计算机通信技术与电子信息在人工智能领域的实践应用分析

崔天明

（长春大学旅游学院，吉林 长春 130607）

1 引言

随着计算机通信技术和电子信息技术的发展，网络信息传输、数据信息处理的速度也越来越快，由此推动人工智能技术的发展。将信息技术应用于人工智能中，可以有效提供人工智能产品的运行效率和准确性，人工智能技术也可应用于信息行业，两者相辅相成、互相促进。本文主要探讨电子信息技术与通信技术在人工智能中的应用。

2 计算机通信技术与电子信息技术概述

计算机通信技术具有多层网络结构，包含有多种线性信息、非线性信息等。通信信息技术被广泛应用于视觉图像、语音等人工智能领域。特别是对于数据信息量较大、数据模型较为复杂的情况，计算机通信技术能够利用并行运算，提升任务执行速度与性能。这种数据信息的标记、处理与存储，需要借助神经网络的不断学习，并通过数据前向传播、反向传播的迭代训练，才能得到相应的数据模型。所以融合神经网络的计算机通信技术，能够在数据信息不断深度学习的过程中，实现人工智能系统中数据信息的处理。

而电子信息技术是依托于互联网的信息传输手段，其包括电子科学、信息技术两方面内容。电子科学是以计算机硬件为载体的电子技术，而信息技术则是通过计算机硬件，来完成数据信息的发送与传输。随着网络集成电路、数据中心的快速发展，电子信息技术也开始向虚拟化、智能化的方向发展。当前电子信息数据中心能够完成各种数据信息的处理与存储，并可以将最终的数据结果传输至网络云计算平台。例如，当前谷歌利用电子科学的数据信息处理技术，从海量网络数据中提取出有用的计算信息，来实现人工智能的数据挖掘。因此通过计算机通信技术与电子信息技术的使用，能够在数据信息的深度学习过程中，提高计算机对有用信息的辨别度，从而将其应用于各种人工智能领域的信息处理中。

3 人工智能的发展概况及其主要特征

20世纪50年代，美国出现类似于“人工智能”的机器运算，其主要通过一系列具有规律性的计算代码，来完成计算机的模拟思考活动。这一阶段通过运用计算机中的符号演算过程，进行日常数学定理或其他内容的演算与推理。机器定理证明包括自然语言理解、程序验证、问题求解、自动程序设计等内容，计算机能够根据准确的程序设定，进行每个步骤的证明与求解。之后在20世纪80、90年代，机器学习逐渐成为独立的科学，搜索引擎技术的出现也推动着搜索引擎的发展。科学家爱德华·费根鲍姆在著作《人工智能手册》中，将机器学习分为示教学习、机械学习、归纳学习和类比学习等。其中归纳学习是人工智能技术的最重要部分，也是“人工智能”研究最为关注的问题。归纳学习包括符号主义学习、基于神经网络的连接主义学习两部分内容。从20世纪90年代至今，“人工智能”的统计与算法学习，逐渐取代其他低效的数据计算学习模式，成为人工智能计算的主要方式，并大大提升人工智能计算的效率。人工智能的数据运算与深度学习系统，是一种对网络中不断添加信息的学习，其能够通过模拟人大脑的思考活动，来完成更加智能化的数据处理与信息服务。

4 计算机通信技术与电子信息技术在人工智能领域的实践应用

4.1 计算机通信技术在人工智能领域的技术实现

人工智能技术是借助于神经网络的深度学习技术，通信技术融合神经网络，在经过数据信息集合的标注后，就能够对其中存在的数据，进行前向拟合与数理统计的学习。在计算机通信系统中会给定某些样本点，然后利用相应的拟合曲线，来表示样本点随自变量的变化关系。在人工智能的深度学习过程中，标注的样本点不仅仅是(x,y)点，还可以是其他由向量矩阵组成的任意点，而多个任意点会构成复杂的多层神经系统网络。但输入的数据之间并不存在相应的线性关系，多层神经系统网络会根据随意输入的数据信息，进行数据的前向传播、反向传播等的训练活动。多层神经网络在深度学习过程中，能够根据传输的数据质量进行自动优化。当前主流多层神经网络框架，主要包含moa、PyTorch、TensorFlow、neon、theano等，其中TensorFlow、neon等神经网络架构，为Google和ARM公司的开源深度学习框架。TensorFlow摆脱了单个GPU的数据运算与处理，通过多个GPU卡与C++接口的分布式连接，来完成庞大运算数据的并行处理。

因此通信技术中的并行计算，与非关系型数据库（NoSQL）、数据流图、内存等计算进行结合，能够实现分布式系统多个层级与节点的模型构建。在多层神经网络中，用户不需要了解系统的结构模型，只需要根据不断的神经网络学习，就能够针对现有数据做出推理。而且随着数据处理设备、内存等硬件性能的大幅度提升，其不仅能够运用多种优化算法，完成海量数据的高效率运算，而且能够有效保障数据运算的前后一致性，保证节点出现故障后的读写，以及在数据发生容错问题后进行主动分区。在利用多个GPU卡进行数据并行计算的过程中，主要通过网络中数据信息的连接，来实现不同区域、不同模型中不同批次数据的并行计算。同一层级中的数据可以在不同GPU卡上进行处理，以此来缩短各个层级中的数据处理时长。多层神经网络框架的数据并行计算模式如图1所示。

以当前人工智能软件Agent为例，Agent技术主要通过利用分布式客户/服务器计算模型，进行人工智能系统中的多种任务交互与控制。Agent技术具有信息或服务内容的搜集、各信息处理层级的并行协作的能力，以及分布式系统的交互仿真能力。在使用Agent技术进行分布式交互仿真环境的开发过程中，首先其能够对现有的需求或服务信息进行搜集，并对发布重点信息或用户信息需求进行注册。然后可以通过Agent技术进行数据工作流的开发，并将相应的工作计划传达至各个工作站，再根据工作站中反馈回来的数据进行搜集管理。而且Agent技术能够模拟各种交互式的仿真环境，通过各种传感器元器件的搭配使用，带给用户逼真的虚拟交互体验。因此Agent技术作为分布式系统中的数据计算实体，其能够对现有数据任务进行协作处理、任务监控与信息管理等工作，并通过局域网将查询或处理后的数据信息，上传至云计算平台或用户数据终端，以缩短用户数据信息查询或其他服务的获取时间。通过Agent技术在人工智能平台中的运用，能够提升数据或其他网络运算的信息处理效率，并有效减少网络传输中的拥堵问题。基于Agent技术的数据信息或服务处理架构如图2所示。

图1 多层神经网络框架的数据并行计算

图2 基于Agent技术的数据信息或服务处理架构

4.2 计算机通信技术在人工智能领域的实践应用案例

当前计算机通信技术，已经在商业、医疗保健、教育、智能驾驶等领域得到广泛应用。由于人工智能系统中连接的智能设备较多，因此不能够使用传统数据库范式进行不同场景的设置。当前主要通过NoSQL，进行系统中数据流信息的实时处理。其中，NoSQL数据库中的Hadoop平台，能够对不断发生变化的数据信息，进行数据的检索、存储与统计。以智能交通系统为例，智能交通系统是具有广阔外部空间环境的系统。智能交通系统中的智能传感器，为车前方固定感知前方道路的摄像头，摄像头能够将汽车的行驶状况拍摄为视频，并上传至NoSQL数据库中的Hadoop平台。人工智能平台再根据当前用户的使用场景，制定出符合用户需要的算法解决方案或智能模型，对视频或图片中的人物进行识别，以达到行车过程中避让行人的目的。

4.3 电子信息技术在人工智能领域的实践应用

电子信息技术主要包括电子科学、信息技术两方面内容，电子信息技术在人工智能领域的实践应用，存在着软件、硬件两方面应用。首先从电子信息技术硬件方面来看，随着高精度与高集成度电路的发展，电子元器件的组织结构与体积不断缩小，且被广泛应用到各个人工智能领域。特别在嵌入式电子信息产品领域，某些处理器已经发展到20nm、10nm的大小级别，这大大推动了人工智能领域中数据信息处理能力的提高。在低功耗高性能电子元器件的支持下，能够通过多GPU卡与C++接口的分布式连接，实现人工智能系统中海量数据信息的处理与服务提供。当前在高校教育教学、网络通信、机械制造等领域，已经可以通过电子信息技术的应用，进行数据采集、解析与存储，而且能够对其中存在的数据容错、冗余问题进行处理。以学校多媒体教学与监控系统为例，当前学校借助多种电子信息设备，能够完成网络教育教学与监控系统的构建。教师可以通过电子信息设备中的传感器，获取到教学过程中的图像或语音内容，并对其中存在的异常情况进行识别与处理。而这一整套人工智能系统的构建，需要多个电子信息设备的连接进行构建，还需要通过数据处理平台，进行图像或语音内容的识别分析，并将最终的处理结果返回到用户客户端。

其次从电子信息技术软件方面来看，主要通过对不同软件的编程，完成不同人工智能领域硬件的自动化控制。当前电子信息技术软件，已经在机械制造、数控机床、网络图书馆等的构建中，得到广泛的应用。以智能化网络图书馆为例，很多高校构建了智能化的信息处理系统，学生在登录到高校网络图书馆后，就能够根据自身对图书的借阅需要，通过语音或鼠标操作来完成借阅活动。在这一图书借阅过程中，电子信息技术软件能够根据用户指示，完成数据库中信息的检索、显示与下载，并大大提升整个图书馆信息处理的自动化与智能化。除此之外，电子信息技术软件还在人工智能家居系统中得到广泛应用，用户可以在同一网络环境下，对连接的人工智能设备进行控制。

5 人工智能发展方向

未来人工智能技术的发展，主要朝着更加智能化、交互化与服务化的方向发展。人工智能设备中存在有多个语音、图像与距离传感元件，其能够对周围空间中的语言、光线、距离、色彩等进行感知，并根据不同的数据信息作出实时反馈。用户可以利用智能设备中的计算软件，进行人工智能产品的连接，并通过相应的指令控制，来实现计算机对人类思维与意识活动的模仿。例如，各个人工智能服务厂商不仅开发出具有语音识别能力、图像识别能力的软件设备，而且设计出一系列与“人工智能”配套的智能芯片、穿戴设备等。人工智能技术可以实现智能手机、电脑、电视等的连接，还能够通过各种硬件设备的人工智能芯片，进行其他多终端的网络接入与信息传输，从而提升人工智能系统中数据处理与信息服务的自动化水平。