計算機通信技術與電子信息在人工智能領域的實踐應用分析

崔天明

（長春大學旅游學院，吉林 長春 130607）

1 引言

隨著計算機通信技術和電子信息技術的發展，網絡信息傳輸、數據信息處理的速度也越來越快，由此推動人工智能技術的發展。將信息技術應用于人工智能中，可以有效提供人工智能產品的運行效率和準確性，人工智能技術也可應用于信息行業，兩者相輔相成、互相促進。本文主要探討電子信息技術與通信技術在人工智能中的應用。

2 計算機通信技術與電子信息技術概述

計算機通信技術具有多層網絡結構，包含有多種線性信息、非線性信息等。通信信息技術被廣泛應用于視覺圖像、語音等人工智能領域。特別是對于數據信息量較大、數據模型較為復雜的情況，計算機通信技術能夠利用并行運算，提升任務執行速度與性能。這種數據信息的標記、處理與存儲，需要借助神經網絡的不斷學習，并通過數據前向傳播、反向傳播的迭代訓練，才能得到相應的數據模型。所以融合神經網絡的計算機通信技術，能夠在數據信息不斷深度學習的過程中，實現人工智能系統中數據信息的處理。

而電子信息技術是依托于互聯網的信息傳輸手段，其包括電子科學、信息技術兩方面內容。電子科學是以計算機硬件為載體的電子技術，而信息技術則是通過計算機硬件，來完成數據信息的發送與傳輸。隨著網絡集成電路、數據中心的快速發展，電子信息技術也開始向虛擬化、智能化的方向發展。當前電子信息數據中心能夠完成各種數據信息的處理與存儲，并可以將最終的數據結果傳輸至網絡云計算平臺。例如，當前谷歌利用電子科學的數據信息處理技術，從海量網絡數據中提取出有用的計算信息，來實現人工智能的數據挖掘。因此通過計算機通信技術與電子信息技術的使用，能夠在數據信息的深度學習過程中，提高計算機對有用信息的辨別度，從而將其應用于各種人工智能領域的信息處理中。

3 人工智能的發展概況及其主要特征

20世紀50年代，美國出現類似于“人工智能”的機器運算，其主要通過一系列具有規律性的計算代碼，來完成計算機的模擬思考活動。這一階段通過運用計算機中的符號演算過程，進行日常數學定理或其他內容的演算與推理。機器定理證明包括自然語言理解、程序驗證、問題求解、自動程序設計等內容，計算機能夠根據準確的程序設定，進行每個步驟的證明與求解。之后在20世紀80、90年代，機器學習逐漸成為獨立的科學，搜索引擎技術的出現也推動著搜索引擎的發展。科學家愛德華·費根鮑姆在著作《人工智能手冊》中，將機器學習分為示教學習、機械學習、歸納學習和類比學習等。其中歸納學習是人工智能技術的最重要部分，也是“人工智能”研究最為關注的問題。歸納學習包括符號主義學習、基于神經網絡的連接主義學習兩部分內容。從20世紀90年代至今，“人工智能”的統計與算法學習，逐漸取代其他低效的數據計算學習模式，成為人工智能計算的主要方式，并大大提升人工智能計算的效率。人工智能的數據運算與深度學習系統，是一種對網絡中不斷添加信息的學習，其能夠通過模擬人大腦的思考活動，來完成更加智能化的數據處理與信息服務。

4 計算機通信技術與電子信息技術在人工智能領域的實踐應用

4.1 計算機通信技術在人工智能領域的技術實現

人工智能技術是借助于神經網絡的深度學習技術，通信技術融合神經網絡，在經過數據信息集合的標注后，就能夠對其中存在的數據，進行前向擬合與數理統計的學習。在計算機通信系統中會給定某些樣本點，然后利用相應的擬合曲線，來表示樣本點隨自變量的變化關系。在人工智能的深度學習過程中，標注的樣本點不僅僅是(x,y)點，還可以是其他由向量矩陣組成的任意點，而多個任意點會構成復雜的多層神經系統網絡。但輸入的數據之間并不存在相應的線性關系，多層神經系統網絡會根據隨意輸入的數據信息，進行數據的前向傳播、反向傳播等的訓練活動。多層神經網絡在深度學習過程中，能夠根據傳輸的數據質量進行自動優化。當前主流多層神經網絡框架，主要包含moa、PyTorch、TensorFlow、neon、theano等，其中TensorFlow、neon等神經網絡架構，為Google和ARM公司的開源深度學習框架。TensorFlow擺脫了單個GPU的數據運算與處理，通過多個GPU卡與C++接口的分布式連接，來完成龐大運算數據的并行處理。

因此通信技術中的并行計算，與非關系型數據庫（NoSQL）、數據流圖、內存等計算進行結合，能夠實現分布式系統多個層級與節點的模型構建。在多層神經網絡中，用戶不需要了解系統的結構模型，只需要根據不斷的神經網絡學習，就能夠針對現有數據做出推理。而且隨著數據處理設備、內存等硬件性能的大幅度提升，其不僅能夠運用多種優化算法，完成海量數據的高效率運算，而且能夠有效保障數據運算的前后一致性，保證節點出現故障后的讀寫，以及在數據發生容錯問題后進行主動分區。在利用多個GPU卡進行數據并行計算的過程中，主要通過網絡中數據信息的連接，來實現不同區域、不同模型中不同批次數據的并行計算。同一層級中的數據可以在不同GPU卡上進行處理，以此來縮短各個層級中的數據處理時長。多層神經網絡框架的數據并行計算模式如圖1所示。

以當前人工智能軟件Agent為例，Agent技術主要通過利用分布式客戶/服務器計算模型，進行人工智能系統中的多種任務交互與控制。Agent技術具有信息或服務內容的搜集、各信息處理層級的并行協作的能力，以及分布式系統的交互仿真能力。在使用Agent技術進行分布式交互仿真環境的開發過程中，首先其能夠對現有的需求或服務信息進行搜集，并對發布重點信息或用戶信息需求進行注冊。然后可以通過Agent技術進行數據工作流的開發，并將相應的工作計劃傳達至各個工作站，再根據工作站中反饋回來的數據進行搜集管理。而且Agent技術能夠模擬各種交互式的仿真環境，通過各種傳感器元器件的搭配使用，帶給用戶逼真的虛擬交互體驗。因此Agent技術作為分布式系統中的數據計算實體，其能夠對現有數據任務進行協作處理、任務監控與信息管理等工作，并通過局域網將查詢或處理后的數據信息，上傳至云計算平臺或用戶數據終端，以縮短用戶數據信息查詢或其他服務的獲取時間。通過Agent技術在人工智能平臺中的運用，能夠提升數據或其他網絡運算的信息處理效率，并有效減少網絡傳輸中的擁堵問題。基于Agent技術的數據信息或服務處理架構如圖2所示。

圖1 多層神經網絡框架的數據并行計算

圖2 基于Agent技術的數據信息或服務處理架構

4.2 計算機通信技術在人工智能領域的實踐應用案例

當前計算機通信技術，已經在商業、醫療保健、教育、智能駕駛等領域得到廣泛應用。由于人工智能系統中連接的智能設備較多，因此不能夠使用傳統數據庫范式進行不同場景的設置。當前主要通過NoSQL，進行系統中數據流信息的實時處理。其中，NoSQL數據庫中的Hadoop平臺，能夠對不斷發生變化的數據信息，進行數據的檢索、存儲與統計。以智能交通系統為例，智能交通系統是具有廣闊外部空間環境的系統。智能交通系統中的智能傳感器，為車前方固定感知前方道路的攝像頭，攝像頭能夠將汽車的行駛狀況拍攝為視頻，并上傳至NoSQL數據庫中的Hadoop平臺。人工智能平臺再根據當前用戶的使用場景，制定出符合用戶需要的算法解決方案或智能模型，對視頻或圖片中的人物進行識別，以達到行車過程中避讓行人的目的。

4.3 電子信息技術在人工智能領域的實踐應用

電子信息技術主要包括電子科學、信息技術兩方面內容，電子信息技術在人工智能領域的實踐應用，存在著軟件、硬件兩方面應用。首先從電子信息技術硬件方面來看，隨著高精度與高集成度電路的發展，電子元器件的組織結構與體積不斷縮小，且被廣泛應用到各個人工智能領域。特別在嵌入式電子信息產品領域，某些處理器已經發展到20nm、10nm的大小級別，這大大推動了人工智能領域中數據信息處理能力的提高。在低功耗高性能電子元器件的支持下，能夠通過多GPU卡與C++接口的分布式連接，實現人工智能系統中海量數據信息的處理與服務提供。當前在高校教育教學、網絡通信、機械制造等領域，已經可以通過電子信息技術的應用，進行數據采集、解析與存儲，而且能夠對其中存在的數據容錯、冗余問題進行處理。以學校多媒體教學與監控系統為例，當前學校借助多種電子信息設備，能夠完成網絡教育教學與監控系統的構建。教師可以通過電子信息設備中的傳感器，獲取到教學過程中的圖像或語音內容，并對其中存在的異常情況進行識別與處理。而這一整套人工智能系統的構建，需要多個電子信息設備的連接進行構建，還需要通過數據處理平臺，進行圖像或語音內容的識別分析，并將最終的處理結果返回到用戶客戶端。

其次從電子信息技術軟件方面來看，主要通過對不同軟件的編程，完成不同人工智能領域硬件的自動化控制。當前電子信息技術軟件，已經在機械制造、數控機床、網絡圖書館等的構建中，得到廣泛的應用。以智能化網絡圖書館為例，很多高校構建了智能化的信息處理系統，學生在登錄到高校網絡圖書館后，就能夠根據自身對圖書的借閱需要，通過語音或鼠標操作來完成借閱活動。在這一圖書借閱過程中，電子信息技術軟件能夠根據用戶指示，完成數據庫中信息的檢索、顯示與下載，并大大提升整個圖書館信息處理的自動化與智能化。除此之外，電子信息技術軟件還在人工智能家居系統中得到廣泛應用，用戶可以在同一網絡環境下，對連接的人工智能設備進行控制。

5 人工智能發展方向

未來人工智能技術的發展，主要朝著更加智能化、交互化與服務化的方向發展。人工智能設備中存在有多個語音、圖像與距離傳感元件，其能夠對周圍空間中的語言、光線、距離、色彩等進行感知，并根據不同的數據信息作出實時反饋。用戶可以利用智能設備中的計算軟件，進行人工智能產品的連接，并通過相應的指令控制，來實現計算機對人類思維與意識活動的模仿。例如，各個人工智能服務廠商不僅開發出具有語音識別能力、圖像識別能力的軟件設備，而且設計出一系列與“人工智能”配套的智能芯片、穿戴設備等。人工智能技術可以實現智能手機、電腦、電視等的連接，還能夠通過各種硬件設備的人工智能芯片，進行其他多終端的網絡接入與信息傳輸，從而提升人工智能系統中數據處理與信息服務的自動化水平。