人工智能基礎(chǔ)與應(yīng)用第二章人工智能的基礎(chǔ)支撐導(dǎo)讀隨著信息時(shí)代的到來，人工智能的應(yīng)用也逐漸滲入到人們的生活中。人工智能技術(shù)的實(shí)現(xiàn)與落地除了理論的支撐外，還有物聯(lián)網(wǎng)、云計(jì)算和大數(shù)據(jù)的支撐。其中，物聯(lián)網(wǎng)猶如土壤一般支撐著人工智能數(shù)據(jù)的采集與傳輸；云計(jì)算為人工智能的實(shí)現(xiàn)提供了算力支撐；大數(shù)據(jù)為人工智能算法的訓(xùn)練提供了海量的數(shù)據(jù)，為人工智能提供了數(shù)據(jù)支撐。本章將介紹人工智能的理論支撐、土壤支撐、算力支撐和數(shù)據(jù)支撐。學(xué)習(xí)目標(biāo)掌握知識(shí)表示、確定性推理、搜索策略、不確定性推理、計(jì)算智能和機(jī)器學(xué)習(xí)等人工智能理論知識(shí)。掌握物聯(lián)網(wǎng)的定義和基本特征。掌握云計(jì)算的定義、服務(wù)模型和服務(wù)部署模式。23掌握大數(shù)據(jù)的定義、結(jié)構(gòu)和數(shù)據(jù)處理流程。41素質(zhì)目標(biāo)01研究人工智能的基礎(chǔ)支撐，提升學(xué)生的知識(shí)水平，培養(yǎng)學(xué)生的鉆研精神。02探究科技前沿知識(shí)，開闊學(xué)生視野，加強(qiáng)學(xué)生緊跟時(shí)代發(fā)展的意識(shí)。目錄CONTENTS人工智能的理論支撐0102人工智能的土壤支撐03人工智能的算力支撐04人工智能的數(shù)據(jù)支撐人工智能的理論支撐012.1人工智能的理論支撐2.1.1知識(shí)表示人類的智能活動(dòng)主要是獲得并運(yùn)用知識(shí)，即通過對(duì)外部世界進(jìn)行觀察等方式獲得知識(shí)，然后運(yùn)用知識(shí)做出正確的判斷和決策，最后采取正確的行動(dòng)。由此可見，知識(shí)是實(shí)現(xiàn)智能的基礎(chǔ)。為了實(shí)現(xiàn)計(jì)算機(jī)模擬人類的智能行為，就需要將知識(shí)以適當(dāng)?shù)姆绞奖硎境鰜聿⒋鎯?chǔ)于計(jì)算機(jī)中，因此，知識(shí)表示成了人工智能中一個(gè)十分重要的研究課題。人工智能的發(fā)展離不開理論的支撐，其理論知識(shí)包括知識(shí)表示、確定性推理、搜索策略、不確定性推理、計(jì)算智能和機(jī)器學(xué)習(xí)等。2.1人工智能的理論支撐2.1.1知識(shí)表示1．知識(shí)的概念知識(shí)是人類對(duì)自然世界、人類社會(huì)、思維方式及運(yùn)動(dòng)規(guī)律的認(rèn)識(shí)與掌握；是人類在長(zhǎng)期的生活及社會(huì)實(shí)踐中、科學(xué)研究及實(shí)驗(yàn)中積累起來的經(jīng)驗(yàn)；是人的大腦通過思考，把實(shí)踐中獲得的有關(guān)信息關(guān)聯(lián)在一起形成的信息結(jié)構(gòu)。2.1人工智能的理論支撐信息之間有多種關(guān)聯(lián)形式，使用最廣泛的一種是用“如果……，則……”表示的關(guān)聯(lián)形式，它反映了信息間的因果關(guān)系。例如，人類經(jīng)過多年的觀察發(fā)現(xiàn)，每當(dāng)大雨即將來臨的時(shí)候，就會(huì)看到成群結(jié)隊(duì)的螞蟻在搬家（見右圖），于是就把“螞蟻搬家”和“大雨將至”這兩個(gè)信息關(guān)聯(lián)在一起，得到了相應(yīng)的知識(shí)，即如果螞蟻搬家，則大雨將至。螞蟻搬家知識(shí)反映了客觀世界中事物之間的關(guān)系，不同事物或者相關(guān)事物間的不同關(guān)系形成了不同的知識(shí)。例如，“海水是咸的”是一條知識(shí)，它反映了“海水”與“咸”之間的一種關(guān)系。又如，“如果天空中烏云密布，則有可能會(huì)下雨”是一條知識(shí)，它反映了“天空中烏云密布”與“有可能會(huì)下雨”之間的一種因果關(guān)系。在人工智能中，將前一種知識(shí)稱為事實(shí)，而把采用“如果……，則……”關(guān)聯(lián)起來所形成的知識(shí)稱為規(guī)則。2.1.1知識(shí)表示2.1人工智能的理論支撐知識(shí)是人類對(duì)客觀世界認(rèn)識(shí)的結(jié)晶，并且長(zhǎng)期受到實(shí)踐的檢驗(yàn)。知識(shí)是人類世界特有的概念，從不同的角度可以將知識(shí)分成不同的類別。（1）從確定性劃分，知識(shí)可分為確定性知識(shí)（如“雪是白色的”）和不確定性知識(shí)（如“明天可能會(huì)下雨”）。（2）從作用范圍劃分，知識(shí)可分為常識(shí)性知識(shí)（如“猴子有尾巴”）和領(lǐng)域性知識(shí)（如“計(jì)算機(jī)中央處理器的核心部件包括運(yùn)算器和控制器”）。（3）從知識(shí)結(jié)構(gòu)及表現(xiàn)形式劃分，知識(shí)可分為邏輯性知識(shí)（如“如果你感覺喉嚨腫痛，則有可能是扁桃體發(fā)炎了”）和形象性知識(shí)（如“地球儀是圓形的”）。（4）從知識(shí)的作用劃分，知識(shí)可分為事實(shí)性知識(shí)（如“一年有12個(gè)月”）、過程性知識(shí)（如“汽車維修技術(shù)”）和控制性知識(shí)（如“搜索策略”）。2.1.1知識(shí)表示2.1人工智能的理論支撐2．知識(shí)表示的概念知識(shí)表示（knowledgerepresentation）是將人類知識(shí)形式化或模型化。實(shí)際上，就是對(duì)知識(shí)的一種描述，或者說是一組約定，一種計(jì)算機(jī)可以接受的用于描述知識(shí)的數(shù)據(jù)結(jié)構(gòu)。知識(shí)表示過程就是把知識(shí)編碼成某種數(shù)據(jù)結(jié)構(gòu)的過程。從某種意義上，可以將知識(shí)表示視為數(shù)據(jù)結(jié)構(gòu)及其處理機(jī)制的綜合，即知識(shí)表示

=

知識(shí)的數(shù)據(jù)結(jié)構(gòu)

+

知識(shí)的處理機(jī)制2.1.1知識(shí)表示2.1人工智能的理論支撐3．知識(shí)表示方法知識(shí)表示方法有很多，比較常見的有一階謂詞邏輯表示法、狀態(tài)空間表示法、產(chǎn)生式表示法、語義網(wǎng)絡(luò)表示法和框架表示法等。一階謂詞邏輯表示法是一種重要的知識(shí)表示方法，它以數(shù)理邏輯為基礎(chǔ)，采用謂詞公式的形式表示知識(shí)。這種表示法表示的知識(shí)不僅與人類的自然語言比較接近，還便于存儲(chǔ)到計(jì)算機(jī)中，從而實(shí)現(xiàn)計(jì)算機(jī)對(duì)知識(shí)的精確處理。謂詞公式，又稱合式公式，是由謂詞符號(hào)、常量符號(hào)、變?cè)?hào)、函數(shù)符號(hào)，以及連接詞、量詞、括號(hào)、逗號(hào)等按照一定語法規(guī)則組成的字符串表達(dá)式。例如，“如果明天天氣晴朗，則我會(huì)去室外玩?！笨杀硎緸?。2.1.1知識(shí)表示2.1人工智能的理論支撐狀態(tài)空間表示法是基于解答空間的問題表示和求解方法，即通過在某個(gè)可能的解空間內(nèi)尋找一個(gè)最優(yōu)解來求解問題的方法。它是以狀態(tài)和操作符為基礎(chǔ)來表示和求解問題的。狀態(tài)空間表示法思路簡(jiǎn)單、操作方便，適用于求解簡(jiǎn)單的問題。產(chǎn)生式表示法，又稱產(chǎn)生式規(guī)則表示法，是由美國(guó)數(shù)學(xué)家波斯特（E.Post）于1943年提出的一種知識(shí)表示方法。它常采用“條件→結(jié)果”的形式描述事物間的因果關(guān)系。2.1.1知識(shí)表示2.1人工智能的理論支撐語義網(wǎng)絡(luò)表示法是通過概念及語義關(guān)系（或語義聯(lián)系）來表示知識(shí)的一種網(wǎng)絡(luò)圖。其中，語義網(wǎng)絡(luò)由節(jié)點(diǎn)和節(jié)點(diǎn)間的弧組成。節(jié)點(diǎn)表示各種事物、概念、情況、屬性、狀態(tài)、事件和動(dòng)作等；弧表示它所連接的節(jié)點(diǎn)間的各種語義關(guān)系?？蚣鼙硎痉ㄊ且钥蚣芾碚摓榛A(chǔ)發(fā)展起來的一種結(jié)構(gòu)化知識(shí)表示方法，現(xiàn)已在多種系統(tǒng)中得到了應(yīng)用。該理論認(rèn)為人的知識(shí)是以框架結(jié)構(gòu)寄存在人腦中的，當(dāng)人們面臨新的情況，或?qū)栴}的看法有重要變化時(shí)，總是從自己的記憶中找出一個(gè)合適的框架，然后根據(jù)細(xì)節(jié)加以修改補(bǔ)充，從而形成對(duì)新事物的認(rèn)識(shí)。2.1.1知識(shí)表示2.1人工智能的理論支撐一般來說，同一知識(shí)可以有多種不同的表示形式，而不同的表示形式所產(chǎn)生的效果可能不同。因此，在選擇知識(shí)表示方法時(shí)，應(yīng)從以下幾個(gè)方面進(jìn)行考慮。（1）所選知識(shí)表示方法是否能充分表示領(lǐng)域知識(shí)。（3）所選知識(shí)表示方法是否便于知識(shí)的獲取、組織、維護(hù)和管理。（2）所選知識(shí)表示方法是否有利于對(duì)知識(shí)進(jìn)行使用。（4）所選知識(shí)表示方法是否便于理解和實(shí)現(xiàn)。2.1.1知識(shí)表示2.1人工智能的理論支撐2.1.2確定性推理知識(shí)表示方法能夠?qū)⒅R(shí)以某種形式表示出來并存儲(chǔ)到計(jì)算機(jī)中，而計(jì)算機(jī)真正的智能是其具有思維能力，即能運(yùn)用知識(shí)進(jìn)行推理來求解問題。1．推理的概念推理是指從已知事實(shí)出發(fā)，按照某種策略，運(yùn)用已掌握的知識(shí)，推導(dǎo)出其中蘊(yùn)含的事實(shí)性結(jié)論或歸納出某些新的結(jié)論的過程。2.1人工智能的理論支撐推理所用的事實(shí)可分為兩種：通常，智能系統(tǒng)的推理過程由推理機(jī)來完成。所謂推理機(jī)就是智能系統(tǒng)中用來實(shí)現(xiàn)推理的那些程序。一種是推理前用戶提供的與求解問題有關(guān)的初始證據(jù)；另一種是推理過程中所得到的中間結(jié)論，這些中間結(jié)論可以作為進(jìn)一步推理的證據(jù)。2.1.2確定性推理人類的智能活動(dòng)有多種思維方式，相應(yīng)地，對(duì)人類智能進(jìn)行模擬的人工智能也有多種推理方式。下表從不同的角度對(duì)推理方式進(jìn)行了分類。2.1人工智能的理論支撐2．推理方式及分類分類依據(jù)推理方式描述按推理時(shí)所用知識(shí)的確定性分類確定性推理推理時(shí)所使用的知識(shí)都是確定的，推出的結(jié)論也都是確定的，而且它們的真值非真即假，不會(huì)有第三種情況出現(xiàn)不確定性推理推理時(shí)所用的知識(shí)不都是確定的，推出的結(jié)論也是不確定的，它們的真值會(huì)位于真與假之間按推理的邏輯基礎(chǔ)分類演繹推理一種從一般到個(gè)別的推理方式，即從已知的一般性知識(shí)出發(fā)，推出蘊(yùn)含在已知知識(shí)中的適合于某種個(gè)別情況的結(jié)論歸納推理一種從個(gè)別到一般的推理方式，即從大量特殊事例出發(fā)，歸納出一般性結(jié)論的推理過程默認(rèn)推理在知識(shí)不完全的情況下假設(shè)某些條件成立所進(jìn)行的推理表

推理方式的分類2.1.2確定性推理2.1人工智能的理論支撐2．推理方式及分類分類依據(jù)推理方式描述按推理過程中所推出的結(jié)論是否單調(diào)地增加分類單調(diào)推理在推理的過程中隨著推理的向前推進(jìn)及新知識(shí)的加入，推出的結(jié)論呈單調(diào)增加的趨勢(shì)，并且結(jié)論越來越接近最終目標(biāo)非單調(diào)推理在推理過程中由于新知識(shí)的加入，不僅沒有加強(qiáng)已推出的結(jié)論，反而否定了它，使得推理退回到前面的某一步，然后重新開始推理按推理過程中是否運(yùn)用與問題有關(guān)的啟發(fā)性知識(shí)分類啟發(fā)式推理在推理過程中，運(yùn)用了與問題有關(guān)的啟發(fā)性知識(shí)，如解決問題的策略、技巧及經(jīng)驗(yàn)等，以加快推理過程，求得問題最優(yōu)解非啟發(fā)式推理在推理過程中，不運(yùn)用啟發(fā)性知識(shí)，只按照一般的控制邏輯進(jìn)行推理表

推理方式的分類（續(xù)表）常見的確定性推理有自然演繹推理和歸結(jié)演繹推理。2.1.2確定性推理2.1人工智能的理論支撐3．自然演繹推理自然演繹推理是指從一組已知為真的事實(shí)出發(fā)，直接運(yùn)用命題邏輯或謂詞邏輯中的推理規(guī)則推出結(jié)論的過程。其中，常用的推理規(guī)則有假言推理、拒取式推理和三段論式推理等。4．歸結(jié)演繹推理在人工智能中，幾乎所有的問題都可以轉(zhuǎn)化成一個(gè)定理證明問題。對(duì)于定理證明問題，如果用一階謂詞邏輯表示的話，該問題的實(shí)質(zhì)就是要求對(duì)前提P和結(jié)論Q證明是永真的。然而，要證明謂詞公式的永真性，必須對(duì)謂詞公式中變?cè)獋€(gè)體域上的每個(gè)解釋進(jìn)行驗(yàn)證，這是極其困難的。為了簡(jiǎn)化問題，在推理時(shí)常采用歸結(jié)演繹推理。歸結(jié)演繹推理是一種基于歸結(jié)原理的機(jī)器推理技術(shù)。實(shí)際上，它是一種基于邏輯的“反證法”，把關(guān)于永真性的證明轉(zhuǎn)化為關(guān)于不可滿足性的證明，即要證明

,永真，只要能夠證明是不可滿足的就可以了。2.1.2確定性推理2.1人工智能的理論支撐謂詞公式的永真性：如果謂詞公式P對(duì)個(gè)體域D上的任何一個(gè)解釋都取真值T（真），則稱P在D上是永真的；如果P在每個(gè)非空個(gè)體域上均永真，則稱P永真。謂詞公式的不可滿足性：對(duì)于謂詞公式P，如果至少存在一個(gè)解釋使得公式P在此解釋下的真值為T（真），則稱公式P是可滿足的，否則，則稱公式P是不可滿足的。

表示“P蘊(yùn)涵Q”，可理解為“如果P，則Q

”；表示“P合取非Q

”，可理解為“P與非Q

”。2.1.2確定性推理2.1人工智能的理論支撐2.1.3搜索策略現(xiàn)實(shí)世界中多數(shù)問題都是非結(jié)構(gòu)化的，一般不能用直接求解的方法來求解這樣的問題，而只能利用已有的知識(shí)一步一步地摸索著前進(jìn)。因此，常常使用基于搜索策略的方法來求解問題。搜索策略可看成是一種在狀態(tài)空間圖中尋找路徑的方法，它是人工智能的基本求解策略之一，在人工智能領(lǐng)域具有廣泛的應(yīng)用。目前，廣大學(xué)者們已提出了許多不同的搜索策略，根據(jù)搜索過程中是否運(yùn)用與問題有關(guān)的信息，可以將這些搜索策略分為盲目搜索策略和啟發(fā)式搜索策略。2.1人工智能的理論支撐在人工智能中，通過運(yùn)用搜索策略解決問題的基本思想是：首先把問題的初始狀態(tài)（即起始節(jié)點(diǎn)）作為當(dāng)前狀態(tài)，選擇適用的操作符對(duì)其進(jìn)行操作，生成一組子狀態(tài)（即后繼節(jié)點(diǎn)），然后檢查目標(biāo)狀態(tài)是否在其中出現(xiàn)。若出現(xiàn)，則搜索成功，找到了問題的解；若未出現(xiàn)，則按某種搜索策略從已生成的狀態(tài)中再選一個(gè)狀態(tài)作為當(dāng)前狀態(tài)。重復(fù)上述過程，直到目標(biāo)狀態(tài)出現(xiàn)或者不再有可供操作的狀態(tài)及操作符為止。在運(yùn)用搜索策略求解問題的過程中，涉及的數(shù)據(jù)結(jié)構(gòu)除了狀態(tài)空間圖之外，還需要兩個(gè)輔助的數(shù)據(jù)結(jié)構(gòu)，即存放已訪問但未擴(kuò)展節(jié)點(diǎn)的OPEN表，以及存放已擴(kuò)展節(jié)點(diǎn)的CLOSED表。2.1.3搜索策略2.1人工智能的理論支撐1．盲目搜索策略盲目搜索策略，又稱無信息搜索策略，也就是說，在搜索過程中，只按照預(yù)先規(guī)定的搜索策略進(jìn)行搜索，而沒有任何中間信息來改變這些策略。常用的盲目搜索策略有寬度優(yōu)先搜索和深度優(yōu)先搜索等。（1）寬度優(yōu)先搜索，又稱廣度優(yōu)先搜索，其基本思想是從起始節(jié)點(diǎn)開始，逐層對(duì)節(jié)點(diǎn)進(jìn)行擴(kuò)展（或搜索），同時(shí)考察它是否為目標(biāo)節(jié)點(diǎn)。例如，如圖1所示的搜索樹，其搜索順序應(yīng)為A→B→C→D→E→F→G→H。圖1

寬度優(yōu)先搜索2.1.3搜索策略2.1人工智能的理論支撐（2）深度優(yōu)先搜索的基本思想是從起始節(jié)點(diǎn)開始，在其子節(jié)點(diǎn)中選擇一個(gè)節(jié)點(diǎn)進(jìn)行考察，如果不是目標(biāo)節(jié)點(diǎn)，則在該子節(jié)點(diǎn)的子節(jié)點(diǎn)中選擇一個(gè)節(jié)點(diǎn)進(jìn)行考察，一直如此向下搜索，如果發(fā)現(xiàn)不能到達(dá)目標(biāo)節(jié)點(diǎn)，則返回到上一個(gè)節(jié)點(diǎn)，然后選擇該節(jié)點(diǎn)的另一個(gè)子節(jié)點(diǎn)往下搜索，如此反復(fù)，直到搜索到目標(biāo)節(jié)點(diǎn)或搜索完全部節(jié)點(diǎn)為止。例如，如圖2所示的搜索樹，其搜索順序應(yīng)為A→B→D→H→E→C→F→G。圖2深度優(yōu)先搜索2.1.3搜索策略2.1人工智能的理論支撐2．啟發(fā)式搜索策咯啟發(fā)式搜索策略，又稱有信息搜索策略，是指在搜索過程中，利用與問題有關(guān)的信息，引導(dǎo)搜索朝最有利的方向進(jìn)行，從而加快搜索的速度，提高搜索效率。常用的啟發(fā)式搜索策略有A搜索和A*搜索。啟發(fā)式搜索策略的主要依據(jù)是問題自身的啟發(fā)性信息。啟發(fā)性信息是指可確定搜索方向，簡(jiǎn)化搜索過程，且可反映問題特性的控制性信息。啟發(fā)性信息又是通過估價(jià)函數(shù)而作用于搜索過程的。估價(jià)函數(shù)常用于估計(jì)節(jié)點(diǎn)的代價(jià)，即通過充分利用啟發(fā)性信息估計(jì)出經(jīng)過當(dāng)前節(jié)點(diǎn)搜索到目標(biāo)節(jié)點(diǎn)的代價(jià)。2.1.3搜索策略2.1人工智能的理論支撐估計(jì)一個(gè)節(jié)點(diǎn)的價(jià)值，必須考慮兩個(gè)重要的因素，即已經(jīng)付出的代價(jià)和將要付出的代價(jià)。因此，可將估價(jià)函數(shù)定義為從初始節(jié)點(diǎn)S0出發(fā)，經(jīng)過節(jié)點(diǎn)n到達(dá)目標(biāo)節(jié)點(diǎn)G的所有路徑中最優(yōu)路徑的代價(jià)估計(jì)值。其一般形式為

其中，表示從初始節(jié)點(diǎn)S0到達(dá)中間節(jié)點(diǎn)n的實(shí)際代價(jià)。的值是從節(jié)點(diǎn)S0到節(jié)點(diǎn)n的最優(yōu)路徑上所有有向邊的代價(jià)之和。

表示從中間節(jié)點(diǎn)n到目標(biāo)節(jié)點(diǎn)G的最優(yōu)路徑的估計(jì)代價(jià)。這種估計(jì)主要是源于對(duì)問題自身特性的認(rèn)識(shí)，依據(jù)這些特性加快搜索的速度，體現(xiàn)了問題自身的啟發(fā)性信息。因此，可稱為啟發(fā)函數(shù)。2.1.3搜索策略2.1人工智能的理論支撐2.1.4不確定性推理不確定性推理是從不確定的初始證據(jù)（即已知事實(shí)）出發(fā)，通過運(yùn)用不確定的知識(shí)（或規(guī)則），最終推出具有一定程度的不確定性但卻合理或近乎合理的結(jié)論的思維過程。不確定性推理的方法有多種，其分類如下圖所示。不確定性推理方法模型方法控制方法數(shù)值方法非數(shù)值方法基于概率的方法可信度方法證據(jù)理論方法主觀貝葉斯方法基于模糊理論的方法模糊推理方法語義網(wǎng)絡(luò)推理框架推理啟發(fā)式搜索相關(guān)性制導(dǎo)回溯機(jī)緣控制圖不確定性推理方法分類2.1人工智能的理論支撐1．可信度方法在實(shí)際生活中，人們可以利用從客觀世界認(rèn)識(shí)過程中積累的經(jīng)驗(yàn)，判斷觀察到的某一件新事物或現(xiàn)象的真假或?yàn)檎娴某潭?。例如，人們觀察天空中烏云的情況，可根據(jù)以往經(jīng)驗(yàn)判斷會(huì)不會(huì)下雨。根據(jù)經(jīng)驗(yàn)判斷事物或現(xiàn)象為真的相信程度稱為可信度?？尚哦确椒ㄊ窃诖_定性理論的基礎(chǔ)上，結(jié)合概率論等理論提出的一種不確定性推理模型。它的推理模式合理有效，因此廣泛應(yīng)用于專家系統(tǒng)等領(lǐng)域?？尚哦染哂休^大的主觀性和經(jīng)驗(yàn)性，常由領(lǐng)域內(nèi)的專家給出。由于領(lǐng)域內(nèi)的專家具有豐富的專業(yè)知識(shí)和實(shí)踐經(jīng)驗(yàn)，因此他們給出的可信度是值得相信的。2.1.4不確定性推理2.1人工智能的理論支撐2．證據(jù)理論方法證據(jù)理論方法，又稱D-S理論，是登普斯特（Dempster）首先提出，謝弗（Shafer）實(shí)現(xiàn)進(jìn)一步發(fā)展的不確定性推理方法。證據(jù)理論能夠區(qū)分“不確定”和“不知道”的差異，并能處理由于“不知道”帶來的不確定性，具有較大的靈活性。因此，證據(jù)理論方法受到了人們的廣泛關(guān)注。2.1.4不確定性推理2.1人工智能的理論支撐2.1.5計(jì)算智能計(jì)算智能（computationalintelligence，CI）是人們受自然規(guī)律和生物智能機(jī)制的啟迪，根據(jù)其原理模仿設(shè)計(jì)的一組算法，用于解決復(fù)雜的現(xiàn)實(shí)世界問題。目前，計(jì)算智能還沒有統(tǒng)一的定義，下面列舉部分學(xué)者對(duì)計(jì)算智能的不同描述。（1）計(jì)算智能主要是借鑒仿生學(xué)的思想，基于人們對(duì)生物體智能機(jī)制和自然規(guī)律的認(rèn)識(shí)，采用數(shù)值計(jì)算的方法去模擬和實(shí)現(xiàn)人類智能、生物智能和自然規(guī)律。（2）計(jì)算智能是依靠生產(chǎn)者提供的數(shù)值數(shù)據(jù)進(jìn)行加工處理，而不是依賴于知識(shí)。2.1人工智能的理論支撐2.1.5計(jì)算智能（3）計(jì)算智能是一種智力方式的低層認(rèn)知，只處理數(shù)值數(shù)據(jù)，而人工智能是一種智力方式的中級(jí)認(rèn)知，可以處理符號(hào)形式的知識(shí)。（4）如果一個(gè)系統(tǒng)僅處理底層的數(shù)值數(shù)據(jù)，含有的模式識(shí)別部分，沒有使用人工智能意義上的知識(shí)，且具有計(jì)算適應(yīng)性、計(jì)算容錯(cuò)性、接近人的計(jì)算速度和近乎人的誤差率這4個(gè)特性，則該系統(tǒng)是智能計(jì)算系統(tǒng)。（5）計(jì)算智能是一種以模型（包括數(shù)字模型和計(jì)算模型）為基礎(chǔ)，以分布和并行計(jì)算為特征的自然智能模擬方法。2.1人工智能的理論支撐計(jì)算智能的研究與發(fā)展反映了當(dāng)代科學(xué)技術(shù)多學(xué)科交叉融合發(fā)展的重要趨勢(shì)。根據(jù)算法設(shè)計(jì)依據(jù)的原理不同，可將計(jì)算智能分為進(jìn)化計(jì)算、群體智能、神經(jīng)計(jì)算、模糊計(jì)算、免疫計(jì)算和人工生命等，如圖下圖所示。圖

計(jì)算智能的分類2.1.5計(jì)算智能2.1人工智能的理論支撐1．進(jìn)化計(jì)算進(jìn)化計(jì)算，又稱演化計(jì)算，是一種通過模擬生物進(jìn)化機(jī)制而設(shè)計(jì)的具有高魯棒性和廣泛性的全局優(yōu)化方法。它具有自組織、自適應(yīng)、自學(xué)習(xí)的特性，能夠不受問題性質(zhì)的限制，有效地處理傳統(tǒng)優(yōu)化算法難以解決的復(fù)雜問題。進(jìn)化計(jì)算是采用簡(jiǎn)單的編碼技術(shù)來表示各種復(fù)雜的結(jié)構(gòu)，并通過簡(jiǎn)單的遺傳操作和優(yōu)勝劣汰的自然選擇來指導(dǎo)學(xué)習(xí)和確定搜索的方向。2.1.5計(jì)算智能2.1人工智能的理論支撐1．進(jìn)化計(jì)算進(jìn)化計(jì)算是一個(gè)“算法簇”，包括遺傳算法、遺傳規(guī)劃、進(jìn)化策略和進(jìn)化規(guī)劃等。其中，遺傳算法是最初形成的一種最具影響力的模擬生物進(jìn)化的優(yōu)化算法。遺傳算法（geneticalgorithm，GA）是模仿生物遺傳學(xué)和自然選擇機(jī)理而設(shè)計(jì)的計(jì)算模型，是人工構(gòu)造的一種搜索最優(yōu)解的方法。它常用于處理傳統(tǒng)算法難以解決的復(fù)雜和非線性優(yōu)化問題。2.1.5計(jì)算智能2.1人工智能的理論支撐2．群體智能群體智能是一種受自然界生物群體的智能現(xiàn)象啟發(fā)而提出的智能優(yōu)化方法，是計(jì)算智能領(lǐng)域的關(guān)鍵技術(shù)之一。圖常見的群體智能算法群體智能的概念來自對(duì)螞蟻、蜜蜂等自然界中群居生物群體行為的觀察和模擬。例如，通過觀察螞蟻尋找路徑的行為提出蟻群算法，通過觀察蜜蜂繁殖、采蜜等行為提出蜂群算法，通過觀察鳥群的捕食行為提出粒子群算法，等等。常見的群體智能算法還有很多，如右圖所示。2.1.5計(jì)算智能2.1人工智能的理論支撐群體智能也是指無智能或者僅具有相對(duì)簡(jiǎn)單智能的個(gè)體通過合作表現(xiàn)出復(fù)雜智能行為的特性。其中，無智能或僅具有簡(jiǎn)單智能是相對(duì)于群體合作表現(xiàn)出來的智能而言的。群體智能是在模擬自然界群體生存現(xiàn)象的基礎(chǔ)上，運(yùn)用一定的數(shù)學(xué)手段和計(jì)算工具，設(shè)計(jì)相應(yīng)的算法模型，為解決系統(tǒng)中的復(fù)雜行為提供了新的思路。它主要有以下4個(gè)特點(diǎn)?？刂剖欠植际降?，不存在控制中心。擴(kuò)充性較好。具有簡(jiǎn)單性。具有自組織性。2.1.5計(jì)算智能2．群體智能12342.1人工智能的理論支撐2.1.6機(jī)器學(xué)習(xí)機(jī)器學(xué)習(xí)（machinelearning）是通過各種算法從數(shù)據(jù)中學(xué)習(xí)如何完成任務(wù)，并獲得完成任務(wù)方法的一門學(xué)科。它可以對(duì)數(shù)據(jù)進(jìn)行自動(dòng)分析，并從中獲得規(guī)律或模型，然后利用規(guī)律或模型對(duì)未知數(shù)據(jù)進(jìn)行預(yù)測(cè)。它是人工智能的核心，是使計(jì)算機(jī)具有智能的重要途徑。目前，機(jī)器學(xué)習(xí)還沒有一個(gè)公認(rèn)且準(zhǔn)確的定義，下面列舉了部分學(xué)者對(duì)機(jī)器學(xué)習(xí)的描述。（1）機(jī)器學(xué)習(xí)是研究如何用機(jī)器模擬人類學(xué)習(xí)活動(dòng)的一門學(xué)科。（2）機(jī)器學(xué)習(xí)是研究機(jī)器如何獲取新知識(shí)和新技能，并識(shí)別現(xiàn)有知識(shí)的學(xué)科。（3）機(jī)器學(xué)習(xí)是研究機(jī)器如何模擬人類的學(xué)習(xí)活動(dòng)，自主獲取新知識(shí)和新技能，不斷提升系統(tǒng)性能的學(xué)科。機(jī)器學(xué)習(xí)?點(diǎn)擊播放微課2.1人工智能的理論支撐機(jī)器學(xué)習(xí)有很多種學(xué)習(xí)方法，從不同的角度，根據(jù)不同的方式，可以將其劃分為不同的類別，如下表所示。分類方式分類描述按學(xué)習(xí)

形式分類有監(jiān)督學(xué)習(xí)從含有標(biāo)簽的數(shù)據(jù)集中推出一個(gè)功能的學(xué)習(xí)方法無監(jiān)督學(xué)習(xí)從不含標(biāo)簽的數(shù)據(jù)集中推出一個(gè)功能的學(xué)習(xí)方法半監(jiān)督學(xué)習(xí)綜合利用有標(biāo)簽的數(shù)據(jù)和無標(biāo)簽的數(shù)據(jù)，生成合適的函數(shù)強(qiáng)化學(xué)習(xí)以環(huán)境反饋（獎(jiǎng)懲信號(hào)）作為輸入，以統(tǒng)計(jì)和動(dòng)態(tài)規(guī)劃技術(shù)為指導(dǎo)的一種學(xué)習(xí)方法按學(xué)習(xí)

目標(biāo)分類概念學(xué)習(xí)學(xué)習(xí)的目標(biāo)和結(jié)果為概念，典型的概念學(xué)習(xí)有示例學(xué)習(xí)規(guī)則學(xué)習(xí)學(xué)習(xí)的目標(biāo)和結(jié)果為規(guī)則，典型的規(guī)則學(xué)習(xí)有決策樹學(xué)習(xí)函數(shù)學(xué)習(xí)學(xué)習(xí)的目標(biāo)和結(jié)果為函數(shù)，典型的函數(shù)學(xué)習(xí)有神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)類別學(xué)習(xí)學(xué)習(xí)的目標(biāo)和結(jié)果為對(duì)象類別，典型的類別學(xué)習(xí)有聚類分析表機(jī)器學(xué)習(xí)的分類2.1.6機(jī)器學(xué)習(xí)2.1人工智能的理論支撐分類方式分類描述按學(xué)習(xí)

方法分類機(jī)械式學(xué)習(xí)通過直接記憶或外部提供的信息達(dá)到學(xué)習(xí)的目的指導(dǎo)式學(xué)習(xí)由外部環(huán)境向系統(tǒng)提供指示或建議示例學(xué)習(xí)通過從環(huán)境中獲取若干與某知識(shí)有關(guān)的例子，經(jīng)歸納得到一般性知識(shí)類比學(xué)習(xí)把兩個(gè)事物進(jìn)行比較，找出它們?cè)谀骋怀橄髮由系南嗨脐P(guān)系，并以這種關(guān)系為依據(jù)，把某一事物的有關(guān)知識(shí)加以適當(dāng)整理，然后對(duì)應(yīng)到另一事物，從而獲得求解另一事物的知識(shí)解釋學(xué)習(xí)在領(lǐng)域知識(shí)指導(dǎo)下，通過對(duì)單個(gè)問題求解實(shí)例的分析，構(gòu)造出求解過程的因果解釋結(jié)構(gòu)，并獲取控制知識(shí)，便于指導(dǎo)以后求解類似問題按推理

方式分類基于演繹的學(xué)習(xí)以演繹推理為基礎(chǔ)的學(xué)習(xí)基于歸納的學(xué)習(xí)以歸納推理為基礎(chǔ)的學(xué)習(xí)表機(jī)器學(xué)習(xí)的分類（續(xù)表）2.1.6機(jī)器學(xué)習(xí)2.1人工智能的理論支撐1．有監(jiān)督學(xué)習(xí)有監(jiān)督學(xué)習(xí)是一種比較簡(jiǎn)單且直接的機(jī)器學(xué)習(xí)方式，它是利用含有標(biāo)簽的數(shù)據(jù)集對(duì)學(xué)習(xí)模型進(jìn)行訓(xùn)練，然后得到預(yù)測(cè)模型，最后利用測(cè)試集對(duì)預(yù)測(cè)模型的性能進(jìn)行評(píng)估的學(xué)習(xí)方法。有監(jiān)督學(xué)習(xí)也可理解為“跟著老師學(xué)”，即在有老師的環(huán)境下，學(xué)生跟著老師學(xué)習(xí)知識(shí)，待他們掌握之后，再使用新的數(shù)據(jù)測(cè)試學(xué)生的認(rèn)知水平。例如，老師拿兩張貓咪圖片，教小朋友認(rèn)識(shí)貓咪，小朋友結(jié)合圖片中貓咪的外在特征和老師的講解認(rèn)識(shí)貓咪，然后老師再拿出一張新的圖片，詢問小朋友圖片中是什么動(dòng)物，如右圖所示。圖

有監(jiān)督學(xué)習(xí)2.1.6機(jī)器學(xué)習(xí)2.1人工智能的理論支撐機(jī)器學(xué)習(xí)中，采用有監(jiān)督學(xué)習(xí)方法建模的任務(wù)有分類任務(wù)和回歸任務(wù)。（1）分類任務(wù)通常用于將事物打上一個(gè)標(biāo)簽，結(jié)果為離散值。例如，判斷一幅圖片上的動(dòng)物是貓還是狗。分類的最終正確結(jié)果只有一個(gè)，錯(cuò)誤的就是錯(cuò)誤的，不會(huì)有相近的概念。分類是通過在已有數(shù)據(jù)的基礎(chǔ)上進(jìn)行學(xué)習(xí)，推導(dǎo)出一個(gè)分類函數(shù)或構(gòu)造出一個(gè)分類模型，該函數(shù)或模型可以將待分類的數(shù)據(jù)集映射到某個(gè)給定的類別中，從而實(shí)現(xiàn)數(shù)據(jù)分類。其中，分類函數(shù)或分類模型也稱為分類器。2.1.6機(jī)器學(xué)習(xí)2.1人工智能的理論支撐在機(jī)器學(xué)習(xí)領(lǐng)域中，分類任務(wù)的實(shí)現(xiàn)需要先確定一個(gè)分類函數(shù)或模型，類似于數(shù)據(jù)樣本中的分界線，然后對(duì)輸入的新數(shù)據(jù)進(jìn)行預(yù)測(cè)，即根據(jù)分界線對(duì)新數(shù)據(jù)進(jìn)行分類，如右圖所示。圖

分類任務(wù)圖中，實(shí)心的正方形和圓表示帶有標(biāo)簽的訓(xùn)練數(shù)據(jù)；分界線表示經(jīng)過訓(xùn)練后獲得的分類函數(shù)或分類模型；空心的正方形和圓表示輸入的新數(shù)據(jù)。分類任務(wù)中常用的核心算法有K近鄰分類算法、決策樹分類算法、貝葉斯分類算法、支持向量機(jī)分類算法和人工神經(jīng)網(wǎng)絡(luò)等。2.1.6機(jī)器學(xué)習(xí)2.1人工智能的理論支撐（2）回歸任務(wù)通常用來預(yù)測(cè)一個(gè)值，如預(yù)測(cè)房?jī)r(jià)、預(yù)測(cè)股價(jià)等。若一個(gè)產(chǎn)品的實(shí)際價(jià)格為500元，通過回歸分析預(yù)測(cè)值為499元，則認(rèn)為這是一個(gè)比較好的回歸分析。回歸是對(duì)真實(shí)值的一種逼近預(yù)測(cè)。回歸是通過已有數(shù)據(jù)進(jìn)行學(xué)習(xí)，擬合出一個(gè)回歸函數(shù)或構(gòu)造出一個(gè)回歸模型，該函數(shù)或模型可以將待測(cè)試的數(shù)據(jù)集映射到某個(gè)給定的值，從而實(shí)現(xiàn)數(shù)據(jù)預(yù)測(cè)。2.1.6機(jī)器學(xué)習(xí)2.1人工智能的理論支撐在機(jī)器學(xué)習(xí)領(lǐng)域中，回歸任務(wù)的實(shí)現(xiàn)需要先對(duì)數(shù)據(jù)樣本點(diǎn)進(jìn)行擬合，再根據(jù)擬合出來的函數(shù)對(duì)輸入的新數(shù)據(jù)進(jìn)行輸出預(yù)測(cè)，如右圖所示。圖

回歸任務(wù)圖中，圓表示帶有標(biāo)簽的訓(xùn)練數(shù)據(jù)；回歸曲線表示經(jīng)過訓(xùn)練后獲得的回歸函數(shù)或回歸模型。若該回歸任務(wù)表示對(duì)商品價(jià)格走勢(shì)的預(yù)測(cè)（x表示年份，y表示商品價(jià)格），則由回歸函數(shù)可以預(yù)測(cè)未來某年的商品價(jià)格。回歸任務(wù)中常用的核心算法有K近鄰回歸算法、決策樹回歸算法、貝葉斯回歸算法、支持向量機(jī)回歸算法和人工神經(jīng)網(wǎng)絡(luò)等。2.1.6機(jī)器學(xué)習(xí)2.1人工智能的理論支撐2．無監(jiān)督學(xué)習(xí)無監(jiān)督學(xué)習(xí)是在沒有標(biāo)簽的數(shù)據(jù)集里發(fā)現(xiàn)數(shù)據(jù)之間潛在關(guān)系的學(xué)習(xí)方法。例如，根據(jù)聚類或一定的模型得到數(shù)據(jù)之間的關(guān)系。無監(jiān)督學(xué)習(xí)是一種沒有明確目的的學(xué)習(xí)方法，無法提前知道結(jié)果，且它的學(xué)習(xí)效果幾乎無法量化。無監(jiān)督學(xué)習(xí)也可理解為“自學(xué)成才”，即在沒有老師的環(huán)境下，學(xué)生自己觀察事物的特征，將特征相似的事物聚成一類，并為該類取一個(gè)名字，當(dāng)學(xué)生再次遇到相似的事物時(shí)，自然會(huì)將該事物和前面的事物歸為一類。例如，學(xué)生看到幾只動(dòng)物，觀察發(fā)現(xiàn)它們的外部特征相似，便將它們歸為一類，并取了一個(gè)類名——“狗狗”，之后學(xué)生再看到這種動(dòng)物，自然就將它歸類于“狗狗”了，如右圖所示。圖

無監(jiān)督學(xué)習(xí)2.1.6機(jī)器學(xué)習(xí)2.1人工智能的理論支撐機(jī)器學(xué)習(xí)中，采用無監(jiān)督學(xué)習(xí)方法建模的任務(wù)有聚類任務(wù)。聚類任務(wù)是指根據(jù)輸入的特征向量尋找數(shù)據(jù)（沒有標(biāo)簽）的規(guī)律，并將類似的樣本匯聚成類，如下圖所示。聚類任務(wù)常用于對(duì)目標(biāo)群體進(jìn)行多指標(biāo)劃分。例如，現(xiàn)有多個(gè)客戶的購(gòu)物記錄數(shù)據(jù)，且未對(duì)數(shù)據(jù)進(jìn)行標(biāo)記，通過聚類任務(wù)將具有相同購(gòu)物習(xí)慣的客戶匯聚成類，不同類中的客戶購(gòu)買的商品種類不同，店鋪運(yùn)營(yíng)即可根據(jù)該反饋信息向客戶推薦相關(guān)商品。圖聚類任務(wù)2.1.6機(jī)器學(xué)習(xí)2.1人工智能的理論支撐聚類是按照某個(gè)特定標(biāo)準(zhǔn)把一個(gè)數(shù)據(jù)集分割成不同的類，使得同一個(gè)類內(nèi)的數(shù)據(jù)對(duì)象之間相似性盡可能大，同時(shí)不在同一個(gè)類中的數(shù)據(jù)對(duì)象之間差異性也盡可能大?？梢?，聚類后同一類的數(shù)據(jù)盡可能聚集到一起，不同類數(shù)據(jù)盡量分離。聚類任務(wù)中常用的算法有很多，如劃分聚類方法、層次聚類方法、基于密度的方法、基于網(wǎng)格的方法和基于模型的方法等。人工智能的土壤支撐022.2人工智能的土壤支撐物聯(lián)網(wǎng)（internetofthings，IoT）的理念最早是由比爾?蓋茨于1995年出版的《未來之路》一書中提及。在《未來之路》中，比爾?蓋茨已經(jīng)提及物物互聯(lián)的構(gòu)想，只是當(dāng)時(shí)受限于無線網(wǎng)絡(luò)、硬件及傳感設(shè)備的發(fā)展，物聯(lián)網(wǎng)并未引起世人的重視。但是，“物聯(lián)網(wǎng)”的種子卻已經(jīng)深深地埋在了世人的心中。之后，隨著互聯(lián)網(wǎng)技術(shù)和硬件設(shè)備的逐漸提升，埋藏在世人心中的“物聯(lián)網(wǎng)”種子在信息技術(shù)發(fā)展的澆灌下，開始生根發(fā)芽，并逐漸成長(zhǎng)為參天大樹。2.2人工智能的土壤支撐如今，物聯(lián)網(wǎng)作為新一代信息技術(shù)的典型代表，在全球范圍內(nèi)呈現(xiàn)出爆發(fā)式增長(zhǎng)的狀態(tài)，不同行業(yè)和不同類型的物聯(lián)網(wǎng)應(yīng)用為人們開啟了萬物互聯(lián)的時(shí)代。下圖展示了物聯(lián)網(wǎng)的主要應(yīng)用場(chǎng)景。智能家居智能交通智能農(nóng)業(yè)智慧城市食品安全環(huán)境監(jiān)測(cè)2.2人工智能的土壤支撐2.2.1什么是物聯(lián)網(wǎng)1999年2005年2009年9月2010年美國(guó)麻省理工學(xué)院的專家們：物聯(lián)網(wǎng)就是將所有物品通過射頻識(shí)別（radiofrequencyidentification，RFID）等信息傳感設(shè)備與互聯(lián)網(wǎng)連接起來，實(shí)現(xiàn)智能化識(shí)別和管理的網(wǎng)絡(luò)。歐盟相關(guān)組織：物聯(lián)網(wǎng)是未來Internet的一個(gè)組成部分，可以被定義為基于標(biāo)準(zhǔn)的和可互操作的通信協(xié)議且具有自配置能力的動(dòng)態(tài)的全球網(wǎng)絡(luò)基礎(chǔ)架構(gòu)。我國(guó)政府工作報(bào)告：物聯(lián)網(wǎng)是指通過信息傳感設(shè)備，按照約定的協(xié)議，把任何物品與互聯(lián)網(wǎng)連接起來，進(jìn)行信息交換和通信，以實(shí)現(xiàn)智能化識(shí)別、定位、跟蹤、監(jiān)控和管理的一種網(wǎng)絡(luò)。它是在互聯(lián)網(wǎng)基礎(chǔ)上延伸和擴(kuò)展的網(wǎng)絡(luò)。國(guó)際電信聯(lián)盟：物聯(lián)網(wǎng)是對(duì)物體具有全面感知能力，對(duì)信息具有可靠傳輸和智能處理能力的連接物體與物體的信息網(wǎng)絡(luò)。什么是物聯(lián)網(wǎng)?點(diǎn)擊播放微課2.2人工智能的土壤支撐2.2.1什么是物聯(lián)網(wǎng)中國(guó)國(guó)家標(biāo)準(zhǔn)GB/T33745－2017《物聯(lián)網(wǎng)術(shù)語》對(duì)物聯(lián)網(wǎng)的定義為：物聯(lián)網(wǎng)是指通過感知設(shè)備，按照約定協(xié)議，連接物（即物理實(shí)體）、人、系統(tǒng)和信息資源，實(shí)現(xiàn)對(duì)物理和虛擬世界的信息進(jìn)行處理并做出反應(yīng)的智能服務(wù)系統(tǒng)。國(guó)內(nèi)普遍引用的物聯(lián)網(wǎng)定義為：物聯(lián)網(wǎng)是通過信息傳感設(shè)備，按照約定的協(xié)議，把任何物品與互聯(lián)網(wǎng)連接起來，進(jìn)行信息交換和通信，以實(shí)現(xiàn)智能化識(shí)別、定位、跟蹤、監(jiān)控和管理的一種網(wǎng)絡(luò)。2.2人工智能的土壤支撐根據(jù)物聯(lián)網(wǎng)的定義，可以從技術(shù)和應(yīng)用兩個(gè)方面對(duì)其進(jìn)行理解。技術(shù)理解。物聯(lián)網(wǎng)是將物體的信息利用感應(yīng)裝置，經(jīng)過傳輸網(wǎng)絡(luò)，到達(dá)指定的信息處理中心，最終實(shí)現(xiàn)物與物、人與物的自動(dòng)化信息交互與處理的智能網(wǎng)絡(luò)。應(yīng)用理解。物聯(lián)網(wǎng)是把世界上所有的物體都連接到一個(gè)網(wǎng)絡(luò)中，形成“物聯(lián)網(wǎng)”，然后又與現(xiàn)有的互聯(lián)網(wǎng)相連，實(shí)現(xiàn)人類社會(huì)與物體系統(tǒng)的整合，并采用更加精細(xì)和動(dòng)態(tài)的方式去管理生產(chǎn)和生活。簡(jiǎn)而言之，物聯(lián)網(wǎng)就是“物物相連的互聯(lián)網(wǎng)”。在這個(gè)網(wǎng)絡(luò)中，物體之間能夠彼此進(jìn)行“交流”，且無須人工干預(yù)。2.2.1什么是物聯(lián)網(wǎng)2.2人工智能的土壤支撐2.2.2物聯(lián)網(wǎng)的基本特征物聯(lián)網(wǎng)基本特征全面感知可靠傳輸智能處理2.2人工智能的土壤支撐2.2.2物聯(lián)網(wǎng)的基本特征1．全面感知全面感知是指利用傳感器、射頻識(shí)別、定位器和二維碼等手段隨時(shí)隨地對(duì)物體進(jìn)行信息采集和獲取。物聯(lián)網(wǎng)為每一件物體植入了一個(gè)“能說會(huì)道”的高科技感應(yīng)器，這樣冷冰冰的、沒有生命的物體就可以變得“有感受、有知覺”。例如，洗衣機(jī)可以通過物聯(lián)網(wǎng)感應(yīng)器“知曉”衣服對(duì)水溫和洗滌方式的要求。2.2人工智能的土壤支撐2.2.2物聯(lián)網(wǎng)的基本特征1．全面感知射頻識(shí)別、紅外感應(yīng)器、全球定位系統(tǒng)、激光掃描器等信息傳感設(shè)備，就像視覺、聽覺和嗅覺器官對(duì)于人的重要性一樣，它們是物聯(lián)網(wǎng)不可或缺的關(guān)鍵元器件。有了它們，不同物體之間才可以實(shí)現(xiàn)近/遠(yuǎn)距離、無接觸和自動(dòng)化感應(yīng)，才能讀取數(shù)據(jù)、發(fā)送數(shù)據(jù)等。物聯(lián)網(wǎng)之所以又稱傳感器網(wǎng)絡(luò)，就是因?yàn)閭鞲性O(shè)備在網(wǎng)絡(luò)中起到了關(guān)鍵作用。在物聯(lián)網(wǎng)中，傳感器發(fā)揮著類似人類社會(huì)中“語言”的作用，借助這種特殊的“語言”，人和物體、物體和物體之間可以相互感知對(duì)方的存在、特點(diǎn)和變化，從而進(jìn)行“交流”。2.2人工智能的土壤支撐2．可靠傳輸可靠傳輸是指通過各種網(wǎng)絡(luò)與互聯(lián)網(wǎng)的融合，對(duì)接收到的感知信息進(jìn)行實(shí)時(shí)遠(yuǎn)程傳輸，實(shí)現(xiàn)信息的交互和共享，并進(jìn)行各種有效的處理。在傳輸過程中，通常需要用到現(xiàn)有的網(wǎng)絡(luò)，包括無線和有線網(wǎng)絡(luò)。由于傳感器網(wǎng)絡(luò)只是一個(gè)局部的無線網(wǎng)，因此移動(dòng)通信網(wǎng)（如5G、4G網(wǎng)絡(luò)）自然就成為物聯(lián)網(wǎng)的一個(gè)有力支撐。物聯(lián)網(wǎng)與移動(dòng)網(wǎng)絡(luò)相結(jié)合，使人們的生活更加便捷，同時(shí)也大大改變了人們的生活方式。例如，人們可以通過手機(jī)遠(yuǎn)程控制家中攝像頭、空調(diào)、臺(tái)燈的開啟和運(yùn)行狀態(tài)，調(diào)整它們的參數(shù)（方位、溫度、亮度等），從而實(shí)現(xiàn)隨時(shí)隨地控制，既安全又節(jié)能。2.2.2物聯(lián)網(wǎng)的基本特征2.2人工智能的土壤支撐2．智能處理智能處理是指利用人工智能、云計(jì)算和數(shù)據(jù)挖掘等各種智能計(jì)算技術(shù)，對(duì)隨時(shí)接收到的跨地域、跨行業(yè)、跨部門的海量數(shù)據(jù)進(jìn)行分析和處理，提升對(duì)物理世界、經(jīng)濟(jì)社會(huì)各種活動(dòng)和變化的洞察力，實(shí)現(xiàn)智能化的決策和控制。物聯(lián)網(wǎng)通過感應(yīng)芯片和射頻識(shí)別裝置等時(shí)時(shí)刻刻獲取人和物體的最新特征、位置和狀態(tài)等信息，這些信息將使網(wǎng)絡(luò)變得更加“博聞廣識(shí)”。更為重要的是，利用這些信息，人們可以開發(fā)出更高級(jí)的軟件系統(tǒng)，使機(jī)器能變得和人一樣“聰明睿智”，不僅可以眼觀六路、耳聽八方，還會(huì)思考、聯(lián)想。例如，當(dāng)人們行駛在路上時(shí)，只需要通過聯(lián)網(wǎng)的手機(jī)就可以了解實(shí)時(shí)路況，從而繞開擁堵路段。物聯(lián)網(wǎng)是一個(gè)智能的網(wǎng)絡(luò)，面對(duì)采集的海量數(shù)據(jù)，必須通過智能分析和處理才能實(shí)現(xiàn)智能化。2.2.2物聯(lián)網(wǎng)的基本特征人工智能的算力支撐032.3人工智能的算力支撐云計(jì)算（cloudcomputing）的思想起源于1961年約翰?麥卡錫（JohnMcCarthy）提出的“效用計(jì)算”概念。此后，云計(jì)算經(jīng)歷了一系列演變和發(fā)展，并逐漸在眾多領(lǐng)域獲得了廣泛的應(yīng)用。在人工智能領(lǐng)域，云計(jì)算支撐了人工智能和大數(shù)據(jù)之間的數(shù)據(jù)獲取、計(jì)算和存儲(chǔ)等任務(wù)的進(jìn)行，從而促進(jìn)了信息化和智能化服務(wù)的實(shí)現(xiàn)。由此可見，云計(jì)算不僅是人工智能與大數(shù)據(jù)之間的橋梁，還是人工智能的基礎(chǔ)計(jì)算平臺(tái)，更是人工智能的算力支撐。2.3人工智能的算力支撐2.3.1什么是云計(jì)算云計(jì)算是一個(gè)廣泛的概念，不同機(jī)構(gòu)和個(gè)人對(duì)云計(jì)算的定義不盡相同。下面列舉幾種常見的定義。（1）亞馬遜公司的AWS官方網(wǎng)站對(duì)云計(jì)算的定義：云計(jì)算是基于“按需付費(fèi)定價(jià)（pay-as-you-gopricing）”模式的IT資源交付服務(wù)。通過AWS這樣的云計(jì)算服務(wù)提供商，用戶可根據(jù)需要購(gòu)買諸如計(jì)算能力、存儲(chǔ)和數(shù)據(jù)庫(kù)等IT資源，而無須再購(gòu)買和維護(hù)物理數(shù)據(jù)中心和服務(wù)器。（2）阿里巴巴公司的阿里云官方網(wǎng)站對(duì)云計(jì)算的定義：云計(jì)算是通過網(wǎng)絡(luò)按需分配計(jì)算資源。計(jì)算資源包括服務(wù)器、數(shù)據(jù)庫(kù)、存儲(chǔ)、平臺(tái)、架構(gòu)及應(yīng)用等。云計(jì)算支持按用量付費(fèi)，即用戶只需支付自己需要的量。（3）美國(guó)國(guó)家標(biāo)準(zhǔn)與技術(shù)研究院對(duì)云計(jì)算的定義：云計(jì)算是一種模型，用于實(shí)現(xiàn)對(duì)可配置計(jì)算資源共享池便捷按需的網(wǎng)絡(luò)訪問。該共享池中的計(jì)算資源包括網(wǎng)絡(luò)、服務(wù)器、存儲(chǔ)、應(yīng)用程序和服務(wù)等，這些資源可以快速地獲取和釋放，同時(shí)管理成本極低，而且與服務(wù)提供商的溝通成本基本為零。什么是云計(jì)算?點(diǎn)擊播放微課2.3人工智能的算力支撐2.3.1什么是云計(jì)算（4）我國(guó)工業(yè)和信息化部電信研究院發(fā)布的《云計(jì)算白皮書（2012年）》中對(duì)云計(jì)算的定義：云計(jì)算是一種通過網(wǎng)絡(luò)統(tǒng)一組織和靈活調(diào)用各種信息與通信技術(shù)（informationandcommunicationstechnology，ICT）資源，實(shí)現(xiàn)大規(guī)模計(jì)算的信息處理方式。云計(jì)算利用分布式計(jì)算和虛擬資源管理等技術(shù)，通過網(wǎng)絡(luò)將分散的ICT資源（包括計(jì)算與存儲(chǔ)、應(yīng)用運(yùn)行平臺(tái)、軟件等）集中起來形成共享的資源池，并以動(dòng)態(tài)按需和可度量的方式向用戶提供服務(wù)。用戶可以使用各種形式的終端（如PC、平板電腦、智能手機(jī)、智能電視等）通過網(wǎng)絡(luò)獲取ICT資源服務(wù)。上述各定義，雖然側(cè)重點(diǎn)不同，但互不沖突。總的來說，云計(jì)算就是一種基于Internet的超級(jí)計(jì)算模式，在遠(yuǎn)程數(shù)據(jù)中心里，成千上萬臺(tái)計(jì)算機(jī)和服務(wù)器設(shè)備連接成一片云，用戶通過計(jì)算機(jī)、手機(jī)等接入數(shù)據(jù)中心，進(jìn)行按需的網(wǎng)絡(luò)訪問。2.3人工智能的算力支撐2.3.2云計(jì)算服務(wù)模型云計(jì)算服務(wù)，即云服務(wù)，是指將大量用網(wǎng)絡(luò)連接的計(jì)算資源統(tǒng)一管理和調(diào)度，構(gòu)成一個(gè)計(jì)算資源池，向用戶提供服務(wù)。用戶通過網(wǎng)絡(luò)按照自己的需求獲得資源和服務(wù)。云計(jì)算服務(wù)模型基礎(chǔ)設(shè)施即服務(wù)（infrastructureasaservice，IaaS）平臺(tái)即服務(wù)（platformasaservice，PaaS）軟件即服務(wù)（softwareasaservice，SaaS）云計(jì)算服務(wù)模型?點(diǎn)擊播放微課1．基礎(chǔ)設(shè)施即服務(wù)IaaS是一種將服務(wù)器、存儲(chǔ)器、網(wǎng)絡(luò)設(shè)備等IT基礎(chǔ)設(shè)施虛擬化，并通過Internet租給用戶的云計(jì)算服務(wù)模型。IaaS的主要對(duì)象是需要硬件資源的用戶，其關(guān)鍵技術(shù)是虛擬化技術(shù)。右圖展示了某用戶使用IaaS云服務(wù)的大致過程。與傳統(tǒng)的企業(yè)數(shù)據(jù)中心提供的服務(wù)相比，IaaS具有使用靈活、運(yùn)維成本低、自助服務(wù)、計(jì)費(fèi)透明和可靠性高等特點(diǎn)。圖

某用戶使用IaaS云服務(wù)的大致過程2.3人工智能的算力支撐2.3.2云計(jì)算服務(wù)模型2．平臺(tái)即服務(wù)PaaS是一種將應(yīng)用的開發(fā)、管理和運(yùn)行環(huán)境集成并打包成按需付費(fèi)的服務(wù)后，通過Internet租給用戶的云計(jì)算服務(wù)模型。PaaS的主要對(duì)象是應(yīng)用程序開發(fā)人員，其關(guān)鍵技術(shù)是分布式技術(shù)。右圖展示了某用戶使用PaaS云服務(wù)的大致過程。PaaS不僅具有部署開發(fā)環(huán)境簡(jiǎn)單、代碼實(shí)時(shí)托管、服務(wù)豐富、維護(hù)方便等特點(diǎn)，還有助于節(jié)省應(yīng)用程序開發(fā)人員的時(shí)間。因此，越來越多的開發(fā)人員選擇在PaaS云服務(wù)提供的平臺(tái)上開發(fā)和測(cè)試應(yīng)用程序。圖

某用戶使用PaaS云服務(wù)的大致過程2.3人工智能的算力支撐2.3.2云計(jì)算服務(wù)模型3．軟件即服務(wù)SaaS是一種將開發(fā)好的軟件系統(tǒng)作為按需付費(fèi)的服務(wù)，并通過Internet提供給用戶的云計(jì)算服務(wù)模型。SaaS的主要對(duì)象是需要軟件服務(wù)的企業(yè)、組織或個(gè)人，其關(guān)鍵技術(shù)是Web技術(shù)。下圖展示了某企業(yè)申請(qǐng)SaaS云服務(wù)的大致過程。圖某企業(yè)申請(qǐng)SaaS云服務(wù)的大致過程2.3人工智能的算力支撐2.3.2云計(jì)算服務(wù)模型2.3人工智能的算力支撐2.3.3云計(jì)算服務(wù)部署模式云計(jì)算服務(wù)的部署模式公有云私有云社區(qū)云混合云2.3人工智能的算力支撐2.3.3云計(jì)算服務(wù)部署模式1．公有云公有云（publiccloud）是云服務(wù)提供商對(duì)外提供的公共云服務(wù)部署模式。云服務(wù)提供商在對(duì)公有云的基礎(chǔ)架構(gòu)進(jìn)行預(yù)配置后，通過Internet以免費(fèi)或按需付費(fèi)的方式提供給企業(yè)、組織和個(gè)人公開使用。公有云可由企業(yè)、學(xué)術(shù)機(jī)構(gòu)、政府機(jī)構(gòu)或它們的聯(lián)合體所擁有、管理和運(yùn)營(yíng)，其簡(jiǎn)單視圖如右圖所示。圖公有云對(duì)于用戶而言，公有云具有成本低、可用性強(qiáng)和管理方便等優(yōu)點(diǎn)，但由于數(shù)據(jù)并不存儲(chǔ)于本地的數(shù)據(jù)中心，因此安全性和隱私性存在一定風(fēng)險(xiǎn)。2．私有云私有云（privatecloud）是指某企業(yè)或組織專屬的云服務(wù)部署模式，私有云擁有者對(duì)私有云具有完全的訪問和控制權(quán)限，而未授權(quán)的用戶則無法獲取私有云的任何信息，更無法使用私有云提供的任何服務(wù)。根據(jù)承運(yùn)者的不同，私有云可分為本地私有云（on-siteprivatecloud）和外包私有云（out-sourcedprivatecloud）兩種。2.3人工智能的算力支撐2.3.3云計(jì)算服務(wù)部署模式本地私有云（見右圖）是指基礎(chǔ)設(shè)施和組織架構(gòu)均由企業(yè)自行搭建和維護(hù)的私有云。圖本地私有云2．私有云外包私有云（見下圖）是指由第三方云服務(wù)提供商為企業(yè)搭建和維護(hù)的私有云。與公有云相比，私有云具有更好的隱私性和安全性，適合對(duì)自身數(shù)據(jù)安全要求較高的企業(yè)使用。但私有云的成本要遠(yuǎn)高于公有云，故個(gè)人用戶一般很少選擇私有云。2.3人工智能的算力支撐2.3.3云計(jì)算服務(wù)部署模式圖外包私有云3．社區(qū)云社區(qū)云（communitycloud）是面向某社區(qū)中所有成員的云服務(wù)部署模式?！吧鐓^(qū)”是指由一組云消費(fèi)者組成的集體，社區(qū)中的各成員共同制定了安全和隱私政策并統(tǒng)一遵守。社區(qū)云僅對(duì)社區(qū)內(nèi)的各成員開放，且分為本地社區(qū)云和外包社區(qū)云兩種。私有云與社區(qū)云的區(qū)別在于，私有云的服務(wù)對(duì)象是單個(gè)云消費(fèi)者，而社區(qū)云的服務(wù)對(duì)象則是一組云消費(fèi)者。4．混合云混合云（hybridcloud）是指由兩個(gè)或多個(gè)不同的云計(jì)算服務(wù)部署模式（如公有云、私有云或社區(qū)云）組成的云服務(wù)獲取平臺(tái)。它并不是上述云的簡(jiǎn)單組合，而是云服務(wù)提供商根據(jù)企業(yè)實(shí)際情況定制的個(gè)性化云計(jì)算服務(wù)部署模式。2.3人工智能的算力支撐2.3.3云計(jì)算服務(wù)部署模式人工智能的數(shù)據(jù)支撐042.4人工智能的數(shù)據(jù)支撐大數(shù)據(jù)（bigdata）為人工智能的實(shí)現(xiàn)提供了數(shù)據(jù)支撐，其戰(zhàn)略意義不在于擁有海量的數(shù)據(jù)信息，而在于對(duì)這些含有知識(shí)的數(shù)據(jù)進(jìn)行專業(yè)化處理。從技術(shù)上看，人工智能、物聯(lián)網(wǎng)、云計(jì)算和大數(shù)據(jù)的關(guān)系是密不可分的，它們之間的聯(lián)系如下圖所示。人工智能依托大數(shù)據(jù)的海量數(shù)據(jù)信息和云計(jì)算平臺(tái)進(jìn)行學(xué)習(xí)與反饋，從而實(shí)現(xiàn)真正的機(jī)器智能；物聯(lián)網(wǎng)需要利用人工智能技術(shù)控制智能設(shè)備采集數(shù)據(jù)，智能設(shè)備又會(huì)產(chǎn)生海量數(shù)據(jù)，海量數(shù)據(jù)必然無法用單臺(tái)計(jì)算機(jī)進(jìn)行處理，必須采用分布式架構(gòu)，分布式架構(gòu)又離不開云計(jì)算平臺(tái)的支持；大數(shù)據(jù)依托云計(jì)算的分布式處理、分布式數(shù)據(jù)庫(kù)、云存儲(chǔ)技術(shù)和虛擬化技術(shù)，并采用人工智能技術(shù)對(duì)海量數(shù)據(jù)進(jìn)行分布式數(shù)據(jù)挖掘，進(jìn)而得到有價(jià)值的信息。2.4人工智能的數(shù)據(jù)支撐2.4.1什么是大數(shù)據(jù)大數(shù)據(jù)，又稱巨量資料，是指無法在一定時(shí)間范圍內(nèi)用常規(guī)軟件工具進(jìn)行捕捉、管理和處理的數(shù)據(jù)集合，是需要新處理模式才能具有更強(qiáng)的決策力、洞察發(fā)現(xiàn)力和流程優(yōu)化能力的海量、高增長(zhǎng)率和多樣化的信息資產(chǎn)。IBM公司將大數(shù)據(jù)的特征歸納為5個(gè)V，如右圖所示。圖大數(shù)據(jù)的特征Volume（大量）是指海量的數(shù)據(jù)規(guī)模，即大數(shù)據(jù)巨大的數(shù)據(jù)量。Velocity（高速）是指快速的數(shù)據(jù)流轉(zhuǎn)，可以理解為數(shù)據(jù)的實(shí)時(shí)獲取、處理和分析。Variety（多樣）是指多樣的數(shù)據(jù)類型。Value（價(jià)值）是大數(shù)據(jù)的最終意義，但是大數(shù)據(jù)的價(jià)值密度低，人們必須合理運(yùn)用大數(shù)據(jù)，才能從數(shù)據(jù)中獲取有效信息，從而實(shí)現(xiàn)以低成本獲取高價(jià)值。Veracity（真實(shí)性）是指數(shù)據(jù)的真實(shí)性和安全性。什么是大數(shù)據(jù)?點(diǎn)擊播放微課互聯(lián)網(wǎng)搜索引擎是大數(shù)據(jù)最為典型的應(yīng)用之一。例如，百度日處理數(shù)據(jù)量達(dá)到數(shù)十PB