碎片化知識處理與網絡化人工智能

摘 要在互聯網信息爆炸時代，信息量正在呈現幾何爆發式增長，人類必須面對高速的信息傳播速度與海量的信息內容，所以客觀講人類已經進入了一個前所未有的碎片化知識時代。為了滿足社會發展需要，人類必須懂得如何處理碎片化知識內容，因此網絡化人工智能應運而生，本文就針對這兩項內容進行了簡單研究，結合二者理論主要探討了網絡化人工智能的未來應用。

【關鍵詞】碎片化知識處理 網絡化人工智能 挖掘 未來應用

當前網絡化人工智能發展迅速，已經在人類科學知識領域占得一席之地，從實質上來看人工智能的核心就在于處理知識問題，二者是共同產生且相輔相成的。當前人類正處于碎片化知識時代，其碎片化知識的基本特征就在于滿足了用戶的多樣化需求，展示多模態、多粒度形態，且具有一定的無序性與真實性，在解決傳統知識工程局限性方面具有一定積極作用。而通過創新網絡化人工智能來處理碎片化知識也將成為人類科學發展進程中的一次大膽嘗試。

1 對碎片化知識的處理研究

目前人類對碎片化知識的處理趨于多元化方式，譬如對它的無序性、非完整性、冗余性以及隱喻性的研究已經非常深入。總體來說，就是要基于碎片化知識和人類對知識的學習、記憶能力來實現更深層次的知識內容挖掘，實現對碎片化知識內容的有序組織。具體講，首先要迎合碎片化知識分散且大規模、蘊含豐富有價值信息的基本特征，在碎片化知識中尋找有價值內容，實現學習挖掘，最后按照特定結構來有序組織、存儲知識內容，以便于日后對知識的查找與更新。目前人類需要建立一套完備的、有意義的碎片化知識歸納及組織體系，依據知識演化規律與知識置信度來進行體系評估，并提取其中所需要的知識內容，描繪碎片化知識的組織與學習基本結構。

當然，人類對于碎片化知識的處理與研究是存在局限性的，這種局限性導致碎片化知識通常處于無序狀態，進而使得內部關聯稀疏，無法與人類認知關系形成緊密聯系。為了打破這種局限性，人類對于網絡化人工智能的研究就逐漸深入。它能夠合理整合規模龐大且內容體系相對復雜的碎片化知識內容，去除其中所存在的大量冗余與低價值知識內容，為某些有價值的知識實施歸納統一化表達，完成知識學習與組織過程。可以見得，網絡化人工智能能夠解決碎片化知識結構中所存在的耦合松散復雜關系，體現出一定的網絡拓撲結構內涵，并將碎片化知識處理轉化為知識圖譜二次展示出來，這就是網絡化人工智能的優勢之處。目前大規模的網絡化碎片都基本實現了與網絡化人工智能的有機融合，例如他們在自治數據源的基礎上就實現了對于碎片化知識的表達演化，構建拓撲結構并完成了知識轉化自動化過程，而其中所存在的多方面、多層次科學問題也被有效分解解析。

就目前網絡化人工智能的發展來看，群智為網絡就以群體智慧為核心基礎，它能夠通過群體智慧來客觀反映碎片化知識，并根據網絡化人工智能相關性特征來實現碎片化知識信息的有效傳播轉換，凸顯群智網絡拓普性，滿足網絡化人工智能對于碎片化知識的有效處理過程。

2 網絡化人工智能的未來實際應用探索

當前人類正在深入研究網絡化人工智能，他們通過這一創新技術來構建互聯網基礎平臺，并在平臺上探索學習與組織碎片化知識內容，滿足科學化處理條件。以下就談談基于碎片化知識處理應用的網絡化人工智能未來應用發展。

2.1 醫學領域應用探索

人類生命健康一直是網絡化人工智能所關注的，當前利用人工智能技術輔助醫療領域發展，解決大規模數據信息問題已經非常常見，它能夠幫助醫學領域實現預防治療與精準治療。在未來，網絡化人工智能在醫療領域的發展必須更多依賴于碎片化知識處理機制，它不但要解決大部分臨床醫療問題，也要趨向于對醫學領域的預測性研究，滿足對碎片化知識的跨域知識無序性與非完整性解析。比如說在針對丙肝病毒問題的解決上，該類病癥的碎片化信息在網絡上可以見到許多，但它們不成體系，沒有完整解釋丙肝病毒與人體肌肉無力之間的必然關系。所以醫學領域應該利用網絡化人工智能在這些有關丙肝病毒的碎片化知識中提取有關二者之間醫學聯系的有價值信息，并通過人工智能來分析它們，可能在一定程度上解決這一長期存在的醫學界難題。

2.2 軍事領域應用探索

在2016年，Google DeepMind就成功研發了Alphago程序。該程序基于網絡化人工智能設計，具有較強的自主學習能力，并且它也遵循了自我博弈理論，甚至在圍棋界戰勝了韓國著名圍棋職業選手李世石，這足以凸顯網絡化人工智能的強大，它已經可以通過不斷的學習來戰勝人類。而總結歸納這一程序中所涵蓋的人工智能理念和碎片化知識內容，在軍事領域中建立功能相仿的軍事系統也具有一定可行性，比如結合了深度學習碎片化知識內容與Monte-Carlo模型的“戰場決策分析平行軍事系統”。該系統能夠實現對歷史戰場或軍事演習碎片化知識數據的有效處理和整合，同時實現深度自覺學習，模擬軍事博弈過程，目前它已經在我國國防體系中有所應用，不但彌補了傳統中軍事智能化系統中的諸多不足問題，也實現了對未來戰爭形勢及勝率的提前預測，對我國國防體系合理調整具有一定啟發作用。當然，在該系統中“平行”的理念正是希望凸顯在復雜空間環境中實現對平行碎片化知識內容的有效整合，通過這些碎片化知識來驅動軍事體系的有效構建，模擬軍事組織系統，同時預測敵方軍事體系，為我軍對敵方的有針對性打擊奠定優勢。總結來說，它就通過網絡化人工智能模型實現了對碎片化知識的有效分析，保證了戰場信息的快速傳遞，對國防體系的指揮決策具有一定參考作用，另外，它還構建了相對較為全面的軍事訓練體系。

3 總結

在當代，網絡化人工智能與碎片化知識的關系將會越來越緊密，它們已經滲透到人類的生活、工作、學習等多個層面，幫助人們實現了大數據背景下網絡化人工智能的理論與實踐發展結合，在各個領域中都能做到做到問題解決與傳統瓶頸突破，對未來世界發展具有現實促進意義。

參考文獻

[1]蔣方劍.職業教育信息化建設和碎片化資源庫的整合利用[J].菏澤醫學專科學校學報，2016，28（04）：80-81.

[2]魏雪峰，楊現民，張玉梅等.移動互聯時代碎片化學習資源的適用場景與高效管理[J].中國電化教育，2017（05）：117-122.

[3]朱巍，陳慧慧，田思媛等.人工智能：從科學夢到新藍海--人工智能產業發展分析及對策[J].科技進步與對策，2016，33（21）：66-70.

作者簡介

孫泊楠（2000-），男，高中在讀，山東省淄博市人。

作者單位

山東省淄博第七中學 山東省淄博市 255400