人工智能在计算机网络中的应用

摘要：人工智能技术又被称作AI，是一个集计算机技术、边缘计算技术、模糊识别技术、信息技术等多种技术理论应用于一体的交叉技术科学，它以研究模拟、应用模仿人类推理智能的计算机机器设备或软件为主。尽管当前阶段在世界范围内人工智能技术的研究进展还仍然停留在“弱Ai”阶段，但已经初步在多个领域发现了人工智能技术的应用路径。基于此，本文主要是对人工智能在互联网环境中的实际应用场景进行探讨，其中重点对其中人工智能技术的运行大致原理以及主要作用。

关键词：人工智能;计算机网络;信息处理

一、引言

如今随着互联网技术的普及应用，社会中各行各业信息化发展进程也越来越快，计算机网络技术的应用不仅加快了人们传递信息、共享信息的实际效率，同时也为人们的生活、工作、娱乐提供了一种更加便捷化的选择，甚至直接潜移默化地影响着一个时代的生活习惯。当前阶段仅仅将计算机设备当做一个计算与处理的辅助工具，显然是无法真正满足人们的基本工作生活需要的。所以利用人工在网络技术上辅助人们形成一定的决策参考意见，能够提高计算机独立分析处理数据的能力效率，使一些网络技术应用实现半自动化或全自动化管理，显著降低网络技术应用维护的人力资源成本。

二、人工智能技术的概述

人工智能技术的实现原理较为复杂，它是近代科学理论技术下，通过对人脑推理和逻辑分析的功能流程分析，在将自然语言处理系统以及各类专家知识体系录入计算机数据库后，以模糊计算、语义分析识别、数据库比对等方式达到接近人脑推理决策的功能。随着人工智能领域技术课题研究的不断深入，如今的人工智能技术，已经可以基本满足依靠独立逻辑，完成理解、学习、识别甚至浅层博弈等复杂情况的推理处理功能需求了。这样的人工智能技术在应对复杂的应用情景时，可以根据知识库积累的多种逻辑方案，来智能化地对环境变量进行分析与决算，等同于提高了计算机独立完成某种功能、动作的能力[1]。人工智能技术在网络技术中的应用思路，就是通过智能计算机现有的知识库，在少量人工指令或者完全脱离人工指令的控制条件下，替代或辅助计算机网络用户完成某种分析处理功能，从而达到高效率、低人力资源成本的工作效果。

三、人工智能技术在计算机网络中的适用性分析

（一）垂直计算工作面较大，计算成本较低

所谓“弱AI”时代，是指当前来看，受到科学对人脑逻辑思维的产生机理方面的技术研究局限，部分关键的智能生成原理尚未被攻破，所以人工智能技术的推理、学习以及分析行为，与人类自主产生逻辑的模式还是存在本质上的差距的。这样的人工智能技术产物只是看起来像是有智能思维的样子，但实际上并不是真正意义上的智能，也不可能产生自主思维意识。弱“AI”阶段的人工智能技术尚不能完全脱离人工指令来完成场景推理与事件解决，尤其是在处理人类的语言系统以及处理其他应用场景下的随机变量条件时，人工智能的工作效果往往会大打折扣。从误差统计模型的理论来看，分析误差问题是导致人工智能技术水平受限的根本原因，这样的误差影响可以用一组向量Q=（A1，A2，A3...）来表示，它所对应的误差影响就可以用QS向量（S1，S2，S3）来表示，那么系统的照射误差的公式就可以表示为如下：S=|QS|=（S12+S22+S32...）×k[2]。

上述误差公式表明了，由于人工智能的思维逻辑都是建立在一个个“算法”的基础上，应对不同场景的变量条件，人工智能技术在分析处理的过程中势必会产生分析误差，多种误差的叠加照射影响，导致人工智能分析结果与人类的逻辑判断产生较大的偏差影响。但反过来想，现阶段控制人工智能技术的分析推理误差的最好办法就是缩短误差向量的照射链条，也就是尽可能地减少产生递进误差的实际执行环节。计算机技术是人工智能技术的基础技术支撑，而人工智能技术在计算机网络中要处理的信息，大部分都是计算机代码指令、数据表等这种计算机比较容易理解的語言类型，只有少量简单的用户功能实现需要人工智能来分析随机环境变量，所以在互联网环境中使用人工智能技术，无限地接近于垂直工作计算。所以说，计算机网络是最适合人工智能技术使用的实际应用情景。

（二）模糊处理能力较强，适用于人脑无法完成的海量计算任务

模糊计算就是指人工智能根据底层代码设置的模糊计算规则，从几组控制变量的输入来直接输出分析计算结果的一种底层计算逻辑，它是人工智能分析、推理与学习功能的本质。这种模糊计算是依靠环境变量对中心点的隶属度关系，配置合适的隶属值函数来得到模糊结论的，过程主要包含了四个步骤：首先是模糊规则库，这种规则生成的来源既有从自有知识库的专家系统调取的，也有在特定环境条件下完成学习功能补录的;其次是模糊化，将难以用一定规律描述的环境变量条件，如自然语言表述等根据模糊规则配置出相应的隶属度分布;接着是推理过程，根据计算输出的需求不同，转化成用户所需要的特定条件模糊表述;最后是去模糊化，由于输入结果是精确的，而输出结论是一组隶属值矩阵或网络单元的数据，所以若是不经过数据处理，人工智能的模糊计算结果是难以被实际应用的，而去模糊化就是指反向利用人工智能的模糊计算规则，将隶属度数值转化为对应的推导结论。

这样的模糊计算使得人工智能技术拥有极强的计算处理效率，就以互联网应用来说，如今互联网环境中一些功能比较复杂的应用程序或平台的运行代码动辄高达数百万、千万行，这样庞大的数据量显然是无法依靠传统数据工具来完成检索任务的。因此人工智能技术的应用，可以利用这种模糊计算机制来替代人工处理互联网的大量复杂的数据信息，通过控制算法让人工智能一次或少次计算得到最优解计算任务结果，这样才能进一步提高计算机网络的运行效率。

（三）强大的非线性处理能力可以灵活应对多种情景

所谓非线性数据结构，是与线性数据结构比较的一种相对说法，它与线性数据结构“一一对应”的模式不同，非线性数据结构的逻辑特征是在一个节点元素上可能同时存在多个前驱或后驱。无论是线性数据结构还是非线性数据结构，它们往往都是某种事件的外在特征或表现规律，也就是说，只有掌握了这种非线性结构数据生成的原则，人工智能技术才能够对随机应用情景的变量做出对应的反应。这种非线性处理功能，当前阶段主要是依靠支持向量机来实现的，这种支持向量机是一个二分类模型，它的基本逻辑思路就是对样本进行超平面分隔，直至分隔间隔达到最大化后，样本中只剩下二次规划求解问题为止。当处理样本数据表现为线性不可分时，人工智能技术可以训练学习一个非线性支撑向量机;而当处理样本的数据表现为近似线性可分时，人工智能技术可以训练学习一个向量支持机，最终将其加工为线性可分的样本，通过学习一个线性可分向量支持机来输出问题的推论结果[3]。

这样的逻辑功能，使得人工智能技术在处理互联网应用环境中高层次、有价值的信息时，可以直接根据无序分布的规律线索，提取形成在线解释与专家方案。从而在互联网应用中达到辅助决策生成的关键功能。而这样的决策功能，并不仅仅在单一环境模型中生效，由于强大的非线性处理计算优势，人工智能技术在应对多种环境类型时，它的决策模型可以在短时间内生成多种备选方案，以方案类比、优化、分析的形式输出更加利于用户参考使用的计算结果与推理，这种独特的“博弈”机制，使得整个人工智能系统可以游刃有余地处理多种复杂计算情景的信息，例如开放互动式系统的大数据分析。

四、人工智能技术在计算机网络中的有效应用路径

（一）网络安全技术的革新发展

受计算机网络技术普及的影响，除了提供一种更为便利的生活方式，以及提高了各行各业的生产工作效率以外，同时带给人们的，还有巨大的网络安全挑战问题。现如今由于计算机的实际应用场景越来越多，人们对计算机分析处理的依赖性越来越高，关于信息数据安全性问题的关注度也是越来越高的。从近年来各类网络信息安全事件的报道情况来看，大到国家安全局的失泄密案件导致局势动荡、中到企业商业机密失窃的财产损失、小到用户个人隐私的泄漏影响，互联网安全关系到每一个用户或用户群体的切身利益。互联网信息安全问题正在成为严重阻碍网络技术进步的一块“绊脚石”，只有网络安全防护技术不断优化完善，才能确保网络服务、网络应用系统可以可靠地运作。

但从网络“攻防战”的现状来看，网络攻击技术的进步速度永远要比网络安全技术更新要快。就以网络应用平台的开发运营为例，网络应用平台为了确保自己的系统服务不受到恶意攻击指令篡改代码，导致服务中断，往往会花费大量的人力、物力、财力来完善网络安全防护技术水平，软件的开发者在其中的作用就是在海量的数据库模型中，利用数据工具逐一检索系统中可能存在安全风险的结构设计。但网络黑客通过枚举入口的方式编写一组攻击指令所需要花费的精力，是远远低于软件系统的设计开发维护的。因此以往传统的网络安全防护技术，无论是网闸还是安全防护软件都会有或大或小的技术漏洞，区别只是它们有没有被发现。

而利用人工智能技术来完善计算机网络安全防护技术的思路，就是通过专门设计的AI人工智能，在网络安全防护软件上部署深度学习功能，借由人工智能技术强大的环境异常分析处理能力，完成对恶意攻击指令、木马病毒的高效率识别功能。例如AI人工智能防火墙，在技术防护功能上还是以往传统的“隔离—鉴别—通行或拦截”的防护逻辑流程。但区别在于以往传统的防火墙技术需要人为设置参数来优化防火墙的安全防护水平，一旦参数设置不合理，很容易出现防火墙“误拦错放”的严重问题，不仅对用户的网络技术知识水平有一定要求，且防护效果不尽理想。而AI人工智能防火墙的设计重点在于它对攻击指令数据的鉴别逻辑，软件中自有一个随时更新的数据库，除了保留传统安全防护技术中对隔离区数据包头部信息识别功能以外，它还有一个异常环境分析报告鉴定木马病毒与攻击指令的特征信息。这样即使带有攻击指令的数据包被从隔离区放行，安全防护软件仍然保留有管理系统内所有应用运行权限的功能，当数据包在本地被读取时存在篡改数据代码、读取本地数据表结构等风险操作时，会直接生成一个运行环境异常的风险报告作为告警信息，提示用户异常的数据包可能带来的运行安全风险，同时将该数据包重新投放回防火墙隔离区进行监视处置。而这样的安全防护策略，在截取一个恶意攻击指令后，数据包的结构特征、信息特征等都会被记录为数据表收录在软件信息库中作为攻击特征识别，也就实现了人工智能技术的深度学习功能。

（二）推动“万物互联”的智能时代格局

“万物互联”的概念早在2015-2016年间就被初次提起，它是指将使用者、应用业务与计算机设备以物理网络桥接的形式，融合为一个有机整体，将互联网中的信息真正转化为业务行动力，这样的概念模型下，信息与计算机设备的实用价值将被呈指数放大，人机交互的障碍问题也将彻底得到解决。但在此前由于受限于网络与计算机设备的技术水平瓶颈限制，这种思维超前的概念化设计并未被投入实际应用。我国人工智能技术领域由于发展道路偏差、算法缺陷显著也一度陷入低迷[4]。但如今5G通信技术革新的时代背景下，受到商业应用场景的刺激作用，给人工智能与“万物互联”概念设计的结合带来了一丝曙光，硬件技术与软件算法的更新完善，也为人工智能技术进步提供了重要的科技支撑。

“万物互联”与人工智能技术的结合在当前阶段已普及落地应用的领域主要有教育、金融、医疗、电子商务、家居生活和工业设计等多个行业领域。如今已经投产应用的“人工智能+计算机互联网”产品数不胜数，例如通過计算机或者移动端控制的智能家电、车载智能导航，淘宝、支付宝、微信等移动端APP，上述产品均是通过在计算机互联网环境中，利用人工智能技术实现语音语义识别、生物特征检索、大数据处理分析等功能的。在“人工智能+万物互联”的智能时代背景下，为人机交互界面的人性化设计提供了极为广阔的思路空间，使应用人工智能技术的电子设备产品，真正以可靠助手的身份出现在人们的工作生活中。

（三）人工智能技术在互联网搜索引擎中的具体应用

以往传统的互联网引擎都是采用目录式搜索的方式来帮助用户完成检索的，这种方式需要投入大量人力资源成本，由网站编辑员查看信息后以人工或者半人工的形式来将网站上的信息置于分类框架中。目录式搜索的代表是Yahoo、Open Directory等。而如今以百度、谷歌等搜索引擎为主使用的检索技术，都是基于Robot检索与Meta检索技术理论开发的，其中Robot检索是由人工智能程序以某种设计策略驱动，根据用户输入词的语义识别结果作为信息检索条件，由专门的查询接口输入检索索引库，并将这些检索信息以映射区的形式回访给使用用户。这种检索技术与传统检索引擎技术相比，它能够实时在索引链接中显示出部分网页的更新变动信息，同时还能自动筛除掉失效的死链接，使检索技术与用户的关联匹配度更高，Robot智能检索的代表产品是Google搜索引擎。而Meta的技术特点是并没有本身的检索索引库，使得搜索引擎的运行负担更低，处理反应更加高效，利用人工智能的博弈筛选，直接由元搜索引擎负责将internet中所有与检索词语义相关的信息按照匹配关联度由上自下排列，这样即使检索内容中未能出现用户需求的信息内容，用户也可以根据信息参考源的排列规律来重新补充关键词，为用户提供一种智能优化检索关键词的策略，我们所熟知的百度搜索引擎使用的就是这种检索技术。

五、结束语

综上所述，除了本文论述的内容以外，在实际计算机网络的场景中人工智能技术还有诸多其他的应用思路。这主要得益于计算机网络中应用人工智能技术的三个技术优势，一是在计算机网络中的垂直计算环境下，人工智能分析决策的误差率较低;二是强大的模糊计算能力使得人工智能技术计算效率极高;三是非线性处理性能较强，使人工智能技术拥有了深度学习完善的可能。因此可以说，人工智能技术在计算机网络中的应用前景是非常可观的。

作者单位：彭世海    浪潮软件集团有限公司

彭世海（1985.01-），男，汉族，山省潍坊，本科，研究方向：大数据、云计算、人工智能、网络安全。

参  考  文  献

[1]李振.人工智能在计算机网络技术中的应用探究[J].网络安全技术与应用，2021（12）：172-173.

[2]董玉姣.人工智能在计算机网络技术中的应用[J].中国管理信息化，2021，24（24）：194-195.

[3]卢镭，李琳.人工智能在计算机网络技术中的应用[J].无线互联科技，2021，18（23）：100-101.

[4]潘忠平，王伟，付鑫.人工智能在计算机网络技术中的应用分析[J].信息与电脑（理论版）， 2021，33（23）：158-160.