首页 理论教育 智能化是信息产业长远发展目标

智能化是信息产业长远发展目标

时间:2023-06-10 理论教育 版权反馈
【摘要】:“智能化”的发展并不是一蹴而就的,而是一个长期演进的过程。“大数据”是目前信息产业中比较热门的方向,其概念的本质也是基于统计方法对大量数据进行分析,挖掘出数据中隐含的商业价值。在这样的条件下,物联网可能是产业演进的中期趋势。虽然当前部分阶段性成果已经得到了商业化应用,但距离最终的“智能化”目标而言,仍有很长一段路要走,“智能化”是信息产业发展的长期目标。

智能化是信息产业长远发展目标

“智能化”的发展并不是一蹴而就的,而是一个长期演进的过程。前文提到,计算可以看作是一种辅助智能的工具,设计计算机的初始目的之一就是进行科学计算,以节省脑力劳动。人工智能信息技术相关领域历史最久的方向之一,是信息产业向前发展延续不断的一条暗线,经历过多次的高潮和低谷。包括基于规则的专家系统、第五代计算机计划、人工神经网络、基于统计的机器学习方法,人类利用已经掌握的信息技术,在“智能化”的方向上做出了大量尝试,取得了大量成果,但离最终的目标,即实现真正意义上的人工智能,仍有很长一段路要走。

虽然关于智能的探索是信息产业的长期任务,但人工智能领域的研究成果,并非只有在最终的成熟阶段才能实现商用,在发展的过程中,阶段性成果也可以走出实验室,变现商业价值。早期人工智能系统试图模拟专家的工作,利用人工整理的先验知识库,以及对某些应用领域中(比如医疗法律等)专业人士的思维逻辑进行分析抽取,以形成相应的规则,使用该规则结合背景知识进行专业性的判断,实现模拟智能的效果。从发展结果来看,单纯基于规则的人工智能系统过于局限,只能完成一些非常基本的功能,离实用尚有较大差距。后期人工智能领域的研究转向基于统计的机器学习分析,简单地说,不再使用人为制定的规则,而是通过对已积累的数据进行分析,得到其中的统计规律,利用这样的统计规律进行判断,模拟智能。与早期的规则系统相比,统计机器学习是一种更为灵活的方式。统计方式兴起后,人工智能系统完成任务的效果得到较大提升,在某些领域出现了商用化的产品,如当前的图像识别、语音识别、机器视觉、文本分析等领域,虽然不同产品的具体算法不同,但基本上都是统计模型的某种特殊应用。

搜索引擎的兴起,是人工智能技术商业化的一个标志性事件。搜索引擎可以看作一个自动化的问答工具,本质上来说是一种统计分析框架,通过虚拟的“爬虫机器人”对互联网上的海量内容进行抓取,对网页的内容以及网络节点之间的拓扑关系等特征进行分析,筛选出与用户检索条目最为相关的结果。回顾互联网早期的发展历史,最初的门户网站多是采用人工编辑建立分类索引,对互联网上的内容进行手工分类,用户在感兴趣的类别下找到相应内容。随着互联网上内容的海量增长,尽管门户网站上的类别也在不断增加,在每个分类目录下设立二级甚至更深的子目录,但对覆盖网络内容的目标而言,仍无异于杯水车薪。搜索引擎使用了基于统计的分析方法,得到类别与网页本身特征之间的统计关系,利用这样的统计关系,对用户的每一次检索,实时生成相关内容的排序页面。与门户网站相比,搜索引擎的分类目录数量几乎是无限的,用户的每个检索条目都是一个分类目录。搜索引擎代替门户网站成为新的互联网入口,其本质是基于统计的文本分析算法已满足商用的条件,即利用文本分析算法查找出的结果已不逊色于编辑人工查找的结果。尽管人工智能还远没有实现,但针对互联网内容检索这个特定的任务,机器人已可以实现对人工的替代。

搜索引擎的发展极大地推动了基于统计的机器学习方法的应用。虽然通用的人工智能模型还没有成熟,但阶段性成果在某些领域中已经可以达到商用化的水平。统计算法的大规模应用,主要有以下三点原因:第一,前面已经提到,统计是一种自适应的算法,相对灵活,在很多领域能达到优于规则系统的效能。第二,传统的规则系统需要对各个领域的知识进行抽取,而统计算法相对通用,输入不同领域的基础数据,用类似的算法即可以分析出隐含的统计规律,所以很快在多个领域得到广泛应用。第三,信息产业的发展,信息存储能力的不断提升,积累了大量数据,为开展数据分析提供了“基础原料”。基于统计的分析框架由两个要素组成:一是分析的算法,二是用于分析的数据。在算法差别不大的情况下,系统的“智能程度”,在很大程度上和数据的质量相关。“大数据”是目前信息产业中比较热门的方向,其概念的本质也是基于统计方法对大量数据进行分析,挖掘出数据中隐含的商业价值。从“大数据”的字面意义即可看出,数据的质与量是分析系统的关键因素。数据质量的提升,也是统计分析算法得到广泛应用的重要因素。(www.xing528.com)

从人工智能发展的大的历史背景来看,统计分析替代了传统的规则系统,但绝不会停留于此。尽管在某些领域已经得到了成功应用,已经部分达到了商业化的水平,但从总体来看,与人工智能发展的目标仍有很大距离。当前的统计算法,在商业应用中,多数是充当一个辅助性的功能模块,缺少直接变现的渠道。例如,互联网上普遍存在的精准营销系统,是对统计分析算法的一种典型应用,该系统利用对用户行为数据的分析挖掘,向其推荐更为符合需求的资讯、商品或服务,当前的精准营销系统,多数依附于某个电商或社交平台,利用提升原有效果的方式实现商业变现。另外,语音识别在某些领域,如智能终端的输入、家电控制等已经实现应用,但主要是作为一种附加功能,且当前的技术水平无法实现对原有系统的完全替代。

回顾一下之前做过的产业分析,移动互联网清除了技术障碍,为服务类电商的快速发展提供了前提条件,总体而言,这是一个应用层面的趋势,产业格局可能在短期内确定下来。对物联网而言,其发展的内部动力,是从互联网到移动互联网,再向前发展的延续性趋势,核心是信息的计算处理、存储以及传输等相关能力的泛化,与日常的生产生活环境结合越来越紧密。从整体上看,虽然存在部分环节上的技术和成本障碍,但整体的结构体系是相对明晰的。另一方面,物联网系统的应用领域非常分散,这种碎片化的结构被整合必然是一个相对较长的博弈过程。在这样的条件下,物联网可能是产业演进的中期趋势。再来看看人工智能领域,虽然经过了长期的发展,但由于本身的困难程度,该领域的成熟度仍比较低。虽然当前部分阶段性成果已经得到了商业化应用,但距离最终的“智能化”目标而言,仍有很长一段路要走,“智能化”是信息产业发展的长期目标。

免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。

我要反馈