人工智能領域移動應用開發新專業建設的探索與實踐

陳 健

（黑龍江交通職業技術學院，黑龍江 哈爾濱 150025）

1.引言

人工智能技術的誕生與發展，不僅能夠加快各項新型智能化應用的誕生，如增強現實應用、虛擬現實、自動汽車駕駛等，使移動應用技術的應用范圍越來越廣，使用戶在進行選擇的過程中有更多參考。通過對目前大量數據的靈活運用，能夠確保智能化分析的工作的有效性開展。結合現有的移動應用技術，對使用者的需求進行分析、明確了解用戶的使用目的、為用戶提供真實感受，全面提升用戶在故有移動應用領域的體驗。在以智能化為主的發展領域中，在移動互聯網領域中人工智能技術的應用越來越廣泛，在移動互聯網發展過程中人工智能技術的參與也越來越多。由于人工智能具有較高的迭代優化、普適性特點，能夠在對數據進行處理的過程中，滿足數據環境和數據結構提出的復雜要求，從而確保最終得到的推演結果以及數據模型具有較高的嚴謹性和穩固性。

2.深入探索人工智能技術在移動應用開發中的作用

2.1 移動應用性能分析

現階段，對移動應用性能進行分析的過程中，主要分析目標體現在業務協同友好性分析、用戶粘性分析、移動應用端到端QOE分析這幾個方面。對于這幾個分析方面具有的共同點而言，就是都需要建立在大數據分析的基礎上，通過收集和計算大量用戶以及相關應用信息得到結論。在此過程中，通常會使用人工智能算法，全面解決在大數據分析計算過程中存在的問題，在此基礎上，采取多元化的措施和方法，對機器學習方法進行不斷完善，為加強大數據分析的有效性和準確性提供有力幫助。根據對學習算法展開的大量實際調查研究能夠知道，目前主要將加強學習算法和深度學習算法這兩個以神經網絡為基礎的算法為主。

首先，針對種類不同的算法，雖然計算方式存在著較大的差異，但歸根究底，具有的運算模式大體相同，基本上都是將多元化場景下，不同應用具有的速率、流量、時延、能耗等各項因素，根據具體的指示要求，對相關信息數據進行搜集、整理、整合、保存。在此基礎上，使其作為神經網絡體系碩儒端口的身份呈現。

其次，根據應用種類的不同，對游戲應用、瀏覽器應用、云應用、音頻應用、視頻應用等不同的使用目的，展開詳細的區域劃分和歸類，系統性地分析和研究不同應用范圍對傳輸速度、傳輸流量、時延、能耗具有的不同需求，從而生成對應加權值作用于對應指標，在此基礎上，使神經網絡最終具有的全部數值以這些加權值為準。

再次，只有在大量數據不斷訓練預計反饋，經歷不斷的計算，才能使神經網絡模型全面形成。針對一部分已經通過學習的神經網絡模型，不僅能夠在對具體結論進行輸出的過程中，實現整體友好性，而且還能夠將目前已有的數據信息作為基礎，完成應用排行，甚至可以根據目前已經得到的相關數據位基礎，準確預測具體應用的性能。

根據實際調查研究能夠發現，現階段我國大部分移動運營商為了實現自身可持續發展的目標，都在采取不同的理念和措施，積極建立能夠對應對互聯網用戶行為進行分析的高段系統。在此過程中，以數據共享作為基礎，使分析移動用戶訪問互聯網行為的目標得到有效實現，從而對移動用戶的上網習慣以及喜好準確掌握，這樣才能充分了解移動用戶的真實需求，從而確保移動運營商在對相關發展策略和戰略計劃進行部署的過程中，能夠有據可依，使移動運營商能夠通過對整正準數據的全面分析，加強對互聯網運營模式進行全面調整和優化。

2.2 認證移動應用身份

對于人工智能算法而言，身份認證是人工智能未來發展的重要應用方向之一。長久以來，外設U盾設備模式、密碼口令模式、用戶名模式是主要使用的身份認證方法，然而用戶名我是和密碼口令模式、由于可能存在被遺忘的風險以及密碼被破譯的風險，外設U盾設備模式存在保存不方便等問題，使得行業專業人士正在對身份認證方法進行不斷改革與創新。在此過程中，誕生了生物識別身份證方式和多因子身份認證方式，由于這兩種方式具有多元化優勢，因此得到了人們的一致認可和普遍使用。

首先，通過記錄用戶在互聯網中各項行為的數據，能夠得到用戶大數據圖譜，以機器學習算法為基礎進行分析，對用戶的基本行為模型進行建立，不僅能夠對用戶的行為進行預測，而且還能對與用戶行為不相符的付款請求和登錄請求進行拒絕，這種方式能夠有效輔助傳統普通密碼認證模式。

其次，對于生物識別認證方式而言，具有較高的安全性，并且搭載在移動終端設備上的生物識別模塊，也隨著硬件的不斷發展體積越來越小，使用過程具有的方便性越來越明顯。相關人士都會以人工智能算法為基礎，運用生物識別認證算法。

2.3 發展新應用

人工智能技術的不斷完善，對移動互聯網新產業和新應用的誕生與發展起到了積極促進作用，增強現實技術和虛擬現實技術就是以人工智能技術為基礎的新型拓展應用。增強現實技術和虛擬現實技術主要是在服務器中上傳收集到的用戶感知數據，并在服務器的作用下，將最終結果快速下發到用戶的眼鏡設備中。從提高用戶體驗感角度出發，無論是收集數據還是呈現結果，通過谷歌計算得到的時延結果為20 ms。從中可以看出，想要確保數據交換和數據計算在最短時間內完成，不僅需要對應的傳輸帶，而且還需要有效的數據計算算法。由于通過對人工智能算法的有效應用，能夠為海量大數據的瞬時計算提供便利，是增強現實技術和虛擬現實技術的發展基礎得到有效解決。與此同時，智能語音搜索、智能家居、自動駕駛汽車等一大批應用，在人工智能技術的不斷完善下，得到了快速發展。以遞歸神經網絡、卷積神經網絡、深度置信網絡等人工智能算法為基礎，百度對自然語言的處理、智能語音的識別和搜索、圖像搜索和識別等應用進行了有效解決。對于人工智能技術而言，對于每一個移動互聯網領域的發展都產生了積極影響。

3.以人工智能技術為基礎的數據處理構架

基于以上對于人工智能技術的研究和分析能，我們夠總結出一個基于人工智能技術的通用數據處理架構結構，如圖1所示。

圖1 以人工智能技術為基礎的數據處理構架

3.1 數據采集模塊

在采集和儲存與計算有關的全部數據時，要確保相關操作的必須在數據采集模塊范圍內開展，在此過程中，數據采集工作主要包括對歷史數據的采集和實時數據的采集，并且數據處理平臺要將數據采集模塊作為整體數據的輸入端。

3.2 數據訓練模塊

在人工智能技術的作用下，對平臺的相關數據進行真實反饋和迭代計算，從而完成數據訓練工作，并使相關工作以模型的狀態呈現，這一模型就被稱之為數據訓練模塊。對于整體訓練緩解而言，是以人工智能技術為基礎的數據處理構架核心模塊。數據采集的精確度和廣度對訓練模型形成具有至關重要的作用，并且選擇的人工智能運算方法對訓練模型的形成影響程度也比較大，整個模型的處理結果受序列模型的影響程度較為明顯。

3.3 數據使用模塊

數據使用模塊的建立是以訓練模型的成果輸出為基礎，一般情況下，當使用訓練好的模型時，能夠得到以歷史數據為基礎的預測和實時數據的計算結果，這也是數據處理平臺在人工智能技術作用下的結果輸出環節。

目前我國在開展各項計算工作中使用人工智能技術的頻率和范圍逐漸提高，以人工智能為基礎的算法數據處理模型具有的計算頻率也在不斷提升。一般情況下，在開展人工智能相關運算的過程中，反饋數量和迭代計算數量較大，會使服務器的工作負荷量隨之提高。此時如果進一步增加需要進行處理的數據量，服務器具有的性能必然會被數據量產生的負荷嚴重降低，并且對最終結果輸出具有的時效性造成嚴重影響。為了有效解決這個問題，在運用人工智能技術對相關數據進行處理的過程中，普遍采用分布式計算方式，通過將原始任務進行有效劃分，分配給不同的分布式服務器，在完成相關計算之后，再將不同分布式服務器得到的結果進行有效匯總，在中央控制器的合成作用下，將最終的結果呈現出來。將人工智能計算技術與分布式計算構架進行有效結合，通過二者相輔相成的作用，能夠使大數據的處理工作和計算工作順利完成。

4.結語

移動互聯網形態正在人工智能技術的不斷推動下進行全新的變化，在對信息進行捕捉的過程中能夠更加自主，在進行分析判斷的過程中更加智慧，在提供服務的過程中更加人性化，相關數據在云端結合的過程中更加智能。因此，相關人士不僅要對人工智能技術給予足夠關注，加強對技術理念和技術內容的不斷優化與創新，確保移動網絡應用技術在人工智能技術不斷優化與完善的推動下得到進一步提升，從而使我國社會現代化發展水平不斷提高的目標得到有效實現。