大數據技術在人工智能中的應用探析*

鄭偉

(南陽師范學院計算機科學與技術學院,河南南陽 473000)

大數據技術本質上是基于計算機系統,發展形成的統計分析、數據整合技術。而人工智能同樣是屬于計算機學科范疇的一項先進技術。眾多實踐表明,先進技術之間的發展息息相關,為此,大數據技術、人工智能的融合發展,是科學技術發展的必由之路。隨著近年來我國對人工智能研究的不斷深入,使得人工智能在眾多行業領域得到推廣,而這其中離不開大數據技術的有力支持[1]。很長一段時間以來,研究人員在開展人工智能研究中,往往要考慮方方面面因素,評測因果關系,而通過應用大數據技術,使這一過程得到了顯著簡化。因此,要想推動人工智能更高效地服務于人們的生產生活,就必須要將大數據技術作為技術支撐,通過對生產生活中一系列數據的采集分析,進而推動人工智能的有序健康發展。

1 人工智能發展歷程

人工智能的發展主要可分成萌芽階段、形成階段、發展階段以及成熟階段四個階段,其發展歷程。首先,在人工智能萌芽階段(20世紀40年代～50年代),因為20世紀40年代計算機的誕生,人們展開了對應用計算機替代或者擴展人類相應腦力勞動的探索。阿蘭·圖靈創造了圖靈測試以評定計算機智能與否,并提出了計算機也能思維的觀念。其次,在人工智能形成階段(20世紀50年代～60年代),1956年,在美國達特茅斯學院召開了研討會,就通過機器模擬人類智能進行了探討,并由此提出了“人工智能”的概念,隨著專家系統等技術的提出,人工智能由萌芽階段邁入進第一次飛速發展。再次,在人工智能發展階段(20世紀70年代～90年代早期),20世紀70年代,人工智能由理論邁向應用,諸如知識工程、專家系統得到不斷推廣;20世紀80年代,人工智能領域掀起機器學習的研究熱潮,并收獲了顯著的研究成果[2]。最后,在人工智能成熟階段(20世紀90年代末以來),20世紀90年代末,研究人員針對深度學習展開了深入研究;進入21世紀實踐以來,人工智能不斷發展成熟,機器學習、深度學習成為人工智能研究的熱點,并在眾多行業領域得到推廣。而人工智能的功能運作要求通過運算方可獲取結果。在推理期間運算離不開龐大應用數據的支持,由此要求龐大的數據對算法模型開展針對性訓練,在這過程中,大數據技術發揮著至關重要的作用。

2 大數據技術

2.1 大數據

大數據指的是在相應時間內無法用常規方法對信息開展采集、捕捉及管理的數據集合,是需要借助其他處理手段方可有效提煉信息價值的資產。總的來說,大數據具有數據存儲量大、多樣性、高速性等特征,其中,數據存儲量大表明大數據的數據量十分龐大,如今在一些大型企業、專業工業計算機中的數據容量可達到EB級別;多樣性表明大數據既包含以往的結構化數據,還包含廣泛采用文件系統存儲的半結構化數據及非結構化數據;高速性則表明大數據要求數據分析處理應具備實時性。通常而言,大數據的處理流程主要可分為:數據采集與集成、數據分析及數據解釋。

2.2 大數據的關鍵技術

對于大數據的關鍵技術而言,主要包括數據采集技術,數據儲存技術,數據表示、檢索與訪問,數據應用與深層挖掘等,具體而言:(1)數據采集技術。數據采集技術是大數據技術實現各項功能的重要基礎,換言之,大數據技術要想實現對各項數據的有效處理,切實提升數據應用準確性,必須要得到數據采集技術所提供的有力數據支持。一般來說,大數據技術的數據采集主要通過管理系統、科學實驗、物理信息系統等系統進行實現,依托對該部分系統的整合應用,可實現對一系列數據的高效、全面采集,進而為大數據技術實際應用提供可靠的數據支撐。將數據采集技術應用于人工智能中,可支持人工智能設備對采集數據進行讀取,并開展好初步化分析工作,實現統計分析功能,進一步提升數據應用精準性[3]。(2)數據儲存技術。數據采集結束后,可通過數據存儲技術,以實現對龐大數據的統一存儲。因為大數據技術應用對數據提出了十分嚴格的要求,所以應設置相應的存儲空間以對海量數據進行存儲,同時要確保數據的安全性、穩定性。目前,常用的數據存儲技術主要可分為傳統結構化數據存儲、半結構化數據及非結構化數據存儲、結構化和非結構化混合數據存儲。對于人工智能設備而言,設備運行必須引入數據存儲技術,實現可靠的數據存儲功能。在人工智能終端上,相關人員通過數據調取操作,可實現對應用數據直接調取,以此不僅可提升人工智能運行效率,還可降低數據傳輸成本。(3)數據表示、檢索與訪問。如前文所述,大數據具有數據存儲量大、多樣性等特征。基于大數據技術支持,對于數據的獲取要在數據庫中通過關鍵詞檢索進行實踐,而由于檢索操作通常處在平行狀態下,這使得檢索結果可能會存在漏洞,難以滿足數據檢索需求。為此,通過引入HDFS系統,可實現隨訪訪問數據檢索功能,保障各項工作有序運行。(4)數據應用與深層挖掘。鑒于大數據的特征,還應對數據開展深層挖掘及分析。面對龐大數據,數據應用與深層挖掘可迅速挖掘數據,并在數據庫中獲取對應數據。在大型數據庫中,通過這一技術可保證獲取數據的準確性,依托深層挖掘分析功能,可有效降低數據應用風險,切實提升數據評定與選擇的科學性。

3 大數據技術在人工智能中的應用實踐

3.1 大數據技術在智能制造中的應用

隨著人工智能的不斷發展,智能制造應運而生,作為一項新的自動化生產技術,其指的是基于大數據技術對傳統制造中相應數據進行采集分析,進而利用人工智能實現對數據的整合應用。通常來說,智能制造主要可分為智能制造系統、智能制造技術兩大部分,其中,智能制造系統是智能制造得以運行的重要前提,智能制造技術則為智能制造發展提供了技術支持[4]。在制造實踐中,智能制造系統可實時進行數據處理,并依據相應數據進行決策,以此實踐生產活動的智能化進行。近年來,智能制造在制造領域得到廣泛推廣,并推動了制造業的長足發展,在這過程中,大數據技術發揮了至關重要的作用,為數據采集、數據處理、數據存儲等工作提供有力支持。比如,基于大數據技術制造企業對相關目標客戶群體開展分析,進而在進行市場營銷時保證廣告宣傳的準確性,提升營銷策略的針對性,最終促進收獲更為理想的營銷效果。

3.2 大數據技術在智能建筑中的應用

隨著社會經濟的不斷發展,各種先進科技不斷被引入至城市化發展中,其中大數據技術便在智能建筑中得到應用,為智能建筑發展提供了可靠技術支持。首先,面對近年來城市中不斷增多的高層建筑,如果采用以往的消防技術必然會帶來一系列不利影響,由于樓層較高,加之發生火災時無法使用電梯,這便很大程度上加大了消防工作的難度。而在如今的智能建筑中,這些問題均得到了有效解決,通過應用大數據技術可在高層建筑設計時在相應區域安裝消防噴淋頭,一旦發生火災,可保證及時實現滅火效果。并且消防噴淋頭還可實現攝像功能,通過對現場情況進行監控,為消防人員提供現場數據,進而實現對火災的有效防范。其次,還可將大數據技術應用于智能建筑中的溫度調節系統[5]。相關技術人員可通過智能技術對建筑的溫濕度進行調節,同時通過大數據技術可監測區域的人員情況,依托模型建立匹配,然后對數據信息開展分析,獲取室內溫度的最佳數值,對區域溫度開展調節,以此為居住者創造良好的居住環境,顯著提升人們的居住體驗。

3.3 大數據技術在智能醫療中的應用

隨著智能醫療的不斷發展,其應用逐漸擴展至診療活動的各個環節,以此不僅提升了診療、管理的質量效率,還可促進了區域醫療資源的優化整合,圖1為智能醫療中大數據的應用流程。以精準醫療為例,作為一項新型診療技術,精準醫療通過人類基因測序技術,依托大數據技術探究個體蛋白質組、基因組與相關疾病之間的聯系,精確定位相關疾病的發病機制,進一步獲得精準治療靶點,評估重大缺陷性疾病。和傳統治療手段相比,精準醫療既精確又高效便捷,并可極大減少對患者的創傷,對已確診和未確診的治療及防御均具備十分重要的臨床價值。現階段,精準醫療在腫瘤、遺傳病、婦科等領域得到廣泛推廣。

圖1 智能醫療中大數據的應用流程Fig.1 Application process of big data in smart healthcare

3.4 大數據技術在智能物流中的應用

智能物流指的是通過互聯網、物聯網及企業內部網絡對物流信息進行全面整合,進而全面提升物流運行效率。智能物流的實現有賴于各項先進技術的有力支持,包括人工智能、大數據技術、射頻識別技術等。比如,在對智能物流動態目標進行智能化監控過程中,首先要通過GPS技術對物流動態目標進行定位,然后借助GIS技術、通信技術開展數據通信處理,最后利用大數據技術對采集的動態數據開展分析處理,進而實現對物流動態目標的智能化監控。

4 結語

綜上所述,大數據技術是人工智能發展應用中不可或缺的技術支持,而積極探索大數據技術如何在人工智能中實現多元化應用,對進一步提升人工智能水平具有十分重要現實意義。為此,不同行業領域相關人員應不斷專研研究、總結經驗,提升對大數據技術及人工智能內涵特征的明確認識,充分發揮大數據技術在人工智能中的應用優勢,推進對大數據技術的科學合理應用,進一步推動人工智能的不斷發展,為現代社會發展進步貢獻一份力。