基于大数据结合云计算的人工智能创新发展

摘要

为了进一步解析大数据和云计算对人工智能发展的支持，解读全新的计算升级路径，本文分析了人工智能利用云计算与大数据的运行机制。并对两种技术结合后支持人工智能发展的本质因素加以探讨，进而总结了在大数据结合云计算之后创新人工智能的发展倾向，以便为相关研究提供理论参考。

【关键词】大数据 云计算 人工智能 创新发展

大数据计算与云计算的深入结合，必然支持人工智能技术的不断创新。在这一过程中，大数据技术的功能逐步完善，而云计算的辅助性资源解析能力也在不断加强，必然对人工智能的创新性发展具备更高的应用价值。

1 人工智能利用云计算与大数据的运行机制

人工智能的发展之所以能够不断接近人类思考方式，最为重要的条件便是运算机制的可行性。早期人工智能算法依赖于关键词黑白名单和过滤技术，后期发展出贝叶斯过滤算法等等。就其利用价值而言，仍然是神经网络算法的应用价值更高，对于人工智能运算机制的辅助性也更为便捷。假设计算机系统提出较为复杂的奇函数f（x），并不需要考量该个函数的求解方向，但可以明确在神经网络中的输入条件x，其值f（x）可描述近似解集范畴的特征，最终输出人工智能认为最接近的解集。因此，这一取值范畴的界定，需要以大数据海量信息为对比条件，不断优化近似值的接近度。同时需要借助云计算的对比资源，建立逻辑关系之后延展认知边界，标识和梳理数据类型的可利用价值。方能促使人工智能的输出结果接近于真实诉求，真正完成智能化的结果输出。

2 大数据结合云计算对人工智能的支持

2.1 大数据对人工智能的发展性支持

在大数据技术不断发展的过程中，网络数据资源的可利用价值不断提升。人工智能需要在自主学习机制中不断演化智能思维，不断接近于人类思考模式，才能为诸多功能需求提供支持。大数据之所以能够为人工智能提供数据服务，在于数据类型的丰富性。当这种丰富性完全契合了人工智能处理条件，则含量信息的甄选与利用价值也会随之优化。大数据主要存在三种类型：

（1）结构化数存在固定格式或长度，诸如表格类的数据结构，描述了人工智能的浅层交互信息，如：国籍、性别、姓名等等。

（2）是非结构化数据。结构化数据的描述性并不充分，非结构化的数据可描述非固定长度的数据资源，诸如网页信息、语音、或视频等非结构化数据类型。

（3）半结构化数据中HTML格式或XML格式等，也是人工智能必须识别的标识性数据类型。

因此，三种数据结构类型的表现形式均需要人工智能来识别，并进行系统分析，方能达到从数据识别到智能甄选的转化。

2.2 云平台对关键数据信息的整合效力

虽然大数据技术能够综合多种数据的海量信息特征，但人工智能并无法直接应用这些信息做出主观决策。其中缺乏资源对比数据，让人工智能的自主决策机制过于单薄。而云计算的出现，则在最大限度上整合了多种数据资源的有效形式，补充了资源整合效力，对人工智能的识别决策提供了辅助性支持。在设计云计算之初，其本质目标便是对资源的管理，其中涉及到计算资源、网络资源、存储资源三个方面。计算资源为人工智能提供了基础数据的分析框架，网络资源促进人工智能的自主学习，存储资源不断升级人工智能的认知边界。因此，云计算并非提供了最直接的数据资源，但是提供了资源整合的辅助性支持，可为人工智能的自我迭代与演化提供辅助路径。贯穿了大数据与人工智能的技术契合度之后，便可由人工智能自主选择完善方向和资源类型。

3 在大数据结合云计算之后创新人工智能的发展倾向

3.1 从数据到资源

大数据技术本身的5V特征支持了信息普遍利用价值，但也存在利用价值实现维度的局限性。而云计算解决数据困境时，便获取了另一种网络数据资源的价值再造。重新获得数据支持后，数据资源的丰富性、完备度、利用价值必然优势突出。而人工智能只有借助了优势资源后，才能规避海量数据的计算冗余，为快速识别数据特征，提出智能决策提供辅助性支持。故而，从数据到资源的转，是大数据结合云计算的发展要素，更加是优化人工智能运行效率的必要条件。

3.2 从概率到画像

人工智能此前的分析维度趋向于某一特定概率的预期结果，但并未精准描述该结果的智能认知。而在借助了云计算的功能之后，其图像信息的理解能力更强，可辨析人类思维的逻辑延展维度。诸如淘宝大数据平台，仅通过用户浏览信息的频次，便可推荐用户所需的商品类型。这种基于个人主观选择倾向的推荐方式，便是人工智能借助云计算服务平台实现的技术架构，可支持人工智能推荐精准用户画像信息，补充选择机制的完备度。

3.3 从IaaS到PaaS

人工智能为终端网络用户提供的服务均借助Intemet完成，既需要计算机基础设施的支持，也需要软件服务平台的支撑。因此，基础设施仅为运算支持，平台服务才是优化智能资源利用价值的潜在条件。当IaaS不断向PaaS转化后，其智能服务的效率与输出结果才可能被终端用户所接受。诸如：阿里云、腾讯云、网易云等，其其服务理念上均扩充了虚拟云数据处理中心的功能，可为网络终端用户提供更为便捷和快速的智能化服务。

4 结语

综上所述，汇集云计算、大数据、人工智能三方面技术类型之后，人工智能的数据资源处理能力逐步加强。虽然目前真正支持人工智能自主迭代的演化機制很难操作或实践，但随大数据与云计算的深度结合，必然能够支持人工智能计算的快速发展，为全新的智能化时代提供科技创新的发展路径。

参考文献

[1]朱珺辰，高俊杰，宋企皋.大数据、人工智能与云计算的融合应用[J].信息技术与标准化，2018（03）：44-47.

[2]姜世戟.人工智能应用在我国银行业的探索实践及发展策略[J].西南金融，2018（02）：44-49.