陳 健

（黑龍江交通職業(yè)技術(shù)學院，黑龍江 哈爾濱 150025）

1.引言

人工智能技術(shù)的誕生與發(fā)展，不僅能夠加快各項新型智能化應(yīng)用的誕生，如增強現(xiàn)實應(yīng)用、虛擬現(xiàn)實、自動汽車駕駛等，使移動應(yīng)用技術(shù)的應(yīng)用范圍越來越廣，使用戶在進行選擇的過程中有更多參考。通過對目前大量數(shù)據(jù)的靈活運用，能夠確保智能化分析的工作的有效性開展。結(jié)合現(xiàn)有的移動應(yīng)用技術(shù)，對使用者的需求進行分析、明確了解用戶的使用目的、為用戶提供真實感受，全面提升用戶在故有移動應(yīng)用領(lǐng)域的體驗。在以智能化為主的發(fā)展領(lǐng)域中，在移動互聯(lián)網(wǎng)領(lǐng)域中人工智能技術(shù)的應(yīng)用越來越廣泛，在移動互聯(lián)網(wǎng)發(fā)展過程中人工智能技術(shù)的參與也越來越多。由于人工智能具有較高的迭代優(yōu)化、普適性特點，能夠在對數(shù)據(jù)進行處理的過程中，滿足數(shù)據(jù)環(huán)境和數(shù)據(jù)結(jié)構(gòu)提出的復(fù)雜要求，從而確保最終得到的推演結(jié)果以及數(shù)據(jù)模型具有較高的嚴謹性和穩(wěn)固性。

2.深入探索人工智能技術(shù)在移動應(yīng)用開發(fā)中的作用

2.1 移動應(yīng)用性能分析

現(xiàn)階段，對移動應(yīng)用性能進行分析的過程中，主要分析目標體現(xiàn)在業(yè)務(wù)協(xié)同友好性分析、用戶粘性分析、移動應(yīng)用端到端QOE分析這幾個方面。對于這幾個分析方面具有的共同點而言，就是都需要建立在大數(shù)據(jù)分析的基礎(chǔ)上，通過收集和計算大量用戶以及相關(guān)應(yīng)用信息得到結(jié)論。在此過程中，通常會使用人工智能算法，全面解決在大數(shù)據(jù)分析計算過程中存在的問題，在此基礎(chǔ)上，采取多元化的措施和方法，對機器學習方法進行不斷完善，為加強大數(shù)據(jù)分析的有效性和準確性提供有力幫助。根據(jù)對學習算法展開的大量實際調(diào)查研究能夠知道，目前主要將加強學習算法和深度學習算法這兩個以神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)的算法為主。

首先，針對種類不同的算法，雖然計算方式存在著較大的差異，但歸根究底，具有的運算模式大體相同，基本上都是將多元化場景下，不同應(yīng)用具有的速率、流量、時延、能耗等各項因素，根據(jù)具體的指示要求，對相關(guān)信息數(shù)據(jù)進行搜集、整理、整合、保存。在此基礎(chǔ)上，使其作為神經(jīng)網(wǎng)絡(luò)體系碩儒端口的身份呈現(xiàn)。

其次，根據(jù)應(yīng)用種類的不同，對游戲應(yīng)用、瀏覽器應(yīng)用、云應(yīng)用、音頻應(yīng)用、視頻應(yīng)用等不同的使用目的，展開詳細的區(qū)域劃分和歸類，系統(tǒng)性地分析和研究不同應(yīng)用范圍對傳輸速度、傳輸流量、時延、能耗具有的不同需求，從而生成對應(yīng)加權(quán)值作用于對應(yīng)指標，在此基礎(chǔ)上，使神經(jīng)網(wǎng)絡(luò)最終具有的全部數(shù)值以這些加權(quán)值為準。

再次，只有在大量數(shù)據(jù)不斷訓練預(yù)計反饋，經(jīng)歷不斷的計算，才能使神經(jīng)網(wǎng)絡(luò)模型全面形成。針對一部分已經(jīng)通過學習的神經(jīng)網(wǎng)絡(luò)模型，不僅能夠在對具體結(jié)論進行輸出的過程中，實現(xiàn)整體友好性，而且還能夠?qū)⒛壳耙延械臄?shù)據(jù)信息作為基礎(chǔ)，完成應(yīng)用排行，甚至可以根據(jù)目前已經(jīng)得到的相關(guān)數(shù)據(jù)位基礎(chǔ)，準確預(yù)測具體應(yīng)用的性能。

根據(jù)實際調(diào)查研究能夠發(fā)現(xiàn)，現(xiàn)階段我國大部分移動運營商為了實現(xiàn)自身可持續(xù)發(fā)展的目標，都在采取不同的理念和措施，積極建立能夠?qū)?yīng)對互聯(lián)網(wǎng)用戶行為進行分析的高段系統(tǒng)。在此過程中，以數(shù)據(jù)共享作為基礎(chǔ)，使分析移動用戶訪問互聯(lián)網(wǎng)行為的目標得到有效實現(xiàn)，從而對移動用戶的上網(wǎng)習慣以及喜好準確掌握，這樣才能充分了解移動用戶的真實需求，從而確保移動運營商在對相關(guān)發(fā)展策略和戰(zhàn)略計劃進行部署的過程中，能夠有據(jù)可依，使移動運營商能夠通過對整正準數(shù)據(jù)的全面分析，加強對互聯(lián)網(wǎng)運營模式進行全面調(diào)整和優(yōu)化。

2.2 認證移動應(yīng)用身份

對于人工智能算法而言，身份認證是人工智能未來發(fā)展的重要應(yīng)用方向之一。長久以來，外設(shè)U盾設(shè)備模式、密碼口令模式、用戶名模式是主要使用的身份認證方法，然而用戶名我是和密碼口令模式、由于可能存在被遺忘的風險以及密碼被破譯的風險，外設(shè)U盾設(shè)備模式存在保存不方便等問題，使得行業(yè)專業(yè)人士正在對身份認證方法進行不斷改革與創(chuàng)新。在此過程中，誕生了生物識別身份證方式和多因子身份認證方式，由于這兩種方式具有多元化優(yōu)勢，因此得到了人們的一致認可和普遍使用。

首先，通過記錄用戶在互聯(lián)網(wǎng)中各項行為的數(shù)據(jù)，能夠得到用戶大數(shù)據(jù)圖譜，以機器學習算法為基礎(chǔ)進行分析，對用戶的基本行為模型進行建立，不僅能夠?qū)τ脩舻男袨檫M行預(yù)測，而且還能對與用戶行為不相符的付款請求和登錄請求進行拒絕，這種方式能夠有效輔助傳統(tǒng)普通密碼認證模式。

其次，對于生物識別認證方式而言，具有較高的安全性，并且搭載在移動終端設(shè)備上的生物識別模塊，也隨著硬件的不斷發(fā)展體積越來越小，使用過程具有的方便性越來越明顯。相關(guān)人士都會以人工智能算法為基礎(chǔ)，運用生物識別認證算法。

2.3 發(fā)展新應(yīng)用

人工智能技術(shù)的不斷完善，對移動互聯(lián)網(wǎng)新產(chǎn)業(yè)和新應(yīng)用的誕生與發(fā)展起到了積極促進作用，增強現(xiàn)實技術(shù)和虛擬現(xiàn)實技術(shù)就是以人工智能技術(shù)為基礎(chǔ)的新型拓展應(yīng)用。增強現(xiàn)實技術(shù)和虛擬現(xiàn)實技術(shù)主要是在服務(wù)器中上傳收集到的用戶感知數(shù)據(jù)，并在服務(wù)器的作用下，將最終結(jié)果快速下發(fā)到用戶的眼鏡設(shè)備中。從提高用戶體驗感角度出發(fā)，無論是收集數(shù)據(jù)還是呈現(xiàn)結(jié)果，通過谷歌計算得到的時延結(jié)果為20 ms。從中可以看出，想要確保數(shù)據(jù)交換和數(shù)據(jù)計算在最短時間內(nèi)完成，不僅需要對應(yīng)的傳輸帶，而且還需要有效的數(shù)據(jù)計算算法。由于通過對人工智能算法的有效應(yīng)用，能夠為海量大數(shù)據(jù)的瞬時計算提供便利，是增強現(xiàn)實技術(shù)和虛擬現(xiàn)實技術(shù)的發(fā)展基礎(chǔ)得到有效解決。與此同時，智能語音搜索、智能家居、自動駕駛汽車等一大批應(yīng)用，在人工智能技術(shù)的不斷完善下，得到了快速發(fā)展。以遞歸神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)、深度置信網(wǎng)絡(luò)等人工智能算法為基礎(chǔ)，百度對自然語言的處理、智能語音的識別和搜索、圖像搜索和識別等應(yīng)用進行了有效解決。對于人工智能技術(shù)而言，對于每一個移動互聯(lián)網(wǎng)領(lǐng)域的發(fā)展都產(chǎn)生了積極影響。

3.以人工智能技術(shù)為基礎(chǔ)的數(shù)據(jù)處理構(gòu)架

基于以上對于人工智能技術(shù)的研究和分析能，我們夠總結(jié)出一個基于人工智能技術(shù)的通用數(shù)據(jù)處理架構(gòu)結(jié)構(gòu)，如圖1所示。

圖1 以人工智能技術(shù)為基礎(chǔ)的數(shù)據(jù)處理構(gòu)架

3.1 數(shù)據(jù)采集模塊

在采集和儲存與計算有關(guān)的全部數(shù)據(jù)時，要確保相關(guān)操作的必須在數(shù)據(jù)采集模塊范圍內(nèi)開展，在此過程中，數(shù)據(jù)采集工作主要包括對歷史數(shù)據(jù)的采集和實時數(shù)據(jù)的采集，并且數(shù)據(jù)處理平臺要將數(shù)據(jù)采集模塊作為整體數(shù)據(jù)的輸入端。

3.2 數(shù)據(jù)訓練模塊

在人工智能技術(shù)的作用下，對平臺的相關(guān)數(shù)據(jù)進行真實反饋和迭代計算，從而完成數(shù)據(jù)訓練工作，并使相關(guān)工作以模型的狀態(tài)呈現(xiàn)，這一模型就被稱之為數(shù)據(jù)訓練模塊。對于整體訓練緩解而言，是以人工智能技術(shù)為基礎(chǔ)的數(shù)據(jù)處理構(gòu)架核心模塊。數(shù)據(jù)采集的精確度和廣度對訓練模型形成具有至關(guān)重要的作用，并且選擇的人工智能運算方法對訓練模型的形成影響程度也比較大，整個模型的處理結(jié)果受序列模型的影響程度較為明顯。

3.3 數(shù)據(jù)使用模塊

數(shù)據(jù)使用模塊的建立是以訓練模型的成果輸出為基礎(chǔ)，一般情況下，當使用訓練好的模型時，能夠得到以歷史數(shù)據(jù)為基礎(chǔ)的預(yù)測和實時數(shù)據(jù)的計算結(jié)果，這也是數(shù)據(jù)處理平臺在人工智能技術(shù)作用下的結(jié)果輸出環(huán)節(jié)。

目前我國在開展各項計算工作中使用人工智能技術(shù)的頻率和范圍逐漸提高，以人工智能為基礎(chǔ)的算法數(shù)據(jù)處理模型具有的計算頻率也在不斷提升。一般情況下，在開展人工智能相關(guān)運算的過程中，反饋數(shù)量和迭代計算數(shù)量較大，會使服務(wù)器的工作負荷量隨之提高。此時如果進一步增加需要進行處理的數(shù)據(jù)量，服務(wù)器具有的性能必然會被數(shù)據(jù)量產(chǎn)生的負荷嚴重降低，并且對最終結(jié)果輸出具有的時效性造成嚴重影響。為了有效解決這個問題，在運用人工智能技術(shù)對相關(guān)數(shù)據(jù)進行處理的過程中，普遍采用分布式計算方式，通過將原始任務(wù)進行有效劃分，分配給不同的分布式服務(wù)器，在完成相關(guān)計算之后，再將不同分布式服務(wù)器得到的結(jié)果進行有效匯總，在中央控制器的合成作用下，將最終的結(jié)果呈現(xiàn)出來。將人工智能計算技術(shù)與分布式計算構(gòu)架進行有效結(jié)合，通過二者相輔相成的作用，能夠使大數(shù)據(jù)的處理工作和計算工作順利完成。

4.結(jié)語

移動互聯(lián)網(wǎng)形態(tài)正在人工智能技術(shù)的不斷推動下進行全新的變化，在對信息進行捕捉的過程中能夠更加自主，在進行分析判斷的過程中更加智慧，在提供服務(wù)的過程中更加人性化，相關(guān)數(shù)據(jù)在云端結(jié)合的過程中更加智能。因此，相關(guān)人士不僅要對人工智能技術(shù)給予足夠關(guān)注，加強對技術(shù)理念和技術(shù)內(nèi)容的不斷優(yōu)化與創(chuàng)新，確保移動網(wǎng)絡(luò)應(yīng)用技術(shù)在人工智能技術(shù)不斷優(yōu)化與完善的推動下得到進一步提升，從而使我國社會現(xiàn)代化發(fā)展水平不斷提高的目標得到有效實現(xiàn)。