大数据技术在人工智能中的应用探析*

郑伟

(南阳师范学院计算机科学与技术学院,河南南阳 473000)

大数据技术本质上是基于计算机系统,发展形成的统计分析、数据整合技术。而人工智能同样是属于计算机学科范畴的一项先进技术。众多实践表明,先进技术之间的发展息息相关,为此,大数据技术、人工智能的融合发展,是科学技术发展的必由之路。随着近年来我国对人工智能研究的不断深入,使得人工智能在众多行业领域得到推广,而这其中离不开大数据技术的有力支持[1]。很长一段时间以来,研究人员在开展人工智能研究中,往往要考虑方方面面因素,评测因果关系,而通过应用大数据技术,使这一过程得到了显著简化。因此,要想推动人工智能更高效地服务于人们的生产生活,就必须要将大数据技术作为技术支撑,通过对生产生活中一系列数据的采集分析,进而推动人工智能的有序健康发展。

1 人工智能发展历程

人工智能的发展主要可分成萌芽阶段、形成阶段、发展阶段以及成熟阶段四个阶段,其发展历程。首先,在人工智能萌芽阶段(20世纪40年代～50年代),因为20世纪40年代计算机的诞生,人们展开了对应用计算机替代或者扩展人类相应脑力劳动的探索。阿兰·图灵创造了图灵测试以评定计算机智能与否,并提出了计算机也能思维的观念。其次,在人工智能形成阶段(20世纪50年代～60年代),1956年,在美国达特茅斯学院召开了研讨会,就通过机器模拟人类智能进行了探讨,并由此提出了“人工智能”的概念,随着专家系统等技术的提出,人工智能由萌芽阶段迈入进第一次飞速发展。再次,在人工智能发展阶段(20世纪70年代～90年代早期),20世纪70年代,人工智能由理论迈向应用,诸如知识工程、专家系统得到不断推广;20世纪80年代,人工智能领域掀起机器学习的研究热潮,并收获了显著的研究成果[2]。最后,在人工智能成熟阶段(20世纪90年代末以来),20世纪90年代末,研究人员针对深度学习展开了深入研究;进入21世纪实践以来,人工智能不断发展成熟,机器学习、深度学习成为人工智能研究的热点,并在众多行业领域得到推广。而人工智能的功能运作要求通过运算方可获取结果。在推理期间运算离不开庞大应用数据的支持,由此要求庞大的数据对算法模型开展针对性训练,在这过程中,大数据技术发挥着至关重要的作用。

2 大数据技术

2.1 大数据

大数据指的是在相应时间内无法用常规方法对信息开展采集、捕捉及管理的数据集合,是需要借助其他处理手段方可有效提炼信息价值的资产。总的来说,大数据具有数据存储量大、多样性、高速性等特征,其中,数据存储量大表明大数据的数据量十分庞大,如今在一些大型企业、专业工业计算机中的数据容量可达到EB级别;多样性表明大数据既包含以往的结构化数据,还包含广泛采用文件系统存储的半结构化数据及非结构化数据;高速性则表明大数据要求数据分析处理应具备实时性。通常而言,大数据的处理流程主要可分为:数据采集与集成、数据分析及数据解释。

2.2 大数据的关键技术

对于大数据的关键技术而言,主要包括数据采集技术,数据储存技术,数据表示、检索与访问,数据应用与深层挖掘等,具体而言:(1)数据采集技术。数据采集技术是大数据技术实现各项功能的重要基础,换言之,大数据技术要想实现对各项数据的有效处理,切实提升数据应用准确性,必须要得到数据采集技术所提供的有力数据支持。一般来说,大数据技术的数据采集主要通过管理系统、科学实验、物理信息系统等系统进行实现,依托对该部分系统的整合应用,可实现对一系列数据的高效、全面采集,进而为大数据技术实际应用提供可靠的数据支撑。将数据采集技术应用于人工智能中,可支持人工智能设备对采集数据进行读取,并开展好初步化分析工作,实现统计分析功能,进一步提升数据应用精准性[3]。(2)数据储存技术。数据采集结束后,可通过数据存储技术,以实现对庞大数据的统一存储。因为大数据技术应用对数据提出了十分严格的要求,所以应设置相应的存储空间以对海量数据进行存储,同时要确保数据的安全性、稳定性。目前,常用的数据存储技术主要可分为传统结构化数据存储、半结构化数据及非结构化数据存储、结构化和非结构化混合数据存储。对于人工智能设备而言,设备运行必须引入数据存储技术,实现可靠的数据存储功能。在人工智能终端上,相关人员通过数据调取操作,可实现对应用数据直接调取,以此不仅可提升人工智能运行效率,还可降低数据传输成本。(3)数据表示、检索与访问。如前文所述,大数据具有数据存储量大、多样性等特征。基于大数据技术支持,对于数据的获取要在数据库中通过关键词检索进行实践,而由于检索操作通常处在平行状态下,这使得检索结果可能会存在漏洞,难以满足数据检索需求。为此,通过引入HDFS系统,可实现随访访问数据检索功能,保障各项工作有序运行。(4)数据应用与深层挖掘。鉴于大数据的特征,还应对数据开展深层挖掘及分析。面对庞大数据,数据应用与深层挖掘可迅速挖掘数据,并在数据库中获取对应数据。在大型数据库中,通过这一技术可保证获取数据的准确性,依托深层挖掘分析功能,可有效降低数据应用风险,切实提升数据评定与选择的科学性。

3 大数据技术在人工智能中的应用实践

3.1 大数据技术在智能制造中的应用

随着人工智能的不断发展,智能制造应运而生,作为一项新的自动化生产技术,其指的是基于大数据技术对传统制造中相应数据进行采集分析,进而利用人工智能实现对数据的整合应用。通常来说,智能制造主要可分为智能制造系统、智能制造技术两大部分,其中,智能制造系统是智能制造得以运行的重要前提,智能制造技术则为智能制造发展提供了技术支持[4]。在制造实践中,智能制造系统可实时进行数据处理,并依据相应数据进行决策,以此实践生产活动的智能化进行。近年来,智能制造在制造领域得到广泛推广,并推动了制造业的长足发展,在这过程中,大数据技术发挥了至关重要的作用,为数据采集、数据处理、数据存储等工作提供有力支持。比如,基于大数据技术制造企业对相关目标客户群体开展分析,进而在进行市场营销时保证广告宣传的准确性,提升营销策略的针对性,最终促进收获更为理想的营销效果。

3.2 大数据技术在智能建筑中的应用

随着社会经济的不断发展,各种先进科技不断被引入至城市化发展中,其中大数据技术便在智能建筑中得到应用,为智能建筑发展提供了可靠技术支持。首先,面对近年来城市中不断增多的高层建筑,如果采用以往的消防技术必然会带来一系列不利影响,由于楼层较高,加之发生火灾时无法使用电梯,这便很大程度上加大了消防工作的难度。而在如今的智能建筑中,这些问题均得到了有效解决,通过应用大数据技术可在高层建筑设计时在相应区域安装消防喷淋头,一旦发生火灾,可保证及时实现灭火效果。并且消防喷淋头还可实现摄像功能,通过对现场情况进行监控,为消防人员提供现场数据,进而实现对火灾的有效防范。其次,还可将大数据技术应用于智能建筑中的温度调节系统[5]。相关技术人员可通过智能技术对建筑的温湿度进行调节,同时通过大数据技术可监测区域的人员情况,依托模型建立匹配,然后对数据信息开展分析,获取室内温度的最佳数值,对区域温度开展调节,以此为居住者创造良好的居住环境,显著提升人们的居住体验。

3.3 大数据技术在智能医疗中的应用

随着智能医疗的不断发展,其应用逐渐扩展至诊疗活动的各个环节,以此不仅提升了诊疗、管理的质量效率,还可促进了区域医疗资源的优化整合,图1为智能医疗中大数据的应用流程。以精准医疗为例,作为一项新型诊疗技术,精准医疗通过人类基因测序技术,依托大数据技术探究个体蛋白质组、基因组与相关疾病之间的联系,精确定位相关疾病的发病机制,进一步获得精准治疗靶点,评估重大缺陷性疾病。和传统治疗手段相比,精准医疗既精确又高效便捷,并可极大减少对患者的创伤,对已确诊和未确诊的治疗及防御均具备十分重要的临床价值。现阶段,精准医疗在肿瘤、遗传病、妇科等领域得到广泛推广。

图1 智能医疗中大数据的应用流程Fig.1 Application process of big data in smart healthcare

3.4 大数据技术在智能物流中的应用

智能物流指的是通过互联网、物联网及企业内部网络对物流信息进行全面整合,进而全面提升物流运行效率。智能物流的实现有赖于各项先进技术的有力支持,包括人工智能、大数据技术、射频识别技术等。比如,在对智能物流动态目标进行智能化监控过程中,首先要通过GPS技术对物流动态目标进行定位,然后借助GIS技术、通信技术开展数据通信处理,最后利用大数据技术对采集的动态数据开展分析处理,进而实现对物流动态目标的智能化监控。

4 结语

综上所述,大数据技术是人工智能发展应用中不可或缺的技术支持,而积极探索大数据技术如何在人工智能中实现多元化应用,对进一步提升人工智能水平具有十分重要现实意义。为此,不同行业领域相关人员应不断专研研究、总结经验,提升对大数据技术及人工智能内涵特征的明确认识,充分发挥大数据技术在人工智能中的应用优势,推进对大数据技术的科学合理应用,进一步推动人工智能的不断发展,为现代社会发展进步贡献一份力。