人工智能在计算机网络技术中的应用

裘雄伟

（浙江亿雄智能科技有限公司 浙江省杭州市 310030）

人工智能技术，即AI技术，其属于计算机技术的一个分支，是一种能够通过模拟人的智能运作方式，来解决和处理问题的科学技术，利用该技术来建设计算机网络技术体系，可以让计算机网络系统完成需要人类智能才能完成的复杂工作，提升计算机网络运行的智能化水平，因此，应深入分析AI技术的应用，以寻求更好的技术应用方案，推动计算机网络技术水平的发展。

1 应用背景

计算机网络技术是指，一项运用通信设施，突破地理约束，将相互独立的计算机系统连接起来，然后结合各类网络软件的应用，实现信息传递、资源共享的信息技术。在此背景下，从本质上来看，AI技术的主要作用是运行决策，具体来说就是，AI技术能够支持计算机系统模拟人类智能作出决策，并按照该决策自动运行，以处理更加复杂的工作，精准满足用户的信息交流、资源共享需求。由此可见，AI技术在计算机网络技术体系建设的应用切入点集中在构建网络运行决策机制上。在此过程中，人们通过用AI技术建立一个能够模拟人类智能思考的决策机制，可以控制计算机网络系统，像人类一样思考、处理业务，实现更高水平的自动化，即智能化。基于此，在此次探究中，研究者拟用AI技术建立一个计算机网络决策系统，并通过分析AI技术的应用过程，以及决策系统的运行效果，来探讨AI技术在计算机网络技术中的应用，希望能够为AI技术下，计算机网络技术体系建设提供依据。

2 应用思路与设计

2.1 应用思路

2.1.1 功能性应用需求分析

计算机网络决策机制，是一个网络系统功能的大脑，负责规划系统功能的运行行为，也是系统功能运行效果是否表现得智能化的主要因素。从功能运行本身来看，该基于AI技术的决策机制需要具备分析运行环境、运行需求的能力，并对此作出合理的反应，同时，也支持在不同目标、行为标准之间作出权衡，确定、选用有限理性下的最优解。此外，考虑到计算机网络系统的功能通常不止一个，所以该决策机制必须具备配合其他功能进行运行决策的能力，以更好地支持系统的自动化、智能化运行。

2.1.2 非功能性应用需求分析

一般来说，计算机网络系统通常需要承载海量的用户，并支持各个用户之间的交互，且交互越多，对于计算机网络系统的运营就越有利。若可以使服务器同时承载更多的用户，还有助于压缩系统运营成本。而在此背景下，为了避免网络系统性能瓶颈的出现，AI决策机制一定要具备较高的性能，以满足上述网络系统运行需求。此外，为了保持网络系统对于用户的价值水平，其必须依照用户的实际需求，不断丰富自身的功能，以免其失去使用价值，导致网络系统生命周期的缩短，压缩利润，所以，AI决策机制必须具备易配置性，以方便系统功能的建设。

2.1.3 模糊逻辑规则建设

在AI技术的应用中，结合上述需求，需要建立一个能够模拟人类智能思考决策的决策机制，而该决策机制对人脑思考过程的模拟主要依托于逻辑规则来完成。在此过程中，模糊逻辑作为一个能够将不确定因素纳入到逻辑分析、推理考虑范围内的逻辑规则，与人脑的思维方式极为相似。为此，研究者拟用模糊逻辑，建立AI决策机制，由此实现AI技术在计算机网络技术中的应用。在模糊逻辑规则建设中，

（1）需进行模糊化，将明确的数据转化为模糊数据，例如：在计算机网络系统中，收集到了用户点击某领域相关文章的次数，那么就可以得出用户对该领域内容所持态度为，一般偏好或明显偏好。而归属函数作为数据模糊化处理的有效工具，可以应用该函数，设置数据模糊化运算规则，实现数据的预处理。目前，常用的归属函数，包括

（2）建立模糊规则，在当前情况满足达到规则条件满足度后，即可得到模糊结论，或者也可以将模糊规则的运行阐释为，在当前情况满足AI规则条件后，那么该规则对应的行为就会被触发。在此过程中，需确立一个触发强度确立方法，也就是条件的满足度计算方法。为此，可选用加权平均值的方式，确定出发强度，例如：在网络系统的用户推送中，可能的规则为，用户对某主题的偏好越高，就越要推送此类主题相关内容，同时，前一个用户点击的内容，与该主题相关度越高，推送该主题其他内容的倾向性越高，此时，当用户对该主题的偏好归属度为0.9，而上一个用户点击内容与该主题的相关度为0.8，那么推送该主题其他相关内容的倾向性则为0.85，若偏好归属度不便，但用户上一次点击的内容与该主题的相关度为0.1，那么继续推送该主题其他相关内容的倾向性就降低到0.5。

（3）反模糊化，对于决策机制是否决定执行某一行为，不能仅依靠于可能性判断结果，还需要将行为执行程度予以量化处理，即将模糊结论，转换为明确的数值，并设计一个相应的函数，得出行为强度，例如：在之前的例子中，当向用户推送该主题相关内容的倾向性为0.85，那么就将0.85作为输入值，输入到函数中，然后通过该函数，计算得出推送内容与该主题的相关度、是否推送该内容等，由此完成决策。

从总体上来看，借助该模糊逻辑进行AI决策机制的构建设计，相较于传统逻辑，能够将规则的规模压缩50%～80%，提高决策机制的运行效率，增强AI技术在计算机网络系统中的应用效果。

2.2 应用设计

2.2.1 AI系统框架设计

根据上述关于AI技术的应用思路，可以将决策机制的整体架构设计为以下几个部分：

（1）目标管理器，负责管理各类AI条件、AI行为：

（2）条件管理器，负责检测各种AI条件，并通知行为管理器；

（3）请求管理器，接收其他用户或系统发送的请求，并告知行为管理器怎样做出相应：

（4）行为管理器，对当前所持有的所有行为信息进行综合考量，求解最优行为方案，再将该方案传输给行为层，作为网络系统运行依据[1]。

基于此，从总体上来看，在AI技术的应用下，一个完整个的计算机网络系统决策机制运行流程应当为，首先，条件管理器会对用户ID所注册的全部单元规则进行循环遍历，计算出各个规则相应的行为强度，然后将计算结果发送给行为管理器。其次，当用户ID接收到了请求，那么请求管理器，就会查找该请求是否存在对应行为，若存在，则将该行为的强度发送给行为管理器，若不存在则不考虑该请求。最后，行为管理器实时检查自身的行为列表，若发现可执行行为，则先按照强度，将行为由高到低予以排序，再按顺序通知行为层执行，待执行结束后，将该行为移除列表[2]。

2.2.2 AI系统模块设计

（1）条件管理器设计。条件管理器，即CConditionManger，其负责管理一组AI规则，该规则可能对应多个条件与行为，而目标与条件、行为之间的关系可以被阐释为，在特定条件下，完成相应的行为，就可以完成某项目标。为此，在该管理器的建设上，需先为其设置一个Update接口，作为其的更新渠道，同时，还要在管理器上设置一个AddAIUnit的接口，用于注册规则，但由于管理器中有哪些规则，是由ID类型来决定的，而ID类型通常是不需要改变的，因此，无需为其设置移除规则接口，例如：在计算机网络系统中，用户ID的权限是查看自己的信息，以及浏览系统内公开信息，使用系统公共功能，因此，管理器中需要承载上述运行内容对应的规则，而管理员ID的权限包括访问系统内部部分信息，以及设置、修改系统功能等，其对应的管理器所具备的规则与用户ID显然不同，同时，用户ID也不会转化为管理员ID，所以无需将ID下，管理器中的规则移除[3]。

但在此过程中，应当注意，该管理器是全部具体条件的基类，需为其配备条件判断函数，而考虑规则设计中融入了模糊逻辑的概念，因此，可以为其配备一个返回一个浮点数类型的函数，即double Pass，同时，还要设置一个double GetWeight，用于返回该条件的权值。在此过程中，条件判断函数的运算结果仅有两种，即0、1，若条件为真条件，运算结果为1，当条件为假条件，运算结果为0。此后，再结合具体条件，构建相应的归属函数，得出行为强度。

（2）请求处理器设计。该处理器，即CRequestManager，其的作用主要是对从外部接收到的请求加以反馈。在此过程中，处理器需管理一个记载所有可处理请求的映射表，以及该请求对应的ID。为此，该处理器应为全部请求的基类，其中包含两个类型，即请求来源类型、请求行为类型。其中，请求行为类型是指具体的运行行为，如跳转页面、弹出推荐页面等，请求来源类型是指行为产生的来源，如第三方运营商的页面跳转申请、用户命令等。此外，还需要设置一个请求反馈函数boolResponseReq、Reques注册函数void AddRequset。在请求处理器设计中，需注意，请求并非源于用户ID，因此，条件管理器不能从自己身上获取，一些必要参数，因此，必须在设置、发送行为强度时，带上请求中包含的必要参数，以保证AI决策机制的正常运行[4]。

（3）行为管理器设计。行为管理器，即CActManager，负责管理用户ID的全部行为，也就是用户所持有的全部网络系统应用功能。基于此，为了使行为管理运行更加便利，需为每个行为设置相应的ID，因此，行为管理器所管理的当前行为列表、历史行为列表中记录的内容为行为ID。在该管理器的设计中，应为其配备接口Void SetAction、Void Update、BoolReqDoAct。但应当注意，在配备Void SetAction借口石化，由于每个行为均有对应ID，所以需将接口模式定义为设置模式，而非添加模式，以免出现行为混乱的问题。

3 结果与分析

经过上述AI技术的应用操作，研究者发现该计算机网络系统对于用户需求的反应更加灵敏和精准，提高了用户的体验。在此过程中，研究者采用了问卷调查的形式，对该AI计算机网络系统的用户服务效果进行了调查，结果显示有50%的用户认为，此系统相较于传统系统，能够为其提供更多自身所需的信息资源，同时，也有60%的用户认为，该系统的信息推荐更符合其的偏好。而上述服务主要是依托于该AI决策机制运行，由此可见，AI技术在计算机网络技术中的应用呈现出了良好的效果，有助于计算机网络技术水平的提升。

4 结语

在AI决策机制建设中，基于模糊理论的AI架构，相较于传统决策架构，其的实现更加简单，而且配置、理解均相对容易，因此，适用于各类计算机网络系统，如网络游戏系统、网络交流系统等。就目前来看，自互联网+策略被推行以来，AI技术迅速引起了业内的重视，人们通过将该技术融入到计算机网络技术建设中，可以构建出更加智能、灵活的网络系统服务功能。但AI技术属于一种专业性较强的技术，因此，在应用过程中，需要专业的技术人才予以支持，而目前，国内的AI技术人才数量依然比较有限。基于此，在计算机网络技术领域内，AI技术的应用依然存在极大的发展空间。

综上所述，增强AI的应用效果，能够推动计算机网络技术的进步和发展。经过上述论述，借助AI技术构建出的计算机网络决策系统，能够帮助网络系统做出最优的运行决策，使得计算机网络能够支持更加复杂的运行任务的自动作业，提升了网络系统的自动化运行水平。