大數據時代的人工智能范式

周翔 何銀川 蔡翹蔚

摘要 目前AI人工智能技術的興起，掀起了一場科學技術革命。AI人工智能的興起變革了人們傳統智能的思維模式，在大數據技術的支持下，AI人工智能從感知智能、數據智能、腦科學智能以及認知智能這四種認知范式。這幾種范式各有不同，又相互補充最終構成了整體的AI智能結構模式。

【關鍵詞】大數據時代 人工智能 范式探究

在很久以前就有了人工智能的概念，大數據技術的出現讓人工智能的實現有了實施的可能。人工智能是一個多學科綜合的工程，可以智能模擬人類的思維模式以及行動方式，但是從人工智能出現到目前，還沒有一個整體的學科可以概括AI的智能范式。現在AI在軍事、工業以及商業等領域都了突飛猛進的發展，研究對于人工智能的思維模式也在不斷變化發展。

1 大數據變革了傳統的思維模式

大數據時代下，帶給了人們很多發展的機遇和挑戰，一定要積極的迎接大數據時代的來臨，提升自身的應用能力，轉變思維模式。目前大數據技術的出現很大程度上變革了傳統的思維模式：

（1）傳統的抽樣化思維開始轉變成為整體性的思維，在大數據的支持下能夠有機的整合各種數據信息，整體性的整合方式逐漸取代傳統的抽樣性統計方式;

（2）大數據時代下，搜索引擎能夠根據用戶的需求將目標范圍展現到用戶眼前，不在單一的展現一種信息需求，搜索結果從精確住轉變成為近似，在大數據的支持下涵蓋精準數據得到一些預測性、分析性的數據結果;

（3）從大數據中進行決策，以往進行決策需要綜合考慮各種因素，而在大數據支持下根據因果關系直接進行決策制定，不需要要任何理論支持，這種方式加快了大數據思維模式的轉變和傳播，直接影響了各個行業。

2 大數據時代下人工智能范式分析

2.1 AI范式的感知

以往的人工智能AI范式是一種封閉性的思維模式，不能滿足于智能開放的需求，必須要有一個可以接受的集合進行協商。一般把感知作為智能中心的AI范式主要是對一些分散式、松散耦合的agent結合一些具體的理論基礎和技能水準，從而實現一些既定的目標。Agent研究蔓延到了整個行業，人們通過各自的領域對agent進行研究解決行業中一些問題。一般以感知為中心的AI范式研究，主要包含下面幾個方面：

（1） AI技術為基礎搜索引擎走向了物聯網，shodan的出現更是大大提升了數據控制管理的水平。

（2） AI技術為基礎的云計算與搜索殷勤結合，變革了云計算技術的革命，實現搜索的記錄與存儲，大型數據也可以進行線上傳播。

（3） AI技術的移動終端設備，有機實現了人機交互，一些人體自然形態、思維方式都可以通過AI感知模擬出來，比如三星的BIBXY語音智能系統，更是掀起了語音智能的革命。

（4） AI感知的穿戴智能設備，一些具備人工智能技術的智能手表、智能眼鏡引起了穿戴的AI革命，比如蘋果IWATCH、GOOLEGLASS等，并且擴散了蔓延的趨勢，從科技蔓延到各個行業。

（5） AI智能感知為基礎的無人駕駛技術與機器人成為了未來發展的走向，大大解放了勞動力，提升了生產效率。比如亞馬遜無人機快遞、百度無人駕駛汽車等，引發了新一輪的革命。

2.2 AI范式的數據

傳統的AI范式研究，單純的把一些定性的數據作為研究基礎，沒有擴散性思維，結合其他方面的數據進行研究。人工智能的出現沖破了以往AI研究的思維定式，開始結合全方位的數據進行研究，讓機器自己整合數據，把數據轉化成為知識，利用內置的算法程序完成智能學習。以數據為中心的AI范式主要有一下幾種：

（1）整合數據資源結合搜索引擎，實時轉換為搜索結果，比如谷歌的街景地圖可以通過數據的識別、整理和分析實現具體位置的呈現。

（2）語言數據的轉換，可以通過語言指令實時轉化為搜索結果，谷歌的Google Now就是通過這一技術，簡化了搜索程序。

（3）搜索引擎中具備了情感模塊，識別人類需求后進行結果需要的呈現。以數據為中心的AI范式，就是全面發揮出數據價值的過程。

2.3 AI范式的人腦科學

AI范式中的人腦科學就是直接模擬人類的腦部活動，實現機器的簡單運算和高級運算，達到AI技術與人腦同步的過程。現在國際有很多AI范式的人腦科學研究，比如歐盟的“人腦工程項目”，通過在人工智能的機器領域注入神經形態，實現AI人工智能的人腦化，最大程度上對人類的思維與行動進行模擬，從低形態的簡單模擬向著高形態的復雜學習開展研究。

2.4 AI范式的認知

以認知為中心的AI范式是人工智能的一個獨立模塊，這個機器計算學習的過程也是機器認知的一個過程。人工智能的認知計算需要和計算機處理技術作為統一方針開展研究，構建適用于機器研究理論的體系，從而發現更多的人工智能思想。這種認知非常強調既有數據的分析和學習，從舊事物中產生新的認知，從而為人工智能的發展提供更多的思路和方向。

3 Al實現的方式

AI人工范式的實現一半就是通過計算模擬的過程，認知的過程，社會模擬的過程以及功能模擬等，在各個環節中實現模塊功能的有機結合與相互促進。類解決問題的模式通常是用最快捷，直觀的判斷，而不是有意識的，一步一步的推導，早期人工智能研究通常使用逐步推導的方式。人工智能研究已經于這種“次表征性的”解決問題方法取得進展：實體化的代理人研究強調感知運動的重要性。神經網絡研究試圖以模擬人類和動物的大腦結構重現這種技能。

4 結束語

綜上所述，數據技術的出現讓人工智能的實現有了實施的可能。人工智能是一個多學科綜合的工程，可以智能模擬人類的思維模式以及行動方式，AI人工智能的興起變革了人們傳統智能的思維模式，在大數據技術的支持下，AI人工智能從感知智能、數據智能、腦科學智能以及認知智能這四種認知范式。這幾種范式各有不同，又相互補充最終構成了整體的AI智能結構模式。

參考文獻

[1]程顯毅，胡海濤，曲平等.大數據時代的人工智能范式[J].江蘇大學學報（自然科學版），2017，38 （04）： 455-460.

[2]姜勝建，人工智能與大數據信息時代的技術文明[J].浙江經濟，2017 （02）： 62-63.

[3]金大衛.基于構件的智能檢索模型研究[D].武漢大學，2008.

[4]李巖，大數據的技術樂觀與人的體驗[J].長春理工大學學報（社會科學版），2015 （06）：51-55.