科技熱詞

[智慧城市]

“智慧城市”是一個(gè)非常火熱的詞。但在很多人看來，這一高大上的話題顯得既陌生又遙遠(yuǎn)。其實(shí)，智慧城市建設(shè)早已通過各種不同的展現(xiàn)方式滲入到了我們的日常生活中，并從眾多方面來改變我們的生活，比如智能家居、智能可穿戴設(shè)備以及工業(yè)4.0等。智慧城市實(shí)際上就是運(yùn)用信息和通信技術(shù)手段感測(cè)、分析、整合城市運(yùn)行核心系統(tǒng)的各項(xiàng)關(guān)鍵信息，從而對(duì)包括民生、環(huán)保、公共安全、城市服務(wù)、工商業(yè)活動(dòng)在內(nèi)的各種需求做出智能響應(yīng)。其實(shí)質(zhì)是利用先進(jìn)的信息技術(shù)，實(shí)現(xiàn)城市智慧式管理和運(yùn)行，進(jìn)而為城市中的人創(chuàng)造更美好的生活，促進(jìn)城市的和諧、可持續(xù)成長(zhǎng)。

智慧城市經(jīng)常與數(shù)字城市、感知城市、無(wú)線城市、智能城市、生態(tài)城市、低碳城市等區(qū)域發(fā)展概念相交叉，甚至與電子政務(wù)、智能交通、智能電網(wǎng)等行業(yè)信息化概念發(fā)生混雜。對(duì)智慧城市概念的解讀也經(jīng)常各有側(cè)重，有的觀點(diǎn)認(rèn)為關(guān)鍵在于技術(shù)應(yīng)用，有的觀點(diǎn)認(rèn)為關(guān)鍵在于網(wǎng)絡(luò)建設(shè)，有的觀點(diǎn)認(rèn)為關(guān)鍵在人的參與，有的觀點(diǎn)認(rèn)為關(guān)鍵在于智慧效果，一些城市信息化建設(shè)的先行城市則強(qiáng)調(diào)以人為本和可持續(xù)創(chuàng)新。總之，智慧不僅僅是智能。智慧城市絕不僅僅是智能城市的另外一個(gè)說法，或者說是信息技術(shù)的智能化應(yīng)用，還包括人的智慧參與、以人為本、可持續(xù)發(fā)展等內(nèi)涵。綜合這一理念的發(fā)展源流以及對(duì)世界范圍內(nèi)區(qū)域信息化實(shí)踐的總結(jié)，《創(chuàng)新2.0視野下的智慧城市》一文從技術(shù)發(fā)展和經(jīng)濟(jì)社會(huì)發(fā)展兩個(gè)層面的創(chuàng)新對(duì)智慧城市進(jìn)行了解析，強(qiáng)調(diào)智慧城市不僅僅是物聯(lián)網(wǎng)、云計(jì)算等新一代信息技術(shù)的應(yīng)用，更重要的是通過面向知識(shí)社會(huì)的創(chuàng)新2.0的方法論應(yīng)用。

智慧城市通過物聯(lián)網(wǎng)基礎(chǔ)設(shè)施、云計(jì)算基礎(chǔ)設(shè)施、地理空間基礎(chǔ)設(shè)施等新一代信息技術(shù)以及維基、社交網(wǎng)絡(luò)、Fab Lab、Living Lab、綜合集成法、網(wǎng)動(dòng)全媒體融合通信終端等工具和方法的應(yīng)用，實(shí)現(xiàn)全面透徹的感知、寬帶泛在的互聯(lián)、智能融合的應(yīng)用以及以用戶創(chuàng)新、開放創(chuàng)新、大眾創(chuàng)新、協(xié)同創(chuàng)新為特征的可持續(xù)創(chuàng)新。

[認(rèn)知計(jì)算]

認(rèn)知計(jì)算出自于IBM人工智能超級(jí)計(jì)算機(jī)“沃森”的稱謂，而現(xiàn)在，它更多的代表著一種全新的大數(shù)據(jù)分析方式。隨著信息的增加，計(jì)算機(jī)可在已有經(jīng)驗(yàn)的基礎(chǔ)上隨著時(shí)間推移，以學(xué)習(xí)的、交互的方式，隨著數(shù)據(jù)的進(jìn)一步增長(zhǎng)逐步提高認(rèn)知的分析行為，就像大腦會(huì)自然而然地做事情，“認(rèn)知計(jì)算”是人工智能和大數(shù)據(jù)的“聯(lián)姻”。

認(rèn)知計(jì)算源自模擬人腦的計(jì)算機(jī)系統(tǒng)的人工智能，20世紀(jì)90年代后，研究人員開始用認(rèn)知計(jì)算一詞，以表明該學(xué)科用于教計(jì)算機(jī)像人腦一樣思考，而不只是開發(fā)一種人工系統(tǒng)。傳統(tǒng)的計(jì)算技術(shù)是定量的，并著重于精度和序列等級(jí)，而認(rèn)知計(jì)算則試圖解決生物系統(tǒng)中的不精確、不確定和部分真實(shí)的問題，以實(shí)現(xiàn)不同程度的感知、記憶、學(xué)習(xí)、語(yǔ)言、思維和問題解決等過程。

目前，隨著科學(xué)技術(shù)的發(fā)展以及大數(shù)據(jù)時(shí)代的到來，如何實(shí)現(xiàn)類似人腦的認(rèn)知與判斷，發(fā)現(xiàn)新的關(guān)聯(lián)和模式，從而做出正確的決策，顯得尤為重要，這給認(rèn)知計(jì)算技術(shù)的發(fā)展帶來了新的機(jī)遇和挑戰(zhàn)。另?yè)?jù)IDC預(yù)測(cè)，到2018年，超過一半的消費(fèi)者將獲取到基于認(rèn)知計(jì)算開發(fā)的服務(wù)。

[量子計(jì)算]

量子計(jì)算是一種依照量子力學(xué)理論進(jìn)行的新型計(jì)算。量子計(jì)算的基礎(chǔ)和原理以及重要量子算法為在計(jì)算速度上超越圖靈機(jī)模型提供了可能。量子計(jì)算是當(dāng)前熱門的研究領(lǐng)域。相對(duì)于普通計(jì)算機(jī)，基于量子力學(xué)特性的量子計(jì)算機(jī)，擁有超乎想象的并行計(jì)算與存儲(chǔ)能力，求解一個(gè)億億億變量的方程組，具有億億次計(jì)算能力的“天河2號(hào)”需要100年，而萬(wàn)億次的量子計(jì)算機(jī)理論上只需要0.01秒就可解出。當(dāng)量子計(jì)算機(jī)應(yīng)用之時(shí)，現(xiàn)在的密碼破譯、基因測(cè)序等科學(xué)難題，將可迎刃而解。

量子計(jì)算（quantum computation）的概念最早由IBM的科學(xué)家R.Landauer及c.Bennett于20世紀(jì)70年代提出。他們主要探討的是計(jì)算過程中諸如自由能、信息與可逆性之間的關(guān)系。80年代初期，阿崗國(guó)家實(shí)驗(yàn)室的P.Benioff首先提出二能階的量子系統(tǒng)可以用來仿真數(shù)字計(jì)算；稍后費(fèi)因曼也對(duì)這個(gè)問題產(chǎn)生興趣而著手研究，并在1981年于麻省理工學(xué)院舉行的First Conference on Physics of Computation中給了一場(chǎng)演講，勾勒出以量子現(xiàn)象實(shí)現(xiàn)計(jì)算的愿景。1985年，牛津大學(xué)的D.Deutsch提出量子圖靈機(jī)（quantum Turing machine）的概念，量子計(jì)算才開始具備了數(shù)學(xué)的基本型式。

[深度學(xué)習(xí)]

深度學(xué)習(xí)的概念源于人工神經(jīng)網(wǎng)絡(luò)的研究。含多隱層的多層感知器就是一種深度學(xué)習(xí)結(jié)構(gòu)。深度學(xué)習(xí)通過組合低層特征形成更加抽象的高層表示屬性類別或特征，以發(fā)現(xiàn)數(shù)據(jù)的分布式特征表示。深度學(xué)習(xí)的概念由Hinton等人于2006年提出。基于深度置信網(wǎng)絡(luò)（DBN）提出非監(jiān)督貪心逐層訓(xùn)練算法，為解決深層結(jié)構(gòu)相關(guān)的優(yōu)化難題帶來希望，隨后提出多層自動(dòng)編碼器深層結(jié)構(gòu)。此外Lecun等人提出的卷積神經(jīng)網(wǎng)絡(luò)是第一個(gè)真正多層結(jié)構(gòu)學(xué)習(xí)算法，它利用空間相對(duì)關(guān)系減少參數(shù)數(shù)目以提高訓(xùn)練性能。

深度學(xué)習(xí)是機(jī)器學(xué)習(xí)研究中的一個(gè)新的領(lǐng)域，其動(dòng)機(jī)在于建立、模擬人腦進(jìn)行分析學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)，它模仿人腦的機(jī)制來解釋數(shù)據(jù)，例如圖像，聲音和文本。同機(jī)器學(xué)習(xí)方法一樣，深度機(jī)器學(xué)習(xí)方法也有監(jiān)督學(xué)習(xí)與無(wú)監(jiān)督學(xué)習(xí)之分.不同的學(xué)習(xí)框架下建立的學(xué)習(xí)模型很是不同.例如，卷積神經(jīng)網(wǎng)絡(luò)（Convolutional neural networks，簡(jiǎn)稱CNNs）就是一種深度的監(jiān)督學(xué)習(xí)下的機(jī)器學(xué)習(xí)模型，而深度置信網(wǎng)（Deep Belief Nets，簡(jiǎn)稱DBNs）就是一種無(wú)監(jiān)督學(xué)習(xí)下的機(jī)器學(xué)習(xí)模型。

把學(xué)習(xí)結(jié)構(gòu)看作一個(gè)網(wǎng)絡(luò)，則深度學(xué)習(xí)的核心思路如下：無(wú)監(jiān)督學(xué)習(xí)用于每一層網(wǎng)絡(luò)的pre—train；每次用無(wú)監(jiān)督學(xué)習(xí)只訓(xùn)練一層，將其訓(xùn)練結(jié)果作為其高一層的輸入；用自頂而下的監(jiān)督算法去調(diào)整所有層。endprint