[云计算下的人工智能] 云计算大数据区别

　　[摘 要] 本文根据云机器人的概念展开讨论，笔者分别从云技术和人工智能两方面介绍将两种技术相结合的可行性及各阶段过程，对云计算的体系结构和数据挖掘及人工智能都有简要介绍。
　　[关键词] 云计算；数据挖掘；人工智能
　　doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2012 . 24. 053
　　[中图分类号] G203 [文献标识码] A [文章编号] 1673 - 0194（2012）24- 0088- 03
　　1 提出背景
　　在Humanoids 2010 会议上，卡耐基梅隆大学的James Kuffner教授提出了“云机器人”的概念，引起了广泛的讨论。Humanoids 2010 会议上很多专家对云机器人比较看好，或许云机器人就是机器人学的下一个跨越式发展。
　　要更详细地了解云机器人，首先要了解云计算。根据互动百科的介绍，云计算的概念有狭义云计算和广义云计算之分：
　　狭义云计算是指IT基础设施的交付和使用模式，指通过网络以按需、易扩展的方式获得所需的资源（硬件、平台、软件）。 提供资源的网络被称为“云”。“云”中的资源在使用者看来是可以无限扩展的，并且可以随时获取，按需使用，随时扩展，按使用付费。这种特性经常被称为像水电一样使用IT基础设施。
　　广义云计算是指服务的交付和使用模式，指通过网络以按需、易扩展的方式获得所需的服务。这种服务可以是IT和软件、互联网相关的，也可以是任意其他的服务。
　　云计算的“云”，可理解为“多”“大规模”。“云”是一些可以自我维护和管理的虚拟计算资源，通常为一些大型服务器集群，包括计算服务器、存储服务器、宽带资源等等。云计算将所有的计算资源集中起来，并由软件实现自动管理，无需人为参与。例如Google云计算有上百万台服务器。
　　从此可以看出，云机器人并不是指某一个机器人，也不是某一类机器人，而是指机器人信息存储和获取方式的一个学术概念。这种信息存取的方式的好处是显而易见的。比如，机器人通过摄像头可以获取一些周围环境的照片，上传到服务器端，服务器端可以检索出类似的照片，可以计算出机器人的行进路径来避开障碍物，还可以将这些信息储存起来，方便其它机器人检索。所有机器人可以共享数据库，减少开发人员的开发时间。
　　2 云计算的体系结构
　　2002年亚马逊（Amazon）提供一组包括存储空间、计算能力甚至人力智能等资源服务的Web Service；2005年亚马逊又提出了弹性计算云（Elastic Compute Cloud），也称亚马逊EC2的Web Service，允许小企业和私人租用亚马逊的计算机来运行他们自己的应用。到2008年，几乎所有的主流IT厂商开始谈论云计算，这里既包括硬件厂商（IBM、HP、Intel、思科、SUN等）、软件厂商（微软、Oracle、VMware等），也包括互联网服务提供商（Google、亚马逊、Salesforce等）和电信运营商（中国移动、中国电信、AT&T等），当然还有一些小的IT企业也将云计算作为自己的主战场。这些企业覆盖了整个IT产业链，也构成了一个完整的云计算生态系统。
　　按需部署是云计算的核心。要解决按需部署，必须解决资源的动态可重构，监控和自动化部署等，而这些又需要以虚拟化、高性能存储、处理器、高速互联网等技术为基础。
　　为了有效支持云计算，其体系结构必须支持几个关键特征。①系统必须是自治的，即需要内嵌有自动化技术，以减轻或消除人工部署和管理任务，而允许平台智能地响应应用的要求；②云计算的架构必须是敏捷的，能够对需求信号或变化做出迅速的反应。内嵌的虚拟化技术和集群化技术，能应付增长或服务级要求的快速变化。
　　综上所述，云计算服务的实现，需要依托的2大基石：①硬件基础设施具有相当的规模，即数据中心集群、规模化的服务器及存储和互联互通的高速网络；②以虚拟化和自动化为代表的成熟技术。
　　3 人工智能与云计算的结合
　　云计算与人工智能技术发展到今天，已经不再神秘，完全可以进入我们的生活，承载它的历史使命，下面笔者将根据本人的认识，分3个阶段介绍如何将人工智能与云计算完美结合。
　　3.1 机器人操控阶段
　　第一阶段笔者称之为机器人操控阶段。该阶段主要依托于云技术实现，我们暂且把它分为云和端两部分，云主要由大型服务器群组成，而端主要是可操控的机器人组成，这些机器人除了有计算机芯片以外还需要有监控，机械臂和行走部件。说到这里大家可能已经明白了在这一阶段我们要完成什么任务了，就是实现如计算机远程协助一样简单的功能。
　　在云上我们首先可以构建完善的供求平台，而拥有端的用户可在平台上发布各种端力所能及的任务，如清洁、维修、甚至是教学等。另一方面有完成任务能力的人可以通过供求平台承接任务，通过远程操控端来帮助任务发布者工作，当然这里存在的问题是费用的支付和端用户的安全，所以平台使用者必须实名注册而且一定要承担法律责任。在强大的服务器群和高速网络的基础上，我相信实现机器人的远程操控并不是一件难事，而这一阶段的实现也可以大大增加人们对时间的利用率，和全球生产力的一个平衡。
　　3.2 数据挖掘阶段
　　第二阶段笔者称之为数据挖掘阶段，我们第一阶段所完成的主要是云平台的搭建，而第二阶段我们所要完成的是人工智能的一个基础建设。在我们的用户端上有着数据采集系统，随时收集用户利用端所完成的各项任务，通过云平台中心的计算分析，可以提供给用户云中存储的最佳解决方案。数据挖掘的实现和云平台的分析如图所示：
　　第二阶段所实现的是人工远程协助与智能分析同步。
　　3.3 具备遗传基因的专家系统阶段
　　第三阶段笔者称之为具备遗传基因的专家系统阶段，近10年来，由于一些专家系统在实用化方面取得了一些进展，展示出广阔的发展前景，开始受到愈来愈多的计算机科学家的关注。然而，与此同时，现有的专家系统也暴露出了自身严重的缺陷，使不少计算机界的知名学者对专家系统产生了怀疑。专家系统存在的问题可归纳为以下几点： 　　（1）专家系统中的知识多限于经验知识，极少有原理性的知识，系统没有应用它们的能力。
　　（2）知识获取功能非常弱，为了建造专家系统，必须依赖于专家获取知识，不仅费时，而且很难获取完备性和一致性的知识；
　　（3）求解问题的方法比较单一，以推理机为核心的对间题的求解尚不能反映专家从认识问题到解决问题的创造性过程；
　　（4）解释功能不强，这一点相对比较次要。
　　John McDermott认为，专家系统有时所以彻底失败的原因主耍有两条： ①知识不足；②解决问题的方法不妥，即不能运用它有的或没有的知识来解题。
　　针对传统专家系统的不足我们设计了遗传基因系统，其实遗传算法我们并不陌生，这是人工智能的基础学科，如下面的C++代码就是一个实例：
　　typedef char ALLELE； //基因类型
　　typedef struct{
　　ALLELE *chrom；
　　float fitness； // fitness of Chromosome
　　}INDIVIDUAL；// 个体定义
　　class TPopulation{ //群体类定义
　　public：
　　int size； // Size of population：n
　　int lchrom； // Length of chromosome：l
　　float sumfitness，average；
　　// 由于GA是一个概率过程，所以每次迭代的情况是不一样的；系统参数不同，迭代情况也不同。
　　// 在实验中参数一般选取如下：个体数n=50-200，变异概率Pm=0.03，交叉概率Pc=0.6。
　　// 变异概率太大，会导致不稳定。
　　INDIVIDUAL *fmin，*fmax；
　　INDIVIDUAL*pop；
　　TPopulation（int popsize，int strlength）；
　　TPopulation（）；
　　inline INDIVIDUAL &Individual（int i）{return pop[i]；}；
　　void FillFitness（）； // 评价函数
　　virtual void Statistics（）； // 统计函数
　　}；
　　class TSGA：public TPopulation{ // TSGA类派生于群体类
　　public：
　　float pcross； // Probability of Crossover
　　float pmutation； // Probability of Mutation
　　int gen； // Counter of generation
　　TSGA（int size，int strlength，float pm=0.03，float pc=0.6）：
　　TPopulation（size，strlength）
　　{gen=0；pcross=pc；pmutation=pm；}；
　　virtual INDIVIDUAL& Select（）；
　　virtual void Crossover（INDIVIDUAL &parent1，INDIVIDUAL &parent2，
　　INDIVIDUAL &child1，INDIVIDUAL &child2）；
　　virtual ALLELE Mutation（ALLELE alleleval）；
　　virtual void Generate（）； // 产生新的一代
　　}；
　　// 用户GA类定义如下：
　　class TSGAfit：public TSGA{
　　public：
　　TSGAfit（int size，float pm=0.0333，float pc=0.6）
　　：TSGA（size，24，pm，pc）{}；
　　void print（）；
　　}；
　　有了遗传算法加上我们第二阶段完成的长时间的数据挖掘阶段，我们可以解决传统专家系统的不足。对于知识匮乏，经过长时间的积累我们云平台中存储的是全球性的知识，不是任何一个图书馆可以媲美的，而且都是通过人们的经验进行实践的知识，可用性极高。而数据挖掘也会帮助我们找到最佳的解决问题的方法。而每次用最完美的方法解决了问题又可以由下一代算法继承，这样一来，我们便可以真正实现人工智能了。
　　4 结 语
　　人工智能的目的是要将人类从繁重的劳动中解放出来，我们看到机器在不断的进步，越来越多的智能机器在我们身边出现，但是真正意义上的人工智能和我们还有很大的距离，将来机器不仅仅是人类认识世界和改变世界的工具，而且可以和人类做朋友，可以交流、谈心甚至相互学习。在我看来要想实现人工智能时代，并不能只是依靠少数天才科学家，和实验室，必须要大范围的，甚至各个国家、政府、全球人类都要参与进来，因为人工智能不但代表了一个学科、一种技术，他是人类工具的一次革新，人类生存方式的一次革新，就如同青铜器取代石器一样，智能机器人也必将取代计算机和网络。让我们为了这一天的到来而尽情畅想吧！
　　主要参考文献
　　[1]雷万云. 云计算企业信息化建设策略与实践[M].北京：清华大学出版社，2010.12.
　　[2]Michael Negnevitsky.人工智能：智能系统指南[M].北京：机械工业出版社，2007.4.
　　[3]Gartner，Application Infrastructure for Cloud Computing：A Growing Market，2010.
　　[4]美Peter Fingar著，王玲俊译.云计算21世纪商业平台[M]. 北京：电子工业出版社.

推荐访问:人工智能 计算