2017年面向大数据的人工智能技术综述报告.pdfVIP

面向大数据的人工智能技术综述报告 【摘要】 本文通过分析人工智能技术当前的主流分类及所采用的核心技术，对其现状 进行梳理，据此总结出目前所存在的问题及难点，并在上述研究和分析的基础上， 探讨在大数据快速发展的背景下，人工智能技术的发展趋势和关键技术领域，就 面向大数据的人工智能技术未来发展的相互关系和潜力进行一些初步探讨，提出 可以利用大数据完善人工智能技术的建议。 【关键词】面向大数据；人工智能；发展趋势 引言 2016 年正好是人工智能诞生60 周年，它从科学成果逐渐转化为商业应用成 果，并在人们的生活中逐渐起到越来越重要的作用。近年来，人工智能技术日益 融入金融、科研等各个领域，随之而来的是大量的新型信息数据和资料的产生。 当人工智能遇上大数据，究竟会引爆怎样一种改变世界的力量？是更大的数据让 人工智能凸显出独立性，还是更强的算法成就了机器的自我学习？ 对于进入机器学习的时代，应用需求已经超越了原来普通的编程和数据库所 能提供的解决范畴，面对空前庞大的数据量，通过人工智能技术将可能提供智能 化的处理服务解决方案。面对大量的数据，如何进行整合处理，将大数据用于实 时分析并对未来预测，使当下获取到的数据信息能进行有利于现有行为的分析预 测，转化为有利的资源，俨然成为新的思潮。 １.研究背景 1.1 大数据和人工智能的概念 什么是大数据？是技术领域发展趋势的一个概括，这一趋势打开了理解世界 和制定决策的新办法之门。根据技术研究机构IDC 的预计，大量新数据无时不刻 不在涌现，它们以每年50%的速度在增长，或者说每两年就要翻一番多。并不仅 仅是数据的洪流越来越大，而且全新的支流也会越来越多。比方说，现在全球就 有无数的数字传感器依附在工业设备、汽车、电表和板条箱上。它们能够测定方 位、运动、振动、温度、湿度、甚至大气中的化学变化，并可以通信。将这些通 信传感器与计算智能连接在一起，你就能够看到所谓的物联网或者工业互联网的 崛起。 大数据技术是继移动互联技术和云计算技术之后一项颠覆性的信息技术，它 使得我们拥有了对一些数量巨大、种类繁多、价值密度极低、本身快速变化的数 据有效和低成本存取、检索、分类、统计的能力。但这并不意味着我们今天能够 有效和低成本地了解这些数据中蕴藏的巨大价值，尤其是这些数据中隐性的社会 科学规律和经验所代表的巨大价值。 所幸，人工智能领域的一些理论和比较实用的方法，已经开始用于大数据分 析方面，并显现出初步令人振奋的结果。 人工智能的具体概念是美国斯坦福大学人工人工智能研究中心尼尔逊教授 提出的。人工智能是关于知识的学科，是如何表达知识以及怎样获取知识并实际 应用的科学技术。通过人工智能机器为载体，使机器具有一定人的表达能力与思 维方式。这点是人工智能最基本的概念，智能化的研究人类的行为与思维特点， 以知识为对象，研究如何获取知识，并如何表达和具体使用。 人工智能领域的一些理论和比较实用的方法，能够显著和有效地提升我们所 拥有的大数据的使用价值，与此同时，大数据技术的发展也将在为人工智能提供 用武之地的同时，唤醒人工智能巨大的潜力，从而使这两个领域的技术和应用出 现加速发展的趋势。 1.2 发展现状分析 虽然大数据目前在国内还处于初级阶段，但是商业价值已经显现出来。大数 据技术的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进 行专业化处理。换言之，如果把大数据比作一种产业，那么这种产业实现盈利的 关键，在于提高对数据的“加工能力”，通过“加工”实现数据的“增值”。 时至今日，包括 IBM、HP、EMC、Oracle、微软、Intel、TeraData 等的 IT 企业纷纷推出自己的大数据解决方案。大数据技术应用前景广阔，2012 年大数 据市场已经达到 116 亿美元。IDC 预计，到2017 年，大数据市场将到达470 亿 美元。 人工智能技术自五十年代以来发展至今，整体技术上也有了明显的提高。在 整个过程中，经历过高潮与低谷。对待人工智能技术的研讨方案也有很多种，其 科学家内部都存在较大的歧义。但无论如何，在激烈的讨论声中人工智能的整体 技术水平在不断提高，也越来越复杂，功能与思维越来越多。现如今，人工智能 已经全面覆盖于社会的方方面面，对人类的正常生活工作影响巨大。 传统的人工智能技术通过历史数据分析得出未来的发展趋势，相对于以往的 主观判断决策是一大进步，并在某种程度上进行模型分析，提供数据支撑，为进 行决策提供技术支持和