久久AV高清无码|欧美一区二区三区在线|欧美国产一卡二在线播放|日韩国产精品一区二区三区|91亚洲精品无码久久久久|色五月婷婷五月天激情四射|一级毛片完整版免费播放一区|99热国产这里只有精品无卡顿

    隨著(zhù)移動(dòng)互聯(lián)網(wǎng)的發(fā)展進(jìn)入新的方向，移動(dòng)互聯(lián)網(wǎng)中的智能化已經(jīng)成為新的發(fā)展趨勢和主要需求。智能化需求目前主要體現在兩個(gè)方面：

●一方面是促生新的智能化應用，如自動(dòng)駕駛汽車(chē)、虛擬現實(shí)和增強現實(shí)應用等，拓寬移動(dòng)應用領(lǐng)域為用戶(hù)提供更多應用選擇。

●另一方面是基于目前已有的大量應用數據進(jìn)行智能化分析，在現有移動(dòng)應用的基礎上分析用戶(hù)需求、明晰用戶(hù)目標、提供用戶(hù)感受，讓用戶(hù)在固有移動(dòng)應用領(lǐng)域體驗提升。

在智能化引領(lǐng)發(fā)展的階段中，人工智能技術(shù)正在越來(lái)越廣泛地應用在移動(dòng)互聯(lián)網(wǎng)領(lǐng)域，越來(lái)越多的人工智能技術(shù)更多地參與到移動(dòng)互聯(lián)網(wǎng)發(fā)展中來(lái)。人工智能技術(shù)由于其特有的普適性、自主性以及迭代優(yōu)化等特性能夠在數據處理環(huán)節應對更加復雜的數據結構和數據環(huán)境，得出更加嚴謹和穩固的模型和推演結果。人工智能技術(shù)正在不斷推動(dòng)移動(dòng)互聯(lián)網(wǎng)形態(tài)完成新變化，完成更自主的信息捕捉，更智慧的分析判斷，更自主的服務(wù)提供，更智能的云到端結合。本文將從人工智能技術(shù)為出發(fā)點(diǎn)，進(jìn)一步研究移動(dòng)互聯(lián)網(wǎng)領(lǐng)域的人工智能解決方案和應用現狀。

2  人工智能技術(shù)分析

人工智能技術(shù)研究范疇非常廣泛，包括專(zhuān)家系統、神經(jīng)網(wǎng)絡(luò )、啟發(fā)式算法、模糊邏輯、遺傳算法等。而目前廣泛使用的還以神經(jīng)網(wǎng)絡(luò )、模糊邏輯以及遺傳算法的各種擴展算法為主，例如神經(jīng)網(wǎng)絡(luò )擴展的深度學(xué)習算法即為百度智能搜索的核心算法。以應用場(chǎng)景分類(lèi)時(shí)人工智能核心技術(shù)可以分為以下幾個(gè)方面：

（1）數據挖掘與學(xué)習

當面對大量的數據需要進(jìn)行深度數據挖掘、明晰數據之間的聯(lián)系時(shí)，通常采用的方法是人工智能的一個(gè)重要分支——機器學(xué)習。機器學(xué)習是研究如何使用計算機模擬或實(shí)現人類(lèi)的學(xué)習活動(dòng)。它是繼專(zhuān)家系統之后人工智能的又一重要應用領(lǐng)域，是使計算機具有智能的根本途徑，也是人工智能研究的核心課題之一，它的應用遍及至人工智能的各個(gè)領(lǐng)域。學(xué)習是人類(lèi)智能的重要特征，也是獲得知識的基本手段，而機器學(xué)習也是使計算機具有智能的根本途徑�；谌斯ど窠�(jīng)網(wǎng)絡(luò )的深度學(xué)習目前已經(jīng)廣泛應用，神經(jīng)網(wǎng)絡(luò )是對人腦或自然神經(jīng)網(wǎng)絡(luò )一些基本特性的抽象，通過(guò)模擬大腦的某些機理與機制從而實(shí)現功能。正是由于神經(jīng)網(wǎng)絡(luò )具有多神經(jīng)元、分布式計算性能、多層深度反饋調整等優(yōu)勢，才能夠針對海量數據進(jìn)行計算和分析，通過(guò)數據訓練形成模型，其自主學(xué)習的特性，非常適用于處理復雜多維的非線(xiàn)性問(wèn)題和基于智能關(guān)聯(lián)的海量搜索。

（2）知識和數據智能處理

知識處理時(shí)使用最多的技術(shù)是專(zhuān)家系統。專(zhuān)家系統是人工智能研究領(lǐng)域中的一個(gè)重要分支，它將探討一般的思維方法轉入到運用專(zhuān)門(mén)知識求解專(zhuān)門(mén)問(wèn)題，實(shí)現了人工智能從理論研究向實(shí)際應用的重大突破。專(zhuān)家系統可看作一類(lèi)具有專(zhuān)門(mén)知識的計算機智能程序系統，它能運用特定領(lǐng)域中專(zhuān)家提供的專(zhuān)門(mén)知識和經(jīng)驗，并采用人工智能中的推理技術(shù)來(lái)求解和模擬通常由專(zhuān)家才能解決的各種復雜問(wèn)題。發(fā)展專(zhuān)家系統的關(guān)鍵在于表達和運用專(zhuān)家知識，一個(gè)基本的專(zhuān)家系統通常由知識庫、數據庫、推理機、解釋機制、知識獲取和用戶(hù)界面6部分組成。作為開(kāi)展最早的人工智能領(lǐng)域，隨著(zhù)人工智能的進(jìn)一步發(fā)展專(zhuān)家系統也促生了一些新的手段，不斷更新已有的研究領(lǐng)域，完成和其他人工智能技術(shù)的相互促進(jìn)。

（3）人機交互

人與機器人的自然交互與合作就是要賦予機器人類(lèi)似人類(lèi)的觀(guān)察、理解和生成各種情感特征的能力，使機器人能夠完成像人一樣進(jìn)行交互，并可以針對人類(lèi)需求進(jìn)行功能輔助合作完成既定工作任務(wù)。人機交互中主要應用到的技術(shù)包括機器人學(xué)習和模式識別技術(shù)。機器人是模擬人行為的機械，是當前智能化領(lǐng)域發(fā)展較為先進(jìn)的技術(shù)。而人工智能所研究的模式識別是指用計算機代替人類(lèi)或幫助人類(lèi)感知模式，其主要的研究對象是計算機模式識別系統，也就是讓計算機系統能夠模擬人類(lèi)通過(guò)感覺(jué)器官對外界產(chǎn)生的各種感知能力。

3  人工智能技術(shù)應用分析

（1）移動(dòng)應用性能分析

目前，移動(dòng)應用軟件的爆發(fā)式增長(cháng)帶來(lái)了種類(lèi)繁多數量也劇增的眾多移動(dòng)應用，用戶(hù)在選擇移動(dòng)應用過(guò)程中并沒(méi)有可以參考的標準。在此情況下，移動(dòng)應用的友好性分析和應用軟件排行對于用戶(hù)選擇移動(dòng)應用具有一定的指導作用，同時(shí)也可以促進(jìn)移動(dòng)應用的良性發(fā)展，提升移動(dòng)應用的整體質(zhì)量。目前，對于移動(dòng)應用性能分析主要集中在移動(dòng)應用端到端QoE分析、用戶(hù)黏性分析、業(yè)務(wù)協(xié)同友好性分析等方面。而這些方面分析的共同點(diǎn)就是都要基于大數據分析，將大量的用戶(hù)和應用相關(guān)信息進(jìn)行收集和計算得出結論。那么，在這個(gè)大數據分析計算的過(guò)程中通常使用人工智能算法進(jìn)行解決。不同的機器學(xué)習算法是進(jìn)行大數據分析的利器，目前廣泛采用的有加強學(xué)習算法以及基于神經(jīng)網(wǎng)絡(luò )的深度學(xué)習算法等。這些學(xué)習算法運作模式是將不同應用在不同應用場(chǎng)景下的能耗、時(shí)延、流量、速率按指標要求進(jìn)行收集和存儲，作為神經(jīng)網(wǎng)絡(luò )體系的輸入端。然后，按照不同的應用種類(lèi)區分社交應用、即時(shí)通信應用、音視頻應用、云應用、瀏覽器應用和游戲應用，將不同領(lǐng)域內的應用對于能耗、時(shí)延、流量、速率等指標的需求度進(jìn)行分析，并生成對應指標的加權值作為神經(jīng)網(wǎng)絡(luò )的權值。最后，通過(guò)大量數據的訓練和反饋計算形成神經(jīng)網(wǎng)絡(luò )模型。經(jīng)過(guò)學(xué)習的模型可以完成應用整體友好性結論輸出，也可以完成基于當前數據的應用排行，同時(shí)還能通過(guò)現有數據進(jìn)行預測應用性能。目前，各運營(yíng)商積極建立移動(dòng)互聯(lián)網(wǎng)用戶(hù)行為分析系統，在數據共享的基礎上實(shí)現對移動(dòng)用戶(hù)訪(fǎng)問(wèn)互聯(lián)網(wǎng)的行為進(jìn)行分析，最終掌握用戶(hù)的上網(wǎng)習慣以及偏好，從而準確定位用戶(hù)對于移動(dòng)互聯(lián)網(wǎng)的需求，為移動(dòng)企業(yè)經(jīng)營(yíng)分析決策提供數據支撐。

（2）移動(dòng)應用身份認證

身份認證是應用人工智能算法的另一個(gè)重要應用方向。一直以來(lái)，使用最多的身份認證方法是用戶(hù)名和密碼的口令模式以及外設的U盾等設備。但是由于密碼存在被破譯風(fēng)險和被遺忘的可能性，而U盾等外設又存在不便于保存的問(wèn)題，所以目前多因子身份認證方式和生物識別身份認證方式正在廣泛的發(fā)展。多因子身份認證方式是采用兩種或兩種以上的身份認證方式結合起來(lái)進(jìn)行身份認證，綜合多種方式的優(yōu)點(diǎn)，彌補不同身份認證方式的短板。目前，存在一種多因子認證是采用密碼結合用戶(hù)大數據圖譜分析進(jìn)行認證分析，增強原有密碼登錄方式的安全性。用戶(hù)大數據圖譜是通過(guò)用戶(hù)在互聯(lián)網(wǎng)中的種種行為模式記錄數據，進(jìn)行基于機器學(xué)習算法的分析，完成用戶(hù)基本行為模型，可預測用戶(hù)行為并拒絕不符用戶(hù)行為模型的登錄或付款請求，是對普通密碼認證模式的良好輔助。而生物識別認證方式是采用用戶(hù)的生物樣本如指紋、人臉、虹膜、指靜脈等具有唯一性的特征進(jìn)行比對識別的認證方式。生物識別認證方式安全性高，且隨著(zhù)硬件的不斷發(fā)展在移動(dòng)終端上搭載的生物識別模塊也越來(lái)越小，越來(lái)越方便使用。由于生物信息采集時(shí)數量巨大，且經(jīng)過(guò)特征提取后形成的比對數據庫更是龐大，所以生物識別認證的算法基礎都要依賴(lài)于人工智能算法進(jìn)行模式識別和比對認證，最后將分析識別結果輸出。

（3）新應用發(fā)展

人工智能技術(shù)還促生了移動(dòng)互聯(lián)網(wǎng)新應用和新產(chǎn)業(yè)。虛擬現實(shí)/增強現實(shí)技術(shù)就是基于人工智能技術(shù)的應用新拓展。虛擬現實(shí)/增強現實(shí)是需要通過(guò)收集用戶(hù)周?chē)母兄獢祿焖偕蟼鞣⻊?wù)器，并通過(guò)服務(wù)器計算將結果下發(fā)到用戶(hù)的眼鏡設備上。為了用戶(hù)的體驗考慮，從數據收集到結果呈現，谷歌給出的時(shí)延閾值是20ms。也就是說(shuō)，要完成快速的數據交換和計算不可缺少的除了傳輸帶寬還有就是數據計算算法。人工智能算法實(shí)現了大數據量的瞬時(shí)計算，解決了虛擬現實(shí)/增強現實(shí)的發(fā)展基礎。此外，依托于人工智能技術(shù)的（如自動(dòng)駕駛汽車(chē)、智能家居、智能語(yǔ)音搜索等）一大批應用正快速發(fā)展。百度依托深度置信網(wǎng)、卷積神經(jīng)網(wǎng)絡(luò )、遞歸神經(jīng)網(wǎng)絡(luò )等人工智能算法解決了自然語(yǔ)音處理、智能語(yǔ)音識別與搜索、圖像搜索等應用。人工智能技術(shù)對于移動(dòng)互聯(lián)網(wǎng)幾乎每一個(gè)領(lǐng)域都可以產(chǎn)生巨大的影響。

4  基于人工智能技術(shù)的數據處理架構

基于以上對于人工智能技術(shù)的研究，可以總結出一個(gè)通用的基于人工智能技術(shù)的數據處理架構，具體參見(jiàn)圖1�；谌斯ぶ悄芗夹g(shù)的數據處理平臺一般包括數據采集模塊、數據訓練模塊和數據使用模塊。

（1）數據采集模塊要將涉及計算的相關(guān)數據全部進(jìn)行采集和存儲，其中采集數據包括歷史數據和實(shí)時(shí)數據。數據采集模塊是整個(gè)數據處理平臺的數據輸入端。

（2）數據訓練模塊是采用人工智能技術(shù)將平臺存儲數據進(jìn)行反饋和迭代計算，完成數據訓練的工作，進(jìn)而形成數據處理模型。整個(gè)數據訓練部分是基于人工智能技術(shù)的數據處理架構的核心模塊。訓練模型的形成與前面數據采集的廣度和精度息息相關(guān)，同時(shí)采用何種人工智能算法進(jìn)行訓練也在其中起到非常重要的作用。訓練模型的形成極大程度地影響了整個(gè)人工智能數據處理的結果。

（3）最后的數據使用模塊是基于訓練模型的成果輸出。一般在采用訓練好的模型時(shí)，可以得到基于歷史數據的預測以及實(shí)時(shí)數據的計算結果，是整個(gè)人工智能數據處理平臺的結果輸出部分。

隨著(zhù)目前使用人工智能技術(shù)進(jìn)行計算的范圍和數量不斷擴大，基于人工智能算法數據處理模型的計算量也在不斷增加。通常在進(jìn)行人工智能相關(guān)運算時(shí)，會(huì )進(jìn)行大量的反饋和迭代計算，這會(huì )對服務(wù)器產(chǎn)生較大的負荷。而當需要處理的數據量進(jìn)一步增加時(shí)，數據量的負荷會(huì )拖慢服務(wù)器的性能，也會(huì )影響結果輸出的時(shí)效性。因此，目前廣泛采用分布式計算來(lái)配合人工智能數據處理。分布式計算模型如圖2所示，可以將計算任務(wù)分派給多個(gè)分布式服務(wù)器進(jìn)行下發(fā)，計算完成后再將結果通過(guò)不同的分布式服務(wù)器進(jìn)行匯總，通過(guò)中央控制器合成展現。分布式計算架構與人工智能計算相輔相成，共同完成大數據處理和計算任務(wù)。