[智慧城市]

“智慧城市”是一個非常火熱的詞。但在很多人看來，這一高大上的話題顯得既陌生又遙遠。其實，智慧城市建設(shè)早已通過各種不同的展現(xiàn)方式滲入到了我們的日常生活中，并從眾多方面來改變我們的生活，比如智能家居、智能可穿戴設(shè)備以及工業(yè)4.0等。智慧城市實際上就是運用信息和通信技術(shù)手段感測、分析、整合城市運行核心系統(tǒng)的各項關(guān)鍵信息，從而對包括民生、環(huán)保、公共安全、城市服務(wù)、工商業(yè)活動在內(nèi)的各種需求做出智能響應(yīng)。其實質(zhì)是利用先進的信息技術(shù)，實現(xiàn)城市智慧式管理和運行，進而為城市中的人創(chuàng)造更美好的生活，促進城市的和諧、可持續(xù)成長。

智慧城市經(jīng)常與數(shù)字城市、感知城市、無線城市、智能城市、生態(tài)城市、低碳城市等區(qū)域發(fā)展概念相交叉，甚至與電子政務(wù)、智能交通、智能電網(wǎng)等行業(yè)信息化概念發(fā)生混雜。對智慧城市概念的解讀也經(jīng)常各有側(cè)重，有的觀點認為關(guān)鍵在于技術(shù)應(yīng)用，有的觀點認為關(guān)鍵在于網(wǎng)絡(luò)建設(shè)，有的觀點認為關(guān)鍵在人的參與，有的觀點認為關(guān)鍵在于智慧效果，一些城市信息化建設(shè)的先行城市則強調(diào)以人為本和可持續(xù)創(chuàng)新?？傊?，智慧不僅僅是智能。智慧城市絕不僅僅是智能城市的另外一個說法，或者說是信息技術(shù)的智能化應(yīng)用，還包括人的智慧參與、以人為本、可持續(xù)發(fā)展等內(nèi)涵。綜合這一理念的發(fā)展源流以及對世界范圍內(nèi)區(qū)域信息化實踐的總結(jié)，《創(chuàng)新2.0視野下的智慧城市》一文從技術(shù)發(fā)展和經(jīng)濟社會發(fā)展兩個層面的創(chuàng)新對智慧城市進行了解析，強調(diào)智慧城市不僅僅是物聯(lián)網(wǎng)、云計算等新一代信息技術(shù)的應(yīng)用，更重要的是通過面向知識社會的創(chuàng)新2.0的方法論應(yīng)用。

智慧城市通過物聯(lián)網(wǎng)基礎(chǔ)設(shè)施、云計算基礎(chǔ)設(shè)施、地理空間基礎(chǔ)設(shè)施等新一代信息技術(shù)以及維基、社交網(wǎng)絡(luò)、Fab Lab、Living Lab、綜合集成法、網(wǎng)動全媒體融合通信終端等工具和方法的應(yīng)用，實現(xiàn)全面透徹的感知、寬帶泛在的互聯(lián)、智能融合的應(yīng)用以及以用戶創(chuàng)新、開放創(chuàng)新、大眾創(chuàng)新、協(xié)同創(chuàng)新為特征的可持續(xù)創(chuàng)新。

[認知計算]

認知計算出自于IBM人工智能超級計算機“沃森”的稱謂，而現(xiàn)在，它更多的代表著一種全新的大數(shù)據(jù)分析方式。隨著信息的增加，計算機可在已有經(jīng)驗的基礎(chǔ)上隨著時間推移，以學(xué)習(xí)的、交互的方式，隨著數(shù)據(jù)的進一步增長逐步提高認知的分析行為，就像大腦會自然而然地做事情，“認知計算”是人工智能和大數(shù)據(jù)的“聯(lián)姻”。

認知計算源自模擬人腦的計算機系統(tǒng)的人工智能，20世紀90年代后，研究人員開始用認知計算一詞，以表明該學(xué)科用于教計算機像人腦一樣思考，而不只是開發(fā)一種人工系統(tǒng)。傳統(tǒng)的計算技術(shù)是定量的，并著重于精度和序列等級，而認知計算則試圖解決生物系統(tǒng)中的不精確、不確定和部分真實的問題，以實現(xiàn)不同程度的感知、記憶、學(xué)習(xí)、語言、思維和問題解決等過程。

目前，隨著科學(xué)技術(shù)的發(fā)展以及大數(shù)據(jù)時代的到來，如何實現(xiàn)類似人腦的認知與判斷，發(fā)現(xiàn)新的關(guān)聯(lián)和模式，從而做出正確的決策，顯得尤為重要，這給認知計算技術(shù)的發(fā)展帶來了新的機遇和挑戰(zhàn)。另據(jù)IDC預(yù)測，到2018年，超過一半的消費者將獲取到基于認知計算開發(fā)的服務(wù)。

[量子計算]

量子計算是一種依照量子力學(xué)理論進行的新型計算。量子計算的基礎(chǔ)和原理以及重要量子算法為在計算速度上超越圖靈機模型提供了可能。量子計算是當(dāng)前熱門的研究領(lǐng)域。相對于普通計算機，基于量子力學(xué)特性的量子計算機，擁有超乎想象的并行計算與存儲能力，求解一個億億億變量的方程組，具有億億次計算能力的“天河2號”需要100年，而萬億次的量子計算機理論上只需要0.01秒就可解出。當(dāng)量子計算機應(yīng)用之時，現(xiàn)在的密碼破譯、基因測序等科學(xué)難題，將可迎刃而解。

量子計算（quantum computation）的概念最早由IBM的科學(xué)家R.Landauer及c.Bennett于20世紀70年代提出。他們主要探討的是計算過程中諸如自由能、信息與可逆性之間的關(guān)系。80年代初期，阿崗國家實驗室的P.Benioff首先提出二能階的量子系統(tǒng)可以用來仿真數(shù)字計算；稍后費因曼也對這個問題產(chǎn)生興趣而著手研究，并在1981年于麻省理工學(xué)院舉行的First Conference on Physics of Computation中給了一場演講，勾勒出以量子現(xiàn)象實現(xiàn)計算的愿景。1985年，牛津大學(xué)的D.Deutsch提出量子圖靈機（quantum Turing machine）的概念，量子計算才開始具備了數(shù)學(xué)的基本型式。

[深度學(xué)習(xí)]

深度學(xué)習(xí)的概念源于人工神經(jīng)網(wǎng)絡(luò)的研究。含多隱層的多層感知器就是一種深度學(xué)習(xí)結(jié)構(gòu)。深度學(xué)習(xí)通過組合低層特征形成更加抽象的高層表示屬性類別或特征，以發(fā)現(xiàn)數(shù)據(jù)的分布式特征表示。深度學(xué)習(xí)的概念由Hinton等人于2006年提出?；谏疃戎眯啪W(wǎng)絡(luò)（DBN）提出非監(jiān)督貪心逐層訓(xùn)練算法，為解決深層結(jié)構(gòu)相關(guān)的優(yōu)化難題帶來希望，隨后提出多層自動編碼器深層結(jié)構(gòu)。此外Lecun等人提出的卷積神經(jīng)網(wǎng)絡(luò)是第一個真正多層結(jié)構(gòu)學(xué)習(xí)算法，它利用空間相對關(guān)系減少參數(shù)數(shù)目以提高訓(xùn)練性能。

深度學(xué)習(xí)是機器學(xué)習(xí)研究中的一個新的領(lǐng)域，其動機在于建立、模擬人腦進行分析學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)，它模仿人腦的機制來解釋數(shù)據(jù)，例如圖像，聲音和文本。同機器學(xué)習(xí)方法一樣，深度機器學(xué)習(xí)方法也有監(jiān)督學(xué)習(xí)與無監(jiān)督學(xué)習(xí)之分.不同的學(xué)習(xí)框架下建立的學(xué)習(xí)模型很是不同.例如，卷積神經(jīng)網(wǎng)絡(luò)（Convolutional neural networks，簡稱CNNs）就是一種深度的監(jiān)督學(xué)習(xí)下的機器學(xué)習(xí)模型，而深度置信網(wǎng)（Deep Belief Nets，簡稱DBNs）就是一種無監(jiān)督學(xué)習(xí)下的機器學(xué)習(xí)模型。

把學(xué)習(xí)結(jié)構(gòu)看作一個網(wǎng)絡(luò)，則深度學(xué)習(xí)的核心思路如下：無監(jiān)督學(xué)習(xí)用于每一層網(wǎng)絡(luò)的pre—train；每次用無監(jiān)督學(xué)習(xí)只訓(xùn)練一層，將其訓(xùn)練結(jié)果作為其高一層的輸入；用自頂而下的監(jiān)督算法去調(diào)整所有層。endprint