王威 遼寧建筑職業(yè)學院

1 網絡化人工智能最知識碎片化的現狀

在現代網絡時代中，人工智能的主要研究內容是知識的處理問題，隨著知識碎片化時代的到來，在互聯網發(fā)展的作用下進一步對知識處理能力有了更深一層的要求，以前的傳統(tǒng)講臺的文本知識早已經脫離實際，現在已經進一步發(fā)展到了動態(tài)的多種模式。而且現在處于知識數量爆發(fā)的時代，對知識的處理因該遵循從知識獲取到知識輸出的過程，就在這樣的大數據時代的驅動下，新的知識工程就出現了，與此同時，新的人工資智能方法也應運而生那就是“網絡化人工智能”。

在互聯網的發(fā)展下，知識的擴充已經不僅僅是停留在某個領域，而是蘊含在大量的信息當中。許多碎片化知識中蘊含著大量有用信息，在一些有價值的領域在碎片知識結構中獲取有利信息也形成了很大的難度。人類科技的不斷發(fā)展進步推進了各個學科領域間的相互融合， 出現了多種交叉學科的現象。從現在的情況來看，知識的表達也不能只通過傳統(tǒng)的單一形式展現， 而更需要結合相關知識信息。之前的傳統(tǒng)姿勢工程是以專家系統(tǒng)為主，來解決碎片化知識背景下為人類捕捉最準確有效的決策建議和高效的知識利用，怎樣實現網絡化結構設計來建立起適應現代化需求的人工智能系統(tǒng)是我們當前需要解決的重點問題。

2 碎片化知識

2.1 碎片化知識的基本屬性

近些年來，伴隨著互聯網、人工智能、信息科學等科學技術的進步與發(fā)展，通過組織大量的知識數據已經實現的很多的積累，但是由于現代技術的加深，數據的復雜程度也在逐漸遞增，這就意味著信息的可靠性編的越來越弱，同時也就增加了有價值知識提取的難度。人類進入碎片化知識時代，隨著碎片化知識的不斷涌現，不難得出碎片化知識主要具有多源分布、傳播的社會性、無序與非完整性等特點。

2.2 碎片化知識的挖掘

機器的學習規(guī)律比人類的學習規(guī)律表現得要更強一些。人類在整個學習的過程中，對知識的學習與積累往往建立在理解的基礎之上，我們都有可以感覺到，知識記憶的過程中，對那些有組織性的內容學習起來會更容易，時間也會記得久一些。機器也是如此，都是需要通過學習才能進行實際應用。學習是對知識進行歸納的過程， 被歸納的知識更容易形成組織化結構。一般機器存儲記憶時，對知識的有序化、系統(tǒng)化的要求十分苛刻，要求這些知識要有明顯的結構特征。但是很多碎片化知識是具有動態(tài)時空關聯性質的，在這些知識里抽取精確的模型幾乎是不可能實現的，就如對數學模型的 求解算法設計易引入如類問題。由于碎片化知識存在信息的冗余與隱喻問題，數據的質量密度低，沒有辦法進行向量化， 傳統(tǒng)的人工智能用 “度量” 來區(qū)分模式的方法無法有效處理，但是碎片化知識通常都是無序的、內部關聯稀疏的，，而且這種碎片化知識往往與用戶的自身知識背景和認知感受密切相關，這是不符合現實世界所固有的誤差性與不全面性。

3 網絡化人工智能

3.1 網絡化人工智能的內涵

人工智能需要解決的首要問題就是如何將碎片化的知識組織起來。

因為具有碎片化知識結構局域相對耦合松散、關系相對復雜等特征其系統(tǒng)的輸出則以知識圖譜的形式給出，稱之為 “網絡化人工智能”這種系統(tǒng)它可以實現多源而又復雜的系統(tǒng)。網絡化人工智能的核心是如何利用大規(guī)模網絡化碎片知識實現人工智能，在自制數據源的基礎上實現表達演化建立拓撲結構完成知識自動化， 其可以分解為多個方面的科學問題。

網絡智能化與傳統(tǒng)人工智能的輸出確定性向量的描述有所不同，其中網絡化人工智能輸出的結構化知識圖譜蘊含更豐富的信息，除此之外，網絡化人工智能具有更強的可延伸性，其信息描述能力更強。設計及表征結構化知識圖譜是網絡化人工智能需要研究的關鍵問題。以碎片化知識為節(jié)點，多個強關聯的節(jié)點組成知識網絡。 這些知識網絡又通過連接的方式連接形成了一個網絡化的知識系統(tǒng)，但是，知識網絡之間的相互作用也可以完善自身的不足，彌補碎片化知識本身所具有的誤差性和不完整性。這樣的表征結構實現了以碎片化知識為基礎的信息可動態(tài)更新維護榆次同時也更易于推理和分析。

3.2 機器知識的學習和推理

對于人工智能目標的實現，關鍵問題在于建立能夠解決人工智能目標建立有效的計算模型。該目標的實現依賴于事物本身的可計算性，而這時的網絡化人工智又具有知識碎片化、輸出圖譜化等幾個特點。這幾個特點造成了傳統(tǒng)的可計算模型無法充分有效地描述網絡化人工智能結構。因此，建立合理的計算模型和理論是網絡化人工智能研究的科學問題之一。實現從大量的碎片化樣本抽取出學習模型的參數、結構和形式是建立合理計算機模型的途徑之一，傳統(tǒng)的機器學習方法以數據為輸入為主，網絡化人工智能中以碎片化知識為主，建立起從碎片化知識中學習更高層的知識的人工智能系統(tǒng)，促進新的知識的發(fā)現和探究。

4 網絡化人工智能的未來應用

無論是碎片化知識的學習與組織，還是網絡化人工智能的發(fā)展，都是建立在互聯網平臺的基礎上發(fā)展進行的，以后的人工智能將更加趨近于智能化、人類化。

目前，人工智能在諸多領域已經得到了廣泛應用。

4.1 精準醫(yī)療

隨著當今社會的不斷進步，人類對自身的健康問題越來越重視，因此將人工智能應用于人類健康問題上則成為了必然。人工智能在醫(yī)療中的應用就在于醫(yī)療從治療型向預防型的方向轉變，人工智能在預防醫(yī)療領域近些年已經受到很多研究機構的關注。近年來，全球變暖趨勢的不斷增加，極端天氣的出現讓人類進一步思考究氣候變化與人體健康之間的關系，經過分析之后發(fā)現由于溫度的升高造成的疾病甚至死亡的現象逐年增多，但這些現象的出現僅靠人工的方法去分析天氣與人體健康之間的聯系是十分困難的，網絡化人工智能的應用將更易于分析揭示它們之間的關聯。不僅是天氣， 飲食習慣、生活作息、人際關系、社會壓力都可能會影響我們的身體健康，而這些信息用 傳統(tǒng)的方法進行統(tǒng)計分析幾乎是不可能的，但它們往往存在于互聯網的碎片化知識當中，網絡化人工智能將是有效的分析手段。人工智能在醫(yī)療領域未來的發(fā)展依賴于有效的碎片化知識處理機制。 未來的人工智能不僅僅在于解決當前出現的問題還要應用于疾病的測試問題，利用人工智能技術從醫(yī)療領域中的數據中挖掘出有關疾病治療和預防的知識信息，進而實現精準治療和預防醫(yī)療。

4.2 智能農業(yè)

隨著農業(yè)技術的不斷進步，人工技能也逐步應用于農業(yè)生產的過程當中，最常見的各類智能就是農業(yè)生產收割工具、智能引水灌溉技術和可控溫室建設等，在現代化農業(yè)應用當中?，F代農業(yè)在一定程度上減少了很多人類勞動，減輕了農民的勞動負擔，比如：人們可以通過人工智能和計算機視覺方法，自動區(qū)分雜草和農作物，與此同時，很多自然和生態(tài)管理系統(tǒng)利用了大數據的智能分析，實現了生態(tài)資源的合理配置，使農業(yè)生產可以更合理地利用資源，保證農業(yè)生產做到環(huán)境友好。傳統(tǒng)人工智能方法當前在智能農業(yè)中的應用，使得人類不再將進行重復性的工作，由機器代替人做一些機械性的工作，根據農作物所需要的具體的環(huán)境要求，改善生產過程中的環(huán)境，但是這樣的應用對于現有的農業(yè)生產沒有起到關鍵作用，目前對農業(yè)生產的促進作用是有限的，農業(yè)生產過程中更多的信息還沒有完全被利用，這些知識是以碎片化的形式存在的，需要網絡人工智能進行有效的分析，密切關注現代農業(yè)生產在依靠土壤環(huán)境與氣候變化的同時，也需要密切關注人們的需求。舉個例子來說，從碎片化知識中提取人們在某段時間內對各類水果的興趣以及該水果未來可能的種植數量作為指導，準確地引導果農合理進行種植。這樣，不但可以有效地提高收益，還可避免過剩種植造成的損失。

4.3 國防應用

2016年3月，谷歌所研發(fā)智能機器Alphago程序在圍棋上成功戰(zhàn)勝了韓國著名圍棋職業(yè)選手李世石，當時的決賽場面至今讓人記憶猶新。

圍棋是人類發(fā)明的最為復雜多變的娛樂項目， 圍棋的起源是因為古代發(fā)生的戰(zhàn)爭。人工智能通過自主學習，在自我博弈中實現了奇跡，并且源自于古代的戰(zhàn)爭。Alphago 證明了人工智能具有自主學習的能換位思考一下，這些智能機器能在這種如此費腦力博弈中戰(zhàn)勝人類，那么這類型的機器完全可以用于戰(zhàn)爭之中。因此，近年來將人工智能方法應用于國防安全領域，已經成為各個國家國防部門研究的重點工作，一直以來，全球的安全問題是每個國家高度關注的重要問題，發(fā)展面向信息化的人工智能系統(tǒng)成為每個國家軍事系統(tǒng)的重要任務。

網絡智能化的應用可以實現應對更加復雜的戰(zhàn)爭。

最能讓人有切身體會的就是CPS信息物理系統(tǒng)，這類系統(tǒng)經過試用之后表明連接得物理域、網絡域和感知域等進行跨域聯合作戰(zhàn)成為現實，于是這種系統(tǒng)在近幾年的反恐戰(zhàn)爭以及聯合軍事演練中被廣泛應用。

現代戰(zhàn)爭已不僅是傳統(tǒng)意義上的物理空間的作戰(zhàn)，網絡環(huán)境成為另一個作戰(zhàn)的主要空間，社會環(huán)境以及當時的人類活動，也在這復雜的空間環(huán)境里作為了被考慮的因素，復雜的實時戰(zhàn)場環(huán)境事態(tài)依靠傳統(tǒng)的人為因素進行分析判斷已經無法完全勝任。平行軍事系統(tǒng)通過全方位的數據分析，對大量數據處理得到碎片化知識，通過建立網絡化模型能夠更加及時有效地傳遞戰(zhàn)場信息。

5 總結

在互聯網的發(fā)展下，信息量呈現爆發(fā)式增長的態(tài)勢，信息傳播的速度也在迅速增長，人工智能在互聯網的大環(huán)境下， 已經涉及了人類生活、工作、學習等方方面面，碎片化知識也越來越多，充分利用網絡化人工智能的作用，有效地解決碎片化知識的處理與高效利用，使得知識的擴充不再是停留在某個領域，而是蘊含在大量的信息當中。在人類的生產活動當中，許多碎片化知識中蘊含著大量有用信息，在一些有價值的領域在碎片知識結構中獲取有利信息也形成了很大的難度。不僅如此，人類科技的不斷發(fā)展進步推進了各個學科領域間的相互融合， 出現了多種交叉學科的現象。從現在的情況來看，知識的表達也不能只通過傳統(tǒng)的單一形式展現，而更需要結合相關知識信息。之前的傳統(tǒng)姿勢工程是以專家系統(tǒng)為主，來解決碎片化知識背景下為人類捕捉最準確有效的決策建議和高效的知識利用，實現網絡化結構設計來建立起適應現代化需求的人工智能系統(tǒng)，探尋碎片化知識與人工技能之間的聯系作用，是我們當前需要解決的重點問題。