计算机通信技术在人工智能领域的有效应用

2020-12-20文虎程

通信电源技术 2020年3期

文虎程

（湖北科技学院计算机科学与技术学院，湖北咸宁 437100）

1 人工智能简介和发展

1.1 人工智能的概述

从含义上，可以对人工智能进行三个维度剖析。第一，能够在思维上对人类进行模仿。通过从数据源处获得的信息来模仿人类思维，主要实现依据为逻辑规则，在实际中被广泛提及的机器学习就是体现此种含义。第二，它能够对人类大脑结构进行模拟。从科学上看细胞由神经组成，人工智能的目标是让机器向人脑靠近，因此需要对人的神经网络进行研究，以算法学习的形式达到目的，在实践中的感知机模型即为这一概念的运用。第三，对人类具体行为展开模仿。人工智能拥有自我学习的能力，它会自行模仿行为、体会周遭变化来自我进化，具有强大的适应性，如生物智能算法。这3个维度可以看作是其发展过程，以思维为开端，再到具体的结构，最后到结合环境的自我适应，也从侧面反映出未来人工智能领域的走向。

人工智能具备五大特殊性：第一，不被媒介范围局限，能够跨平台及媒体完成信息搜集工作[1]；第二，大数据是其技术根本，强大的数据获取、储存和计算分析等过程都需要计算机通信技术来完成，尤其是常说到的云计算等技术；第三，能够自主完成学习，之所以被称作是人工智能是由于其对人类的模仿，包含学习和思维层面，只要给其拟好规则即可自行学习如何分析及处理问题；第四，人机同步的仿生能力；第五，能够有效运用语言，包括理解规则和内涵、基础对话、畅通交流等。

1.2 人工智能发展方向

顾名思义，我们对人工智能的追求一直都以智能化为主体，还需要兼顾交互与服务。通常设备中会有大量传感原件，由此产生的语言和图像等信息能够让其更好地对周遭环境进行判断，同时依据所获取的信息做出合理反映。设备中的计算软件可以帮助用户实现产品与产品间的连通，对其给予既定指令来完成及其对人类从思维层面到行动层面的模仿。例如，除了最基本的语音、图像鉴别等，目前各个厂商还致力于开发与其搭配的芯片等。在媒介方面其可以对移动端、PC端和电视等进行连接，通过芯片来完成信息接入和传输的工作，极大地提升数据采集、分析梳理及自动信息服务的水平。

2 计算机通信技术概述

在人工智能领域可以将计算机通信技术看做基础部分，它能够获取及识别线性或非线性的数据及信息，适用于人工智能开发。例如，当需要对视觉图像进行智能化获取、识别语音及反馈时可以将其运用，特别是对海量数据、复杂数据进行处理加工时，计算机通信技术能够展现其优势性，保障工作速度及质量。在计算机通信技术发展过程中，人工智能对其的运用也在发展，常需要用到其对数据标记和处理的能力，结合神经网络模拟形成数据模型[2]。

3 计算机通信技术在人工智能领域的实践应用

3.1 计算机通信技术在人工智能领域的技术实现

人工智能领域不断对深度学习开展研究，这项技术需要通过神经网络相关搭建才能够完成，在配以计算机通信技术，先对所采集的大量信息进行标记，而后实现相关数据分析处理，完成有关向前拟合、数理统计等学习。

具体地，我们会在计算机通信系统里选择部分样本点，以其为基础获得所需要的拟合曲线，以此在图形上体现因自变量改变、样本点会如何变化。通常，在对人工智能的深度学习进行研究过程中，传统的（X,Y）样本点也许不能够完全满足我们的需求，还可以考虑纳入向量矩阵元素，以此标记任意所需点，通过多维度的取点能够让所有样本点模拟成复杂而切合实际的多层神经系统网络，尤其需要注意的是：线性关系并不存在于我们所选取及输入的数据与数据之间，此种系统是以随机录入的数据为基础，在后续展开前向或后向的不定方向传播，以此实现训练的目的。此外，在进行深度学习时还会自动依据系统中流动的数据进行质量上的优化，目前已经在实践中运用研究的框架主要包含TensorFlow、moa、neon、theano等，著名的Google和ARM公司就运用前两者神经网络结构来搭建本公司的开源深度学习体系。TensorFlow结构先进性体现在不会被单独GPU的数据计算及分析所局限，它采取不止一个GPU卡及C++接口，搭建分布式连接模式，能够在数据量极大的情况下做到并行处理数据。所以在计算机通信技术里实现的并行处理并不是单独存在，通常会和其他模块进行有机结合。例如，NoSQL、内存等计算，较好地在分布式系统中完成对不同层级、节点进行模型搭建。

多层神经网络系统与其他模式相比较对用户较为友好，因为它不需要使用者充分理解其底层结构，其自身会开展自我学习以优化网络系统，还会对目前存在的数据开展分析推理，同时在设备、内存等硬件水平的提升过程中，一方面保障系统所运用的算法形式逐渐优化，在对大量信息进行采集和处理时实现高效操作，另一方面在质量结果层面也有所保障，也就是计算前后需要保持一致，甚至当部分节点出现问题时还能够继续向后读写、针对容错问题产生的场景做到主动分区。

前段提及的并行处理模式要求使用不止一个GPU卡，在此过程中主要依据在系统中不同数据的联结，达到跨区域、跨模型、跨数据的并行运作。所处相同层级的数据也能够处于不同GPU，此种情况能够有效缩短每个层级里所承载的数据需要的处理时间，极大地提高运作效率。举例Agent的实践运用在加以说明，它所采取的技术是分布式模型，以此模型做到对整个系统中共存的不同工作任务进行交互、把控。Agent技术拥有对信息采集的能力，还能够做到对不同信息的不同处理层级开展并行处理运作，同时还具备分布式模式的仿真交互性能。实际运用Agent技术开展分布式交互仿真情况的探究时，第一步要求做到准确迅速收集所需要的服务及数据，再来完成注册，主要针对的是关键数据或重点用户信息需求，然后Agent技术再被运用于系统工作流研究，将处理输出的不同工作计划顺利传递给不同的工作站，工作站会及时对获取的信息进行再反馈，通过反馈的数据进行下一步收集整理，其可以带来极具真实的模拟场景，利用精密的传感器件给用户以强交互感。另外，它对存在的任务还具备协作、实施监控、管理把控等功能，在以局域网为载体上传经过准确清洗分析后的信息至终端处。此项功能能够大大减少用户在数据查询等相关服务上所花费的时间。将Agent技术纳入人工智能领域并广泛实施应用优势甚多，最核心的是能够显著提升效率，尤其是针对数据计算等信息处理服务，同时因其特殊的机制设置在一定程度上可以解决常见的网络传输拥堵状况，实现畅通使用。

3.2 计算机通信技术在人工智能领域的实践应用案例

环顾现代社会中各领域的发展现状，四处都可以看到计算机通信技术的身影，如教育、交通、医疗、商业等领域都已经深受其益处。在人工智能领域中对系统的链接注重设备齐全，所以在此情况下传统的数据库范式也许无法满足各个场景设置的需求，从现有应用情况来看，NoSQL是最常被提及的，以做到实时处理数据流，较好完成收集分析任务。

举例智能交通系统的实践运用加以说明：智能交通系统从定义上来看是包含广泛外部空间环境领域的整体系统，在此系统中起到智能传感器的作用的是摄像头。通常，该智能传感器会被放置于行车前部，以及时感知前方道路的情况。智能传感器摄像头除了感知之外也可以将所识别的影像输出为视频，同时储存于NoSQL数据库中的Hadoop平台。该平台会实时依据所获取的视频场景情况来科学规划符合该用户需求的算法模式，以寻求匹配的解决方案。同时无论是图片还是视频，都可以对其中的人物展开识别，这也是该系统能够做到及时避开行车过程中的行人的原理。