劉知云
(蘇州旅游與財經高等職業技術學校,江蘇 蘇州 215000)
隨著我國科學技術的不斷發展,計算智能與人工智能成為人們關注的重點。尤其在確定物聯網概念后,人工與計算智能為物聯網技術的發展提供了先決條件及堅實的基礎。各行各業都離不開網絡,無論是人們的工作還是生活都需要網絡信息的支持。因此,分析人工智能與計算智能在物聯網方面的應用問題重要且必要。
人工智能主要是模擬人類智能的技術與方法,借助人工智能相關理論并對其進行拓展,形成計算機技術創新路徑。在人工智能領域,目前相關人員研究的項目主要分為語言識別、機器人、圖像識別、自然語言處理、相關專家系統等,具備一定的創新性。隨著人工智能的不斷發展,未來基于人工智能的產品,可以結合相關技術模擬人類思想和意識,甚至可能具備自主意識。目前,人工智能的主要研究目標是通過機器完成人類難以實踐的復雜項目,這對研發人員的計算機能力要求較高,因此需重視對研發人員的篩選和能力培養[1]。
計算智能與人工智能不同,目前沒有統一的定義,美國研究學者給出的定義是:對一個系統而言,如果其對數值及數據的處理僅僅處于底層,那么其含有的具體模式識別部件就不會利用人工智能的相關知識。同時由于計算智能具有計算適應性,其基本的容錯率基本接近人的計算速度和誤差率[2]。數據計算智能的范圍是計算智能的基本內容之一。從學科角度分析,在模糊系統和進化計算系統中,計算智能在具備堅實基礎的情況下形成了統一的學科概念。另外,神經網絡構建也需要包括在其中。神經網絡構建是指模擬人類大腦神經的一種智能結構,對人工神經元進行互聯,能構造出模擬生物系統的智能機理[3]。
在商業生產及科研實驗中,利用物聯網技術,結合計算機設備與傳感設備,優化生產過程,提高生產效率。物聯網還能控制機械,提升生產科研的智能化水平。此外,這項技術還有利于科研創新。例如,在建筑工程的施工過程中,工程師能夠利用三維圖像構建的方式掃描施工區域,規劃施工圖紙并進行完善,讓設計方案更符合實際情況。物聯網技術利用網絡控制具體物品,在信息收集技術的支持下,將信息及數據上傳到數據處理平臺,完成對大數據的預測和計算,提高數據處理效率。人工智能與計算智能在物聯網中的應用能減少人為因素的干擾,尤其對一些精密的科研實驗而言,人為因素的過多干預可能導致失敗,人工智能與計算智能加持的物聯網可有效地解決這一問題[4]。
物聯網技術的主要優勢在于通過互聯網合理調控物品。因此,人工智能與計算智能在物聯網方面的應用能夠實現機器的遠程控制,促進城市發展,改善居民生活,提升問題處理效率。近年來,很多機械系統及家電都具備了智能化特點,群眾可以通過互聯網和手機控制家電,這不僅提高了物聯網的管理水平,也提升了人們的工作效率[5]。
3.1.1 智能駕駛技術
人工智能在物聯網方面的實際應用主要體現在智能駕駛技術方面。智能駕駛主要是指人工智能駕駛。智能駕駛技術的優勢是在原有線控汽車的基礎上加裝激光測距儀、毫米波雷達、視覺攝像頭等,同時安裝V2X 設備、Mobileye 等環境感知傳感器,以帶RTK的衛星導航為基礎,搭配高性能的計算平臺,能夠將決策的運動控制指令直接下發到車輛的CAN總線上,從而在較為復雜的路況場景下實現對車輛的智能駕駛控制,減少人工干預并節省人力。智能駕駛技術應用的具體基礎構成如圖1所示。

圖1 智能駕駛技術應用的具體基礎構成
作為智能駕駛技術的運算大腦,計算平臺主要包括 SLAM 的 ESKF,EKF,UKF 等濾波算法、多傳感器融合算法、狀態機、馬爾可夫等決策算法以及A * ,D * ,RRT 等路徑規劃算法。智能駕駛技術體現了人工智能在物聯網中的應用實踐情況,智能駕駛中涉及的降維、分類、回歸等機器學習算法以及圖像視覺處理中圖像檢測、圖像分割都對處理器計算能力有較高要求。相對于普通處理器而言,人工智能處理器的運算量較大,能實現海量的數據處理,為智能駕駛技術在現實中的進一步發展打下堅實的基礎。因此,在智能駕駛的技術應用中,傳感器、測距器、機械設備等都能夠了解周圍的路況,與智能地圖結合實現智能化的導航以及交通。
3.1.2 視網膜屏幕技術
雖然大眾可能對視網膜屏幕技術較為陌生或認為視網膜屏幕技術的存在不具備實際意義,但從發展的角度看,視網膜屏幕技術勢必會得到普及,這與人工智能在物聯網方面的實際應用存在一定關系。該技術的應用主要是結合超高像素密度的液晶屏壓縮分辨率,實現與現實的趨同。在具體的目標要求下,視網膜屏幕技術可實現每英寸 326 像素,大幅度超過了人眼的識別能力。如今視網膜屏幕技術的發展還處于初級階段,相關人員必須重視人工智能技術在物聯網技術中的應用問題并進行合理研究。
3.2.1 數據挖掘
計算智能在物聯網中的應用體現在數據挖掘技術方面。該技術主要是通過計算智能的數據挖掘功能實現智能計算模塊與數據庫的通信。在物聯網應用數據挖掘技術能結合遺傳模糊神經網絡的計算能力和相關規則存儲相關數據。隨著科學技術的不斷發展,各行各業都需要存儲信息數據,如果不能進行合理的應用就會導致一系列問題。因此,對計算智能的應用能通過數據挖掘完成具體工作,具有一定的創新性[6]。
3.2.2 提取服務
提取服務主要包括兩方面功能:首先是命令生成功能;其次是節點管理功能。從提取服務的第一個子功能來看,命令生成主要負責控制傳感器的動作并生成命令。在物聯網中,設備動作可以受到具體控制。而節點管理主要是在傳感節點與信息的基礎上控制所有子節點,從而發揮對節點的管理作用。例如在一些與民生相關的設備工作中,如果設備出現了故障,相關人員可以利用提取服務的功能檢測傳感器,以最快的速度向用戶反饋相關問題。
3.2.3 命令分類
命令分類的技術在實際應用中,主要由用戶通過終端設備提出命令,之后利用ICM 的標準化處理,匹配數據庫中的數據信息。通過匹配數據信息能夠結合模糊神經網絡來實施具體計算行為,并進行結果匹配。在遺傳算法的應用期間,可以結合長度不一的編碼串簡化描述問題,體現計算智能的優勢。
雖然物聯網技術為現代化發展做出了重大貢獻,改善了群眾的生活,提升了生產技術和設計水平,然而在物聯網中實現對人工智能技術的應用仍有較大困難。人工智能主要通過單片機進行控制,通過傳感器操控機械。但目前的科研技術無法挖掘人工智能的所有潛能,同時需要成本較高。智能技術與現實的基本條件不符,制約了人工智能在物聯網技術中的應用。各個科研領域需要協調發展,提高信息收集能力,同時發揮單片機的控制作用,讓人工智能真正在物聯網技術中得到應用,實現物品的智能化。
目前,智能化技術的范圍還不能應對所有情況,導致數據處理無法短時間內完成。計算智能設備也只能完成一些固定的工作任務,不能滿足很多新型技術對物聯網技術的需求。只有針對各種環境做出相應的處理方案,才能更好地解決問題。所以,相關人員必須不斷更新系統數據庫,結合實際情況,與時俱進,實現計算智能與物聯網的共同發展。
4.3.1 充分結合物聯網與智能化的優勢
為了進一步創新應用,相關人員必須充分結合物聯網與智能化的優勢。物聯網的優勢在于通過互聯網信息化管理物品,而智能化則利用數據處理模型來解決問題。從這個角度看,無論是人工智能還是計算智能,在物聯網方面的應用都必須以物聯網為基礎,將智能化技術作為具體的處理手段,促進實現物聯網的不斷升級。智能化數據處理能力的提升可以更好地計算數據信息,同時不斷加快互聯網對物品的控制速度,互聯網通過互感器控制工作中的物品,完成用戶下達的相應指令。將二者的優勢結合能較大程度地提升用戶工作的效率,滿足物聯網對工作效率的要求。在人工智能不斷成熟的情況下,需要利用人工智能實現功能多樣化,通過互聯網工具與控制設備實現遠程控制連接,在下達命令的同時提取計算模型,借助網絡工具提升物聯網的具體控制能力。
4.3.2 持續提升信息與數據處理的能力
從物聯網的發展水平來看,科學技術不斷朝智能化方向發展。因此,必須持續提升信息與數據處理能力,保留物聯網原有的核心技術,以人工智能為具體載體,以計算智能為信息處理工具,實現物品的互通連接。為了提高服務效率,物聯網需要建立用戶端口,不斷提高信息收集和處理效率。針對這種情況,相關人員需要拓展用戶端口,針對性地開展相關工作,借助人工智能的傳感能力,及時、有效地促進目標任務的實現。從技術角度來看,用戶端輸入語音或文字后,相關系統通過工作命令及云端數據平臺智能匹配具體的計算模型,利用控制傳感器快速解決問題。
4.3.3 優化程序編寫及提出命令的方式
優化程序編寫及提出命令的方式十分重要,因為人工智能在物聯網中的應用主要通過程序編寫的方式實現。人工智能和計算智能對物聯網的影響主要體現在通過實現物品自主化完成相應任務的方面,提高物聯網系統的管理效率。在現實中,為了實現智能化的生活管理,相關人員只有優化程序編寫及提出命令的方式,才能更好地利用專業的控制終端,為群眾提供便利。
人工智能與計算智能在物聯網方面的應用不僅可以優化生產過程和創新科研技術,還是提升工程應用科學化水平的重要工具,也是現如今我國科學技術水平提高的一個見證。為使現有技術滿足不斷發展的實際需求,相關人員必須充分結合物聯網與智能化的優勢,持續提升信息與數據處理的能力以及優化智能程序的編寫,為新時代的進步貢獻一份力量。