论文部分内容阅读
[摘 要]技术革命让现代社会进入了互联网信息时代。传统的计算机技术不再简单地从事数据分析计算等工作，而是推动更多网络服务向人性化与智能化发展，从而衍生出人工智能服务技术。本文简述人工智能的概念后，并对人工智能技术进行分析，就具体的行业应用进行了阐述。
[关键词]人工智能 互联网 应用
中图分类号：S712 文献标识码：A 文章编号：1009-914X（2018）29-0372-01
引言
当前，世界已全面进入以大数据共享、信息爆炸为特点的互联网信息时代。富有智能化和人性化的计算机网络技术服务成为了人们青睐和关注的焦点。人工智能作为互联网信息时代凝聚高端技术的超值网络服务，在增强互联网安全性、提高网络操作自动化等方面意义重大。现阶段，已有更多行业领域的用户在应用人工智能，体验这一技术所带来的新生活。
1、人工智能概念及其背景
人工智能是模拟实现人思维的技术，它的主要目的是赋予机器以人特有的视听说以及大脑抽象思维能力。尤其体现在判断、推理、证明、识别学习和问题求解等思维活动上。总体来说，它是知识和思维的结合体。自工业革命以来，我们利用机器代替了人进行部分工作，极大地解放了人类。随着计算机技术和信息网络的发展，我们已不满足于操作机器去完成相关任务，而是希望它可以自主地去帮助我们完成某些工作，从而实现对人的更深层次的解放。人工智能早在二十世纪中期就已经被提出，当时计算机刚刚开始发展，但人们已经意识到可以通过模拟人类思维方式以解放人类，这种前瞻性的规划为人工智能发展提供了方向。由于人工智能涉及到的领域十分广泛，有计算机技术、机器人技术、电气技术、自动控制技术等等，任何一方面不足都会影响整体，所以它在二十世纪发展较为缓慢，直到二十一世纪来，尤其是计算机技术和机器人技术获得了极大发展，从而直接推动了人工智能的新发展，如今人工智能技术已经成为科学研究的一个最主要的方向，未来将会占据主导地位。
2、人工智能技术分析
2.1 数据探索及学习分析
在应对数据的深度挖掘过程中，要理清数据之间关系，应用最广泛的方法是人工智能技术，其中最重要的技术分支，也就是机器学习，通过计算机模式达到学习的过程，依照人工神经网络来进行的学习是通过计算机智能来实现的，神经网络是对自然神经网络的一种抽象表现，根据对大脑的模拟来实现一些机制功能，神经网络包括多层深度反馈调整、分布式计算功能以及多神经元等，从而完成分析和计算数据信息的目的，再利用数据的训练，逐渐转化为一种模型，让其具有自主学习的属性，从而在智能搜索和非线性问题方面进行有效的多维度处理。
2.2 机器学习
机器学习是人工智能的核心技术之一，它主要是使机器模拟人类的学习能力，使其可以自主地增长知识，从而为智能化打下基础。现阶段常用的机器学习方法有示教学习，知识库学习等，示教学习主要是训练机器使其形成思维定式，获得人类的部分学习能力，它一般需要人在前期对其进行示范，从而逐渐使它自身学会这种能力。而知识库学习是利用检索技术和分析技术，意欲在计算机中建立庞大的知识系统，利用检索技术配合判断分析，从而做出相应反应，形成一个模拟人学习的过程。我们知道，人之所以能成为最高级的动物，其根本原因是可以学习知识并且进行抽象思维，而人工智能模拟人类智能最重要的就是使其拥有学习的能力，当然它学习的方式和我们是不同的，我们希望能把我们学习并思维的过程分成一些步骤，分步让机器去实现它，从而达到一个近似于人的智能效果。
2.3 数据与知识的智能处理分析
在实施知识处理时，专家系统是应用最广泛的技术，人工智能中最为重要的一个分支便是专家系统，该系统依托传统思维模式，不断转化为通过专门知识来应对专门问题，是一种计算机智能系统，通过专门领域专家所具备的知识，在应用人工智能推理技术来进行问题的解决，是一种模拟专家解决问题的过程。面对专家系统的发展，重要的是如何进行专家知识的运用及展现，专家系统主要有以下6部分构成，分别是用户界面、数据库、解释机制、获取知识、知识库以及推理机制。
2.4 识别技术
识别技术是人工智能的另一项关键技术，它主要包括计算机视觉，图像处理，声音识别，模式识别等。它主要是模拟人的感官和思维上的直接判断。计算机视觉技术配合图像识别处理模拟人的眼睛及思维能力。它主要是通过红外线探测，摄像头捕捉等获取直观的画面信息，然后利用计算机对采集到的图像进行一定处理，再输送到计算机中对其进行判断、分析等操作，最后使计算机做出相应的反应。这其中涉及到颜色建模、像素表达、几何处理等相关知识。声音识别技术主要是模拟人听觉的功能，它通过获取声音信号，从话语信息、频率、音量等判断声音所表达的内容、情感等。模式识别技术是指计算機对周边事物模式的识别区分，这里所说的模式指环境和客体，一般把模式分为抽象的和具体的，常用的模式有文字、符号、语音、生物传感等。
3、人工智能技术在移动互联网中的应用分析
3.1 移动应用性能分析
当下的移动应用软件被大量开发出来，造成用户没有相应的选择参考，所以，友好性分析和数据排行成为一种指导。在对移动应用的性能实施分析时，主要依托以下几方面，分别是业务协同友好性分析、用户粘性分析以及QoE分析，依托大数据来对用户信息进行计算，完成该工作主要使用人工智能算法，当下应用最多的方法有两种，一种是依照神经网络的深度学习算法，另外一种是加强学习算法，收集和储存应用使用过程中的流量、速率以及能耗，从而成为神经网络体系的输入端，例如云应用、视频应用、游戏应用等，从而最终转化为应用指标的神经网络权值，再通过反馈计算和训练逐步构成相应的神经网络模型。
3.2 移动应用身份认证分析
人工智能技术在智能算法方面能够完成身份认证，传统的身份认证主要有U盾、密码口令等，但是由于容易出现破译风险，以及设备丢失的风险，所以，生物识别身份和多因子身份成为当下主要的认证方式，多因子认证通过密码结合图谱分析来实施认证分析，提升密码登录安全系数，数据图谱依托同步行为模式来进行数据记录，完成机器学习算法，同时预测用户行为，抵制不符合用户行为模型的请求指令，生物识别正是利用人们的特征来实施认证，例如指纹、虹膜等，该方式安全度高，移动终端通过搭载生物识别技术，应用人工智能算法来完成识别对比，从而分析出想要的结果。
4、人工智能的发展方向与前景
人工智能是目前最为热门的研究方向，因为它的研发将会是革命性的，将会颠覆现有的生活方式，它涵盖了人类生存中绝大多数问题，包含许多学科，杂糅许多技术。人工智能的发展趋势将会是智能化、安全化。现阶段我们对它的研究主要是体现在智能化方面，因为我们目前的机器人还远远不够智能化，它与人相比还是相形见绌，当我们的技术达到一定层次时，我们的研究重点将会是人工智能的安全性，这主要体现在对它的绝对控制权上，我们开发它，是为了我们更好地生活，绝对不能使其威胁到我们的生存。智能化和安全化将会是人工智能技术发展的主要方向。
结语
互联网信息时代的人工智能应用，将会随着科技力量的不断壮大而实现在更多场景中的应用。人们应该高度重视人工智能理论与技术的探究，从而更好地为全人类服务。
参考文献
[1] 何承.计算机网络技术中人工智能的应用探讨[J].信息通信，2016（03）：180-181.
[2] 韩晔彤.人工智能技术发展及应用研究综述[J].电子制作，2016（12）：95-95.
[3] 王宇飞，孙欣.人工智能的研究与应用[J].信息与电脑，2016（05）：115-117.
[关键词]人工智能 互联网 应用
中图分类号：S712 文献标识码：A 文章编号：1009-914X（2018）29-0372-01
引言
当前，世界已全面进入以大数据共享、信息爆炸为特点的互联网信息时代。富有智能化和人性化的计算机网络技术服务成为了人们青睐和关注的焦点。人工智能作为互联网信息时代凝聚高端技术的超值网络服务，在增强互联网安全性、提高网络操作自动化等方面意义重大。现阶段，已有更多行业领域的用户在应用人工智能，体验这一技术所带来的新生活。
1、人工智能概念及其背景
人工智能是模拟实现人思维的技术，它的主要目的是赋予机器以人特有的视听说以及大脑抽象思维能力。尤其体现在判断、推理、证明、识别学习和问题求解等思维活动上。总体来说，它是知识和思维的结合体。自工业革命以来，我们利用机器代替了人进行部分工作，极大地解放了人类。随着计算机技术和信息网络的发展，我们已不满足于操作机器去完成相关任务，而是希望它可以自主地去帮助我们完成某些工作，从而实现对人的更深层次的解放。人工智能早在二十世纪中期就已经被提出，当时计算机刚刚开始发展，但人们已经意识到可以通过模拟人类思维方式以解放人类，这种前瞻性的规划为人工智能发展提供了方向。由于人工智能涉及到的领域十分广泛，有计算机技术、机器人技术、电气技术、自动控制技术等等，任何一方面不足都会影响整体，所以它在二十世纪发展较为缓慢，直到二十一世纪来，尤其是计算机技术和机器人技术获得了极大发展，从而直接推动了人工智能的新发展，如今人工智能技术已经成为科学研究的一个最主要的方向，未来将会占据主导地位。
2、人工智能技术分析
2.1 数据探索及学习分析
在应对数据的深度挖掘过程中，要理清数据之间关系，应用最广泛的方法是人工智能技术，其中最重要的技术分支，也就是机器学习，通过计算机模式达到学习的过程，依照人工神经网络来进行的学习是通过计算机智能来实现的，神经网络是对自然神经网络的一种抽象表现，根据对大脑的模拟来实现一些机制功能，神经网络包括多层深度反馈调整、分布式计算功能以及多神经元等，从而完成分析和计算数据信息的目的，再利用数据的训练，逐渐转化为一种模型，让其具有自主学习的属性，从而在智能搜索和非线性问题方面进行有效的多维度处理。
2.2 机器学习
机器学习是人工智能的核心技术之一，它主要是使机器模拟人类的学习能力，使其可以自主地增长知识，从而为智能化打下基础。现阶段常用的机器学习方法有示教学习，知识库学习等，示教学习主要是训练机器使其形成思维定式，获得人类的部分学习能力，它一般需要人在前期对其进行示范，从而逐渐使它自身学会这种能力。而知识库学习是利用检索技术和分析技术，意欲在计算机中建立庞大的知识系统，利用检索技术配合判断分析，从而做出相应反应，形成一个模拟人学习的过程。我们知道，人之所以能成为最高级的动物，其根本原因是可以学习知识并且进行抽象思维，而人工智能模拟人类智能最重要的就是使其拥有学习的能力，当然它学习的方式和我们是不同的，我们希望能把我们学习并思维的过程分成一些步骤，分步让机器去实现它，从而达到一个近似于人的智能效果。
2.3 数据与知识的智能处理分析
在实施知识处理时，专家系统是应用最广泛的技术，人工智能中最为重要的一个分支便是专家系统，该系统依托传统思维模式，不断转化为通过专门知识来应对专门问题，是一种计算机智能系统，通过专门领域专家所具备的知识，在应用人工智能推理技术来进行问题的解决，是一种模拟专家解决问题的过程。面对专家系统的发展，重要的是如何进行专家知识的运用及展现，专家系统主要有以下6部分构成，分别是用户界面、数据库、解释机制、获取知识、知识库以及推理机制。
2.4 识别技术
识别技术是人工智能的另一项关键技术，它主要包括计算机视觉，图像处理，声音识别，模式识别等。它主要是模拟人的感官和思维上的直接判断。计算机视觉技术配合图像识别处理模拟人的眼睛及思维能力。它主要是通过红外线探测，摄像头捕捉等获取直观的画面信息，然后利用计算机对采集到的图像进行一定处理，再输送到计算机中对其进行判断、分析等操作，最后使计算机做出相应的反应。这其中涉及到颜色建模、像素表达、几何处理等相关知识。声音识别技术主要是模拟人听觉的功能，它通过获取声音信号，从话语信息、频率、音量等判断声音所表达的内容、情感等。模式识别技术是指计算機对周边事物模式的识别区分，这里所说的模式指环境和客体，一般把模式分为抽象的和具体的，常用的模式有文字、符号、语音、生物传感等。
3、人工智能技术在移动互联网中的应用分析
3.1 移动应用性能分析
当下的移动应用软件被大量开发出来，造成用户没有相应的选择参考，所以，友好性分析和数据排行成为一种指导。在对移动应用的性能实施分析时，主要依托以下几方面，分别是业务协同友好性分析、用户粘性分析以及QoE分析，依托大数据来对用户信息进行计算，完成该工作主要使用人工智能算法，当下应用最多的方法有两种，一种是依照神经网络的深度学习算法，另外一种是加强学习算法，收集和储存应用使用过程中的流量、速率以及能耗，从而成为神经网络体系的输入端，例如云应用、视频应用、游戏应用等，从而最终转化为应用指标的神经网络权值，再通过反馈计算和训练逐步构成相应的神经网络模型。
3.2 移动应用身份认证分析
人工智能技术在智能算法方面能够完成身份认证，传统的身份认证主要有U盾、密码口令等，但是由于容易出现破译风险，以及设备丢失的风险，所以，生物识别身份和多因子身份成为当下主要的认证方式，多因子认证通过密码结合图谱分析来实施认证分析，提升密码登录安全系数，数据图谱依托同步行为模式来进行数据记录，完成机器学习算法，同时预测用户行为，抵制不符合用户行为模型的请求指令，生物识别正是利用人们的特征来实施认证，例如指纹、虹膜等，该方式安全度高，移动终端通过搭载生物识别技术，应用人工智能算法来完成识别对比，从而分析出想要的结果。
4、人工智能的发展方向与前景
人工智能是目前最为热门的研究方向，因为它的研发将会是革命性的，将会颠覆现有的生活方式，它涵盖了人类生存中绝大多数问题，包含许多学科，杂糅许多技术。人工智能的发展趋势将会是智能化、安全化。现阶段我们对它的研究主要是体现在智能化方面，因为我们目前的机器人还远远不够智能化，它与人相比还是相形见绌，当我们的技术达到一定层次时，我们的研究重点将会是人工智能的安全性，这主要体现在对它的绝对控制权上，我们开发它，是为了我们更好地生活，绝对不能使其威胁到我们的生存。智能化和安全化将会是人工智能技术发展的主要方向。
结语
互联网信息时代的人工智能应用，将会随着科技力量的不断壮大而实现在更多场景中的应用。人们应该高度重视人工智能理论与技术的探究，从而更好地为全人类服务。
参考文献
[1] 何承.计算机网络技术中人工智能的应用探讨[J].信息通信，2016（03）：180-181.
[2] 韩晔彤.人工智能技术发展及应用研究综述[J].电子制作，2016（12）：95-95.
[3] 王宇飞，孙欣.人工智能的研究与应用[J].信息与电脑，2016（05）：115-117.