利用人工智能技術(shù)從醫(yī)療領(lǐng)域中的數(shù)據(jù)中挖掘出有關(guān)疾病治療和預(yù)防的知識信息，進(jìn)而實現(xiàn)精準(zhǔn)治療和預(yù)防醫(yī)療。

4.2 智能農(nóng)業(yè)

隨著農(nóng)業(yè)技術(shù)的不斷進(jìn)步，人工技能也逐步應(yīng)用于農(nóng)業(yè)生產(chǎn)的過程當(dāng)中，最常見的各類智能就是農(nóng)業(yè)生產(chǎn)收割工具、智能引水灌溉技術(shù)和可控溫室建設(shè)等，在現(xiàn)代化農(nóng)業(yè)應(yīng)用當(dāng)中?，F(xiàn)代農(nóng)業(yè)在一定程度上減少了很多人類勞動，減輕了農(nóng)民的勞動負(fù)擔(dān)，比如：人們可以通過人工智能和計算機(jī)視覺方法，自動區(qū)分雜草和農(nóng)作物，與此同時，很多自然和生態(tài)管理系統(tǒng)利用了大數(shù)據(jù)的智能分析，實現(xiàn)了生態(tài)資源的合理配置，使農(nóng)業(yè)生產(chǎn)可以更合理地利用資源，保證農(nóng)業(yè)生產(chǎn)做到環(huán)境友好。傳統(tǒng)人工智能方法當(dāng)前在智能農(nóng)業(yè)中的應(yīng)用，使得人類不再將進(jìn)行重復(fù)性的工作，由機(jī)器代替人做一些機(jī)械性的工作，根據(jù)農(nóng)作物所需要的具體的環(huán)境要求，改善生產(chǎn)過程中的環(huán)境，但是這樣的應(yīng)用對于現(xiàn)有的農(nóng)業(yè)生產(chǎn)沒有起到關(guān)鍵作用，目前對農(nóng)業(yè)生產(chǎn)的促進(jìn)作用是有限的，農(nóng)業(yè)生產(chǎn)過程中更多的信息還沒有完全被利用，這些知識是以碎片化的形式存在的，需要網(wǎng)絡(luò)人工智能進(jìn)行有效的分析，密切關(guān)注現(xiàn)代農(nóng)業(yè)生產(chǎn)在依靠土壤環(huán)境與氣候變化的同時，也需要密切關(guān)注人們的需求。舉個例子來說，從碎片化知識中提取人們在某段時間內(nèi)對各類水果的興趣以及該水果未來可能的種植數(shù)量作為指導(dǎo)，準(zhǔn)確地引導(dǎo)果農(nóng)合理進(jìn)行種植。這樣，不但可以有效地提高收益，還可避免過剩種植造成的損失。

4.3 國防應(yīng)用

2016年3月，谷歌所研發(fā)智能機(jī)器Alphago程序在圍棋上成功戰(zhàn)勝了韓國著名圍棋職業(yè)選手李世石，當(dāng)時的決賽場面至今讓人記憶猶新。

圍棋是人類發(fā)明的最為復(fù)雜多變的娛樂項目， 圍棋的起源是因為古代發(fā)生的戰(zhàn)爭。人工智能通過自主學(xué)習(xí)，在自我博弈中實現(xiàn)了奇跡，并且源自于古代的戰(zhàn)爭。Alphago 證明了人工智能具有自主學(xué)習(xí)的能換位思考一下，這些智能機(jī)器能在這種如此費(fèi)腦力博弈中戰(zhàn)勝人類，那么這類型的機(jī)器完全可以用于戰(zhàn)爭之中。因此，近年來將人工智能方法應(yīng)用于國防安全領(lǐng)域，已經(jīng)成為各個國家國防部門研究的重點(diǎn)工作，一直以來，全球的安全問題是每個國家高度關(guān)注的重要問題，發(fā)展面向信息化的人工智能系統(tǒng)成為每個國家軍事系統(tǒng)的重要任務(wù)。

網(wǎng)絡(luò)智能化的應(yīng)用可以實現(xiàn)應(yīng)對更加復(fù)雜的戰(zhàn)爭。

最能讓人有切身體會的就是CPS信息物理系統(tǒng)，這類系統(tǒng)經(jīng)過試用之后表明連接得物理域、網(wǎng)絡(luò)域和感知域等進(jìn)行跨域聯(lián)合作戰(zhàn)成為現(xiàn)實，于是這種系統(tǒng)在近幾年的反恐戰(zhàn)爭以及聯(lián)合軍事演練中被廣泛應(yīng)用。

現(xiàn)代戰(zhàn)爭已不僅是傳統(tǒng)意義上的物理空間的作戰(zhàn)，網(wǎng)絡(luò)環(huán)境成為另一個作戰(zhàn)的主要空間，社會環(huán)境以及當(dāng)時的人類活動，也在這復(fù)雜的空間環(huán)境里作為了被考慮的因素，復(fù)雜的實時戰(zhàn)場環(huán)境事態(tài)依靠傳統(tǒng)的人為因素進(jìn)行分析判斷已經(jīng)無法完全勝任。平行軍事系統(tǒng)通過全方位的數(shù)據(jù)分析，對大量數(shù)據(jù)處理得到碎片化知識，通過建立網(wǎng)絡(luò)化模型能夠更加及時有效地傳遞戰(zhàn)場信息。

5 總結(jié)

在互聯(lián)網(wǎng)的發(fā)展下，信息量呈現(xiàn)爆發(fā)式增長的態(tài)勢，信息傳播的速度也在迅速增長，人工智能在互聯(lián)網(wǎng)的大環(huán)境下， 已經(jīng)涉及了人類生活、工作、學(xué)習(xí)等方方面面，碎片化知識也越來越多，充分利用網(wǎng)絡(luò)化人工智能的作用，有效地解決碎片化知識的處理與高效利用，使得知識的擴(kuò)充不再是停留在某個領(lǐng)域，而是蘊(yùn)含在大量的信息當(dāng)中。在人類的生產(chǎn)活動當(dāng)中，許多碎片化知識中蘊(yùn)含著大量有用信息，在一些有價值的領(lǐng)域在碎片知識結(jié)構(gòu)中獲取有利信息也形成了很大的難度。不僅如此，人類科技的不斷發(fā)展進(jìn)步推進(jìn)了各個學(xué)科領(lǐng)域間的相互融合， 出現(xiàn)了多種交叉學(xué)科的現(xiàn)象。從現(xiàn)在的情況來看，知識的表達(dá)也不能只通過傳統(tǒng)的單一形式展現(xiàn)，而更需要結(jié)合相關(guān)知識信息。之前的傳統(tǒng)姿勢工程是以專家系統(tǒng)為主，來解決碎片化知識背景下為人類捕捉最準(zhǔn)確有效的決策建議和高效的知識利用，實現(xiàn)網(wǎng)絡(luò)化結(jié)構(gòu)設(shè)計來建立起適應(yīng)現(xiàn)代化需求的人工智能系統(tǒng)，探尋碎片化知識與人工技能之間的聯(lián)系作用，是我們當(dāng)前需要解決的重點(diǎn)問題。