大数据环境下人工智能的创新

程琳

摘 要：进入21世纪以后，人类开始深入研究新技术环境，例如人工智能的全面深入研究及普及。而在近些年来，随着互联网信息时代的快速发展，大数据技术环境应运而生，它更在某种程度上丰富了人工智能研究应用领域，实现了人工智能技术的多元化创新过程。本文就思考了大数据技术环境与人工智能之间的密切关系，并简要谈谈在大数据技术环境下各种人工智能的创新过程。

关键词：大数据技术 人工智能 关系 技术创新

中图分类号：TN929.5 文献标识码：A 文章编号：1003-9082（2018）08-00-01

大数据技术整体数据体量大、数据类别多、可组织形成相当庞大的数据集合，实现传统数据库工具所无法实现的数据获取与处理过程。另外，它的数据真实性高、数据处理速度快，能够满足当前人工智能中的某些理论、方法与技术应用系统，实现人工智能与计算机科学技术紧密发展联系，所以说在大数据环境下实现人工智能技术创新是具有可行性的。

一、大数据技术与人工智能之间的关系分析

人工智能概念产生于20世纪中叶，是人类文明与社会发展的重要标志。进入20世纪80年代以后，人类也进入了人工智能联结主义时期，更多有关科学技术的大胆构思为人类所尝试。例如21世纪以后对数据环境的分布处理、对人类大脑与神经网络的智能化模拟等等就促成了诸多新技术、新技能的产生，比如说智能信息化时代的重要产物——大数据技术。由大数据所营造的互联网技术环境让人工智能如鱼得水，拥有了更多的研究与创新契机。

进入21世纪以后，大数据与人工智能之间拥有了更多交叉促进机会，同时产生了更多创新方法，提高了二者之间的实际应用价值。在该过程中，人类拥有了空前的大数据环境规模和大数据类型，其数据流转速度与真实性也得以提高，特别是在数据存储、检索、分类与统计能力方面都有了相当程度进步，一定程度上加速了大数据的發展进程。而越来越多人工智能领域理论及技术方法被应用于大数据环境中实现数据分析也同样取得了不错的成效。根据过往实践研究表明，大数据技术环境能够成功解决人工智能的扩展性与成长性问题，它提高了传统人工会智能技术能力，使其可以拥有与人类近似的学习研究能力，丰富了人工智能技术体系本身的复杂程度。由于人工智能技术体系本身的繁琐性特征，它也逐渐衍生出两大必要技术理论条件：第一，必须拥有海量的数据内容作为支撑；第二，必须拥有较强的数据处理能力，这是传统人工智能技术所不具备的。因此可以见得，人工智能与人类一样，是需要大量知识来丰富自身的，进而学习更多技能、积累更多经验，在如此丰富的知识与经验背后就有大数据技术环境作为支撑。换言之，它能从数据存储、分析方面为人工智能提供必要的技术支持，保证人功能智能数据量与数据处理能力的提升，与人工智能的现实技术需求相匹配。就当前来看，大数据技术的向前发展已经实现了对人工智能的有效推动，它开启了人工智能发展的全新篇章，结合当前人工智能领域已有的一些理论方法来提升了大数据的使用价值，所以在当前二者的发展进步是呈现相辅相成之势的[1]。

二、大数据技术环境下人工智能的创新技术应用

在大数据技术环境中，人工智能的创新技术应用类型较多，下文就主要介绍3种关键技术应用类型。

1.模式识别技术应用

当前模式识别技术被称为是人工智能应用的基础技术，它对对象信息采集、匹配与分析能力都较强，可有效执行人类所期望的技术性操作内容，例如特征检测、特征提取、模式匹配与语义分析等等。以特征提取为例，它就以人工智能作为学习建模基础，全面结合大数据技术环境来表述图像表征内容，基于知识表征和数据满足目标对象轮廓形状及距离演算、度量过程，最终获取特征数据。例如在人脸识别技术中，它以模式识别技术中的特征距离度量、曲率角度、欧氏距离等等技术内容对对象人脸的多重轮廓特征进行整体分析，再结合其局部特征进行一一分解，合理利用局部特征相互之间的几何结构来带入大数据中的代数特征与统计学习表征方法，满足代数特征和统计学习表征方法要求，再结合海量数据对目标对象像素密度进行有效统计，优化严密规则实现对模式识别技术的特征分离与提取。另外，还需要基于大数据代数特征提取方法分析其K均值、谱聚类、密度聚类与支持向量等等指标内容，完成特征提取技术流程，为随后的模式匹配奠定技术基础。在判定模式匹配过程中，还要结合大数据环境来分析模式识别对象相似度，通过人工智能技术判定其是否超过规定阈值，如果超过，则说明判定模式匹配已成功。

2.专家系统技术应用

专家系统是当前乃至未来人工智能技术发展的重要趋向，它目前在人们的生产生活中已经被得到广泛应用。在专家系统中应用大数据技术是希望有效集合专门行业领域知识与经验，构建程序系统，利用计算机科学技术与人工智能技术基础，结合行业领域权威专家知识经验，满足对某些人工智能专业技术内容的深入推理与判断，最终模拟人类专家的判断决策过程。在该技术过程中，主要希望通过专家系统来处理某些复杂问题，并满足两大技术条件：第一，要建立接近于人工智能研究对象领域的专家系统机制，并再在此基础之上建立专家解决实际问题的大数据技术推理机制，实现对某些问题的有机解决过程；再一点就是建立完善的存储领域，结合专家系统总结与分析满足技术模式优化，合理构建专家知识库。可以说存储领域专家总结技术二者在专家系统构建过程中是缺一不可的，而专家系统也需要通过大数据技术环境与人工智能搭建平台，满足其专家识别功能需求。根据过往研究发现，专家系统与人类大数据信息输入输出之间存在必然联系，它的数据快速处理与应用则结合到了行业领域知识及人工智能推理判断技术，希望以此来作出准确智能化判断决策，保证专家系统在各个行业领域取得良好应用成果。就目前来看，基于大数据环境下的人工智能技术创新专家系统应用就涵盖了预测型、解释型、规划型、诊断型、调试型、设计型、控制型等10种类型，所应用范围相当之广泛[2]。

总结

除上述两点应用技术创新外，大数据环境下的人工智能创新应用还包括了符号计算、人工神经网络与机器情感等等技术及相关产品，它的发现和发明成果全部展示在人类眼前，保证了人类自身智能化科技水平的有效发挥与实现过程。可以说，大数据环境下人工智能的创新为人类社会文明发展打开了一扇新大门，开辟了一条新途径，是人类未来赖以生存的重要一笔。

参考文献

[1]徐卓函.大数据时代人工智能的创新与发展研究[J].科技资讯，2015，13（33）：30-31.

[2]黄鑫.分析计算机人工智能识别技术的应用瓶颈[J].数字技术与应用，2016（7）：244.