人工智能技术研究与智能化信息服务体系发展探析

2023-12-23李文海时明学

数字通信世界 2023年10期

李文海，时明学

（临沂市科技信息学校，山东临沂 276000）

目前，人工智能技术在众多科技浪潮中逐渐脱颖而出，并成为行业领域颠覆性创新的核心力量。其不仅是生产资料、生产关系重新定义的技术支撑，也在我国现代化社会建设中发挥着重要作用。鉴于此，探讨人工智能技术的应用与发展，对助力我国经济架构的创新建设有着重要影响。

1 人工智能技术应用特征

1.1 平台化特征

截止到目前，科研学者对人工智能技术的研究已超过60年，并在不断研究的过程中相继开发出了以模拟人类为核心的机器、系统架构。物联网、互联网的推广与普及，为人工智能创设了更为广阔的发展空间，并推动其朝着平台化的方向持续发展。以自动驾驶技术的研发为例。Google以搜索引擎平台为载体，在特定领域内对大规模数据进行处理与应用，并依托于对Google街景的应用，对海量道路、驾驶等方面数据进行后台整合，为驾驶任务决策支持提供海量数据参考。再如沃森系统的应用。在研发期间以API开放为前提，帮助IBM对多领域行业数据进行全面采集，以此为系统创新的实现提供数据支撑，同时各领域数据信息可借助认知计算架构实现数据整合，以保证认知服务的提供符合特定应用需求。鉴于此，只有为人工智能赋予平台化特点，方可在服务期间实现多类别数据的整合，进一步提升认知计算、人工智能服务的有效性与科学性[1]。

另外，为保证人工智能生产工具的形成能够以数据为关键支撑，需构建具有开放特性的平台，并保证平台可做到对生产者价值的准确、客观评价。同时，平台的应用需满足核心服务条件，包括为智力活动生产提供便捷、面向数据认知与表达、数据信息支持共享开放等[2]。

1.2 积累与复用特征、运营特征

随着人们对人工智能研究的不断深入，当前人工智能发展呈现出技术积累特征，即能够依托技术积累与复用来实现持续改进与完善。从某种角度而言，人工智能可模仿人类大脑进行不断学习与逐步优化。以长期学习、积累为前提，人工智能可自主进行学习算法和应用模型的创新、改进。以语音识别技术为例。为保证识别准确性控制符合预期要求，通常需在研发测试阶段经历数千或上万小时的训练。如百度、Google等搜索引擎中人工智能技术的应用，其经过多年的发展与演变实现对形态架构的创新发展[3]。而人工智能技术之所以被各大电子巨头关注，主要在于其对人工智能学习、复用架构的有效建构，并以复用架构为载体实现数据处理，可以应用目标为基准做到对应用模型的动态选择，以应用特征为基准智能标注与提取，以应用模型为基准进行特征数值化处理，通过科学算法计算后可结合其反馈来实现过程优化。目前、苹果、微软、百度、亚马逊、谷歌、科大讯飞等企业均深入到人工智能学习开放化、复用化架构的研发中，并尝试在各细分领域中进行研究成果的实践应用，同时将应用结果、经验反馈至学习结构的研发中，以期做到对智能化服务体系的持续优化。

2 智能化信息服务体系发展研究

2.1 人工智能对经济生活的影响

在未来经济生活与社会发展中人工智能技术将占有至关重要的地位，其主要作用表现如下。

2.1.1 对未来社会的影响

人工智能技术的不断升级与完善，对未来社会产生的影响主要如下。

（1）生产资料丰富化。人工智能的普及应用促使生产资料不再受物质局限，数据化已然成为生产资料的主要形式，且将物质类生产资料对社会发展、演进产生的影响降到最低。这意味着以往经济增长中消耗物质资源方式应用产生的问题被有效解决，可实现对经济、环境、社会问题的有效规避。随着人工智能技术的逐渐普及，物质产品中能够以不同形式来体现数据价值，并且未来数字化成品、半成品、部件等应用会逐渐扩增[4]。

（2）终身劳动者身份转变。民众消费者身份在人工智能技术普及背景下转变为劳动生产者，即长期参与到以智力活动为主的劳动形式中，且智力劳动会在“数据认知观念”的影响下进行生产活动平台的形成。而平台对生产者身份、背景无严格要求，生产者可依据自身需求在平台中表达数据认知，其平台会对数据认知加以汇聚和集成，经有效加工处理后生成具有个性化、独有化特征的劳动产品。另外，我国各领域行业中人工智能技术的广泛应用，能够立足技术层面对当前人口红利消失问题加以有效解决[5]。

2.1.2 依据数据构建新的生产关系

随着信息化时代的到来，物质基础的不断丰富为信息化处理的实现提供了支撑。分析在民众生活中人工智能技术的应用，其主要优势表现如下：一是生产关系在信息数据形成的影响下发生转变，且人工智能技术在我国社会经济结构创新建构中发挥着重要作用[6]。同时，以物质为核心的生产关系能够转变为以数据信息为核心，在有效解决生产关系存在的问题同时，可有效降低物质资料对社会生产、生活产生的影响。二是以数据为核心形成的劳动形式，可以物质产品为基准进行劳动成果的附着，能够依据用户偏好、习惯来有针对性生产产品，并保证产品符合用户个性化需求，依托人工智能技术来帮助购买者养成“用的最优”习惯。三是按需生产，以促进物质资源利用率的显著提升[7]。生产期间可借助人工智能来实现按需生产，在保证产品生产符合用户需求的同时，将整体物质消耗控制在最低限度内，且生产过程可始终维持在消耗小、影响低的状态。四是生产全员参与。基于人工智能技术构建的网络服务平台，不仅具有融合性、开放性、多元化等特性，还能为不同层次、种类人群提供相应数据服务，可依据需求进行智能模型、认知模型建构。同时，可基于对相关信息、数据的集成，依据其行业特性实现智能化应用。

2.2 人工智能大规模应用条件具备

得益于科学技术的持续创新与发展，现阶段生产模式已经从围绕有形物质资源转变为以无形数据资源为核心。纵观现阶段我国各领域人工智能技术的应用，具备的条件包括以下方面。

（1）具备基础计算资源，即当前计算机运算性能的提升为人工智能应用提供了支撑。计算机技术以及构件的更新迭代，促使当前商用服务器、个人计算机、智能手机、超级计算机等设施实现了运算能力的显著提升。以“神威太湖之光”为例，作为全世界名列前茅的超级计算机之一，它的运算能力可达到每秒3万亿次，在巅峰状态下，它的运算能力超过每秒12亿亿次，持续性运算可维持在每秒9.3亿亿次左右。而计算机运算性能的持续提升，能够为人工智能的有效应用打下良好基础[8]。

（2）具备基础数据资源。在当前信息处理中灵活应用人工智能技术，主要是借助拟人化的形式对相关信息数据进行处理。随着互联网时代的到来，海量数据信息的产生为人工智能技术的应用夯实了基础，具体表现在以下几个方面：首先，在信息技术广泛普及背景下，其历史积累信息已实现数字化、电子化处理。其次，因互联网技术在我国各领域行业得到了深入应用，促使公开数据呈现出逐年海量增长的态势。再次，无论是企业组织还是个体，在日常生产、生活中都会形成海量电子数据，这为人工智能技术的有效应用提供了数据支撑。最后，在现阶段人工智能研究中，与脑科学研究、模拟、分析相关的数据呈现持续增多的态势，相关研究者能够以人脑运行机理为基准，进行相关分析数据的获取，并通过对观测工具的开发来充分挖掘数据信息的价值。例如借助特定输入信号对大脑进行刺激，并对大脑神经传导进行数据获取与分析，以实现对人体大脑工作原理的客观体现，以此为基准进行人工智能技术的革新与优化。但纵观当前人工智能技术发展中数据资源的应用，仍受以下问题的影响：数据资源的利用仍存在孤岛现象，在商业模式、安全运营等因素的影响下，各组织结构中数据资源无法维持在完全开放状态；数据信息应用仍受标注与理解问题影响，即当前人工智能技术应用仍离不开人工数据标注，意味着各机构对人工智能的研发仍涉及大量资金投入[9]。

（3）资本的介入加快了人工智能研发的进程。纵观人工智能技术的发展历程，发现可在技术研发、应用过程中，资本占有至关重要的地位。在实际技术研发期间，资本关注是推进技术研发进程的关键所在。以苹果Siri、AlphaGo等技术为例，前期小团队研发处于相对缓慢的状态，而资本介入后为技术的创新与突破提供了资金支撑。同时，近几年人工智能在金融市场中的占比持续增高。以CB Insights风投企业为例。其第一季度与人工智能产业相关的投资交易额超过6亿美元。截止到2020年，人工智能研究企业数量超过200家，且企业融资金额超过15亿美元。

（4）国家战略层面的推动。随着人工智能的作用与功能逐渐凸显，各国开始加大对人工智能研发的布局力度。立足于国家层面，欧盟、美国、日本等逐渐加大对人类大脑研究力度，并提出国家计划来为人工智能的研发提供支撑。自2015年提出《“互联网+”行动指导意见》后，我国强调互联网+人工智能在社会发展中的重要地位，并将其作为新产业领域发展的核心要求，并为人工智能的研发出台了相关的支持政策。自此之后，我国对人工智能的研究持续深入。2016年发布的《“互联网+”人工智能三年行动实施方案》中提出，强调我国对人工智能的研发需做到：一是以人工智能为基准，进行基础资源与创新平台的有效创设，构建契合实际发展需求的人工智能产业体系、标准化体系以及创新服务体系等，加大对基础核心技术的研发力度，致力于达成总体与国际同步、系统级与局部技术领先的发展目标，并将产业化工程、核心技术研发、基础资源平台作为重点工程项目。二是在保持资金支持的基础上，对加大智能领域产品的创新研发力度，其中以智能无人系统工程、汽车研发与产业化工程、智能安防工程等作为重点。三是强调对终端产品智能化的提升与改造，并将智能机器人研发、智能终端应用能力、智能可穿戴设备等作为重点工程。

3 人工智能技术面临的挑战

要想在智能化信息服务体系中发挥人工智能技术的功能与效用，需正视人工智能技术应用面临的挑战，具体包括：一是基础元数据库的建构。人工智能技术的创新发展需以数据开放应用为前提，而要想在技术研发过程中实现数据整合、集成，需以元数据库的建构为前提，以实现对不同领域内相同实体数据信息的有效描述，以期通过元数据库的调用来优化人工智能算法。二是数据开放架构的建设。亟须在人工智能技术研发过程中，探索如何在保证数据安全的基础上，通过对开放架构的应用来获取多元化数据信息。