大数据环境下人工智能计算技术

李晨阳

摘要 文章主要针对当前的大数据分析中计算智能研究现状以及展望进行分析，首先分析了大数据背景下人工智能计算研究的必要性，其次对大数据环境下智能计算技术类型进行研究，从中发现计算智能研究的现状以及发展前景，最后提出几点促进计算智能研究发展的有效措施，主要目的是提高计算智能发展，顺应大数据发展要求。

[关键词]大数据 人工智能 遗传算法 人工神经网络

1 大数据环境下人工智能计算技术类型

1.1 人工神经网络

对于人工神经网络技术，其主要结合人脑组织结构以及人脑组织运行机制等为基础，进行模拟结构与新闻给，是当前发展比较成熟的智能计算技术。其最初提出主要在20世纪40年代初期，由数学家Pitts与心理学家McCui-loch提出，建立第一个人工神经网络技术数学模型，为神经科学理论的发展奠定基础。

人工神经网络技术中，主要核心为神经元，其属于神经系统的基本组成单位，同时在人体中担任信息传递的职能。结合神经生物学家对神经的研究，发現人体大脑中包含神经元1010-1011个。不同的神经元都包含细胞体、连接轴突，同时还包含一些比较短的分支（树突组成）。轴突的主要功能是帮助大脑将神经元的兴奋信号输出到别的神经元在中，能够通过末端神经末梢将兴奋传达到人体的多个神经元中。对于树突组成的作用，其主要是对传输的信息进行简单处理，比如加权求和，将所有的输入信号进行全面考虑研究，提高对信号的重视程度，将信号全部体现在权值上，呈现出不同的信号信息。将属兔与其他神经元的神经末梢进行连接，神经元将会出现变化，这种变化被称之为突触。

人工神经网络技术的知识存储空间非常大，可以囊括众多数据信息。利用神经网络，将其中的知识与信息存储进行处理，划分为神经元分布式物理联系，这些知识分散在不断的存储空间中，贯穿于整个人工神经网络的全部，与每条神经网络线路都紧密契合。神经元与其连线会将部分信息传递到线路中，但是却不是完整信息。必须利用适当的方式，比如神经元分布式综合处理，将其中的特定概念与信息知识展现出来。人工神经网络这一特点，为其在实际应用中提供了很多帮助。其结构特点与分布式信息特点，体现出突出的健壮性优势。因为生物神经网络是一个整体，其不会因为个别神经的损失信息就会全部丢失，即使一些神经信息丢失，但是依然不会影响整体工作，也不会模糊记忆。人体的大脑如果只是受到轻微的损伤，其对于事物的印象以及知识的掌握是不会出现任何变化的，人工神经网络亦是如此。人工神经网络因为个别原因，导致网络中的硬件部分受到损伤，但是整个网络体系却不会停止工作。这个优势为人工神经网络发展带来更多优势。

1.2 遗传算法

遗传算法也是智能计算技术中的一种，遗传算法主要是以生物进化论为基础，是一种随机搜索以及优化处理的技术。这方面的技术特点主要是结合群体搜搜索，提高随机搜索的高效性，帮助个体之间将搜索到的消息进行交换，当然信息搜索并不依赖于梯度信息模式。该技术主要是20世纪70年代初期，美国教授Holland发起。经过不断的发展与完善，遗传算法也在不断进步，形成规划框架，将遗传算法进行进化处理，为人工智能提供更多计算服务。当前的遗传算法应用范围也在不断延伸。特别是交通路径选择、作业调度以及设备布置等方面。因为其本身能够将复杂的问题优化求解，所以在工业领域应用十分广泛，取得了非常显著的计算处理效果。

对于遗传算法来讲，其本身是搜索问题的主要算法形式，首先会将需要计算的结构组合成候选解，其次是对其中存在的适应性条件进行计算测量，一一对应计算与候选解之间的契合度，再次是对其中适当的候选解进行操作，及时处理之后生成全新的候选解.最后是将保留的候选解进行处理。结合上述几个步骤，对遗传算法中的方式进行特殊组合，积极实施交换操作与突变操作，并且操作类型必须带有选择性与猜测性。具体组合方式的运营，需要将遗传算法与正常其他算法类型有效区分。

遗传算法的主要特征包含以下几点：

（1）遗传算法在计算期间会形成数字串集，从问题分析角度出发开始对串集进行搜索，同时注重从整体出发，并非单个问题解。遗传算法在这一方面的优势非常明显，将传统优化算法中的单个初始值计算进行转变，整体计算分析。将搜索范围覆盖整个问题体系，实现全局的收敛优解。

（2）遗传算法的搜索都是从整体出发，相比较传统在搜索算法中的单点搜索，节省更多搜索时间，同时将从局部延伸到整体。利用问题中的处理群体为基础，对空间进行逐个搜多，实现搜索与评估同体，降低问题处理的风险，并且真正时间问题计算处理的并行化。

1.3 大数据时代

对于大数据发展的定位包含很多，从狭义上分析，大数据其形态不能装载到计算机中存储器中，数据形式更具自由性。当然这方面的定义属于非正式定义，但是却将大数据内涵直白的展现出来，一些数据集非常大，是电脑不能装载的系统。还有一种大数据观点，将大数据比喻为数据集台，是可容忍时间之内无法上传到IT技术中的数据信息模式。大数据其特点非常多，同时发展延伸速度也十分迅速，从最初的3V到后期的4V模型，体积、速度、虚拟化、多样性、变化性等都在不断升级。结合这些特点为基础，将大数据时代进行调整，尤其是其中的智能分析以及系统调整，将人类与计算机世界之间的连接关系变得更加紧密。当前大数据发展速度不断上升，其中存在的问题也备受学术界与产业界关注，这些问题十分具有挑战性，所以限制了大数据发展模式的优化。大数据在采集、传输以及各种技术的应用等方面主要技术形式便是大数据处理技术，大数据处理技术属于一项区别与传统的工具类型，其本身具备结构化、半结构化等数据形态，同时也可以对数据信息进行预测性的处理。正因为大数据处理技术的优势，其发展延伸迅速明显，很多企业不断应用大数据处理技术。 大数据发展环境下，其逐渐成为科学技术研究以及学术界、产业界关注的焦点。当前很多智能计算技术都是以大数据为依托，很多技术应用行业非常广泛。从最初的大规模数据库处理技术，到后期的商业智能数据处理以及数据挖掘技术等在企业中的应用，将大数据发展推向更大的发展平台。大数据发展中搜索引擎技术到后期的推荐系统等，不断延伸到语音识别技术中，同时也优化了机器翻译。大数据计算方法的调整与升级，在工程设备设计与建筑等方面应用广泛，随着设计领域的不断扩展，开始出现并行计算、云计算等计算方法。但是因为大数据计算，很多数据特点复杂并且属于高纬度形态，加上数据多变，所以需要从杂乱无章的数据中不断整理与优化，寻找社会发展感兴趣的数据信息，这方面要求大数据技术还需要不断优化，积极发展更高级的智能计算机理论以及相关处理技术。

2 以大数据力理论为基础人工智能计算技术运用方案

2.1 选择科学的智能计算管理思路

随着我国步入信息化时代，计算机技术与互联网技术得到了全面的普及，这也为大数据时代的到来创建了良好的条件。在大数据环境中，企业应结合实际需求创建全新的智能管理思路与观点。企业主要属于以使用数据为基咄对各种企业事务进行处理的专业单位，需要对数据进行较为科学合理的分析与研究，并利用数据分析结果为企业的经济活动管理提高良好的参考依据。在智能计算技术收集期间，企业通常会获得来自各方面的数据系统的数据信息资料，这也是的信息数据差异性形成的主要原因。

通常情况下，在各种智能系统中，数据的来源具有较大的差距，数据的标准也有着极大的不同，数据库运用的体系的差距的优化会得出不同的结果，这种结果的差异性也被称之为数据信息的先天性差异，属于不可避免的误差问题。由于现阶段我国企业数量相对较多，各企业内部各种活动与业务也具有较强的复杂性，统计人员自身专业能力也有着较大的差距，这些因素在一定程度上导致不用途径来源的数据信息存在较大差距。企业需要根据自身的智能计算技术创建良好的分析数据模型与完善的管理体系，并对各种数据信息进行科学的分析与研究，获得相对较为正确的结果，其中在以该结果为基础，对企业实际运营期间存在的不足与问题制定较为完善的解决方法，真正促进企业各业务活动的顺利实施，为企业经济效益的发展奠定良好的基础。

2.2 积极建设智能化信息管理体系

大数据发展环境下，将很多技术融入到企业中，同时对企业带来智能化的要求，企业需要不断调整系统模式，积极引进先进的智能计算技术，注重对数据资源的有效利用，掌握住关键信息。提高數据资源的收集，注重大数据平台模式的构建，及时了解市场发展讯息，以智能计算技术为手段收集信息，组成信息数据库，将数据信息进行归类处理，保证信息标准的统一，增强信息数据实用性，处理规范性，同时保证数据管理的准确性与严格性。针对智能计算机技术及时展开数据专业处理。企业选择适当的智能计算分析软件，积极构建数据分析专业模型，保证数据信息处理的细致科学，提高分析结果的专业性。对于智能计算技术下分数据分析结果，还要保证能够很好的应用到企业中。特别是企业获得信息结论之后，以结论为出发点，与企业发展相结合，调整企业发展结果，及时对相关数据业务进行整合处理，这种情况下，企业计算机基础能够获得更进一步的发展，企业在市场竞争中的实力也会得到提升，为企业扩大发展奠定基础。

2.3 创建共享、兼容信息数据库

在大数据环境中，企业为了促进人工智能计算技术管理的真正落实，需要从两方面入手创建完善的共享、兼容智能数据库。首先，企业需要根据实际需求在内部创建财务共享数据库。在其实际创建过程中，企业管理人员需要对各使用人员的权限进行科学的明确，充分实现针对性较强的权限数据库的创建，并逐渐形成企业内部的智能计算数据库，促进相关数据信息在企业内部的共享。其次，企业需要强化内部数据库的监管力度。通常情况下，企业数据库需要较为完善且有力的监督与管理。因此企业相关部门需要提高对于数据的监管力度，其中可利用计算机技术中的图像识别以及语言识别功能等对企业内部数据库犯罪方面进行较为严格的打击。充分促进企业信息数据库作用的全面发挥。

3 结束语

综上所述，对于大数据时代下，人工智能计算技术促进社会发展的重要产物，同时也是企业发展中的主要动力。将智能计算技术应用到企业中，帮助企业提升数据处理与形式分析的准确性，同时减少相关工作人员在数据处理方面的工作量，帮助企业提升整体经营运行效率。协助企业建立完善的数据收集、处理、分析等系统，保证数据分析的准确性。结合当前技术发展为基础，对操作情况以及企业的经济情况展开处理，不断提高智能计算技术的使用效率，为企业获取更多经营效益。

参考文献

[1]郭平，王可，罗阿理等，大数据分析中的计算智能研究现状与展望[J]，软件学报，2015， 26 （11）： 3010-3025.

[2]王鹏，张利，大数据处理系统的研究进展与展望[J].高技术通讯，2015， 25 （08）： 793-801.

[3]彭涛，孙连英，刘畅等.大数据时代的智能计算技术[J]，科技广场，2016（03）：4—10.

[4]张劳模，王君，基于大数据理论的智能计算技术研究及应用[J].数字通信世界，2016 （10）.

[5]宋维静，刘鹏，王力哲等，遥感大数据的智能处理：现状与挑战[J]，工程研究一跨学科视野中的工程，2014 （03）： 259-265.

[6]马小平，代伟，大数据技术在煤炭工业中的研究现状与应用展望[J]，工矿自动化，2018（01）.

[7]刘志卓.探究大数据技术在指挥信息系统中的应用与发展[J].科技传播，2017，9 （22）.

[8]冯国瑞，王亮，基于大数据和云计算的电网财务系统决策研究[J].通信电源技术，2017， 34 （01）：113-115.

[9]梁吉业，钱宇华，李德玉等，面向大数据的粒计算理论与方法研究进展[J].大数据，2016，2 （04）：13-23.