论文部分内容阅读
[摘 要]科技技术的进步与发展使得各个系统的信息化水平日益提高，各种系统中都开始出现智能化系统的雏形。对于新型信息系统和自动化设备，提高其智能分析处理能力是技术发展的方向。
[关键词]人工智能 模型 关联关系
中图分类号：TP273.5 文献标识码：A 文章编号：1009-914X（2017）20-0123-01
一、引言
人工智能（Artificial Intelligence），英文缩写为AI，开发从上世纪中期便已经开始，经过一段时间的探索在一些领域已经实现了应用。AI系统的研发涉及微机、生物学、心理学、逻辑学、语言学等多个领域，目标便是使计算机能按照人类的思维方式来处理数据。信息采集和分析处理系统中多数使用的是历史数据分析、数据模拟预测、模型化数据处理等运算方式，并未将系统提升到人工智能应用水平。（图1）
AI基础模型是人工智能的一个理论结构，包含了AI系统运行的基本结构，并不在具体事务中使用。要实现AI系统应用则必须对AI基础模型进行实用化改造，使其能对具体事务进行处理，成为该类事务的AI系统。实用化改造的目标就是要让AI基础模型导入相关的事务资料数据，对事务数据进行分析理解和产生判断习惯，从而转化为事务处理型AI系统。整体设计构架主要包括信号转化模块、临时库、物理库、关联关系库等，实现了区域的各自独立和集中协作，整体系统在多层平面上运行，层与层间纵向多点关联，由统一系统调度指挥运行，在多任务情况下可自行调节纵向模式，脱离主系统自主运行。这种多层运行模式则要求AI系统要拥有多个调度系统和多个临时库，并要求这些调度系统必须组成一个整体，基于为系统应用而定义的运行运机制来组成一个处理单元。
二、人工智能系统的分级
在AI整体系统中拥有多个层级，每一个层级都是一个AI应用系统，各个层级都是平行的，所有运算相对独立，通过通用模型和共用的参数、关联关系等进行纵向多点关联。多点关联是一个层级的一个关联点可以直接关联整个层也可以关联一个数据，这就表示一个层级可以委托另一个层级为自己需要的数据进行运算，但这种关联点的建立是受调度系统控制的。如果这种关联点过多将造成层级独立运算能力下降，层级通透性增强，层级将被减少导致数据方向减少和数据容量减小，AI整体系统将被降级。由于模型属于整体系统，因此在发生调整、升级时，各层间不可避免地出现竞争状况，如果调度系统设计上有缺陷那将会带来极大的问题。
假定一个思考模型在一个层级中运行良好，而在其他层级中出现数据失真，则这个模型只关联到应用良好的层，如果在大多数层级中的应用均良好，那么这个思考模型上升为通用模型，明显通用模型被调用的机会较大，对结果数据的影响也较大。但在其他应用不良的层被调用，就导致结果数据异常，而通用级别的模型是不被层级改造升级的，只有调度系统能在平行系统中将其进行升级。
三、人工智能系统的模型设计
AI系统的输入端可以是设备，但在没有AI系统作基础的情况下并不能直接对输入信号进行有效的分析处理，需要通过转换系统来实现数据输入。AI基础模型是仅接收已经被定义过的数据，且只对可理解的数据进行分析处理的系统。AI基础模型的输入形式是在计算机键盘上直接录入数据字符，当然也可以通过语音识别或数据定义来转换信号数据为字符数据，但这个部分不属于AI系统。数据被输入系统后复制为相同的两份，一份存储在传统数据库中，另一份转入AI基础模型，所有的外接应用都和传统数据库联系，不直接和AI系统接触。进入AI系统部分的数据被存储在临时库中，在存储开始时就进行翻译解释和评级。
临时库中解释后的参考数据按照定义的规则排布在处理区块中，仅靠不定向计算和判定函数将无法处理，这一过程需要调度系统引用约束条件和定义标注在模型库中调用相应的数据处理模型，并籍由这些模型进行拆解、简化，组合成一个主要的思考模型共同来对数据进行处理。处理后的数据再次以参考数据的方式重新回到临时库，连同过滤选择后的参考数据重新进入思考模型重复计算，这个过程再次过滤一些数据，为此给问题加上级别并進行评级是必要的，这一步骤可以减少AI系统的负担。
在临时库中输入数据进行关联、解释后，需要调用模型对参考数据进行分析处理，模型定义是由物理库中的数据和事务实用化定义的规则决定，根本上说是应用决定了物理库，物理库决定了模型调用的数据类型。调用模型的方式和模型类型是在关联关系库中存储的一条具有联系的字串，这段字串不被拆分，因此调用模型的方式和模型的类型只能被替换升级或通过函数库和关联关系库升级，不能拆分组合或自编译升级。定义可以是外部输入参数，但是在长期运行中AI系统可能自行调整了定义，在实际应用中对于某些应用需要人为干预，干预值只是作为系统的参考数据存在，并不能主导AI系统。
四、模型设计中的数据关系和结构
为保证模型运行稳定并符合实用化标准，需要引用大量参数和变量，参数大多是存储在传统数据库中备案的历史计算数据和计算结果数据。在模型处理数据的过程，生成的中间数据改变了模型类型或定义，则这组中间数据在临时区内开出一块数据区块进行临时存储。而物理库也相应开出一块数据区块将中间数据的值和关联关系进行存储。临时区块在导入新模型进行计算后并不进入消亡流程，而是在新模型将结果数据运算出后才进行中间数据的清除作业。临时区块内的变量则和结果数据一起存储进物理库。
AI系统的关联关系库是系统的关键部分，定义了AI系统的理解和思考方式，实现反馈计算、条件调用、不定向计算和评级等运算。关联关系上是由调度系统执行运算，过程为检索数据和选择性调用，对关联项目少的可以认为是直接调用，关联算法多数据少的属于调度运算，关联数据多算法少的属于查询检索。一个关联可能产生大量重复语段，但在一些运算中必须有重复关联，最直接的是调度运算。关联链路被替换，数据关联指向新链路时，旧的关联链路级别下降，降至与原链接数和总链接量的一定比例系数后将被引入控制消亡流程。
五、结束语
AI系统在商业和军事上的开发如果获得成果，那么发挥的作用将十分惊人，最直接受益的就是金融操作和导弹系统。目前已经可以实现程序模块的初步设计，但是在物理库的问题上需要有独立的解决方式，这需要一点时间，而调度系统在一些系统优化问题上存在着技术矛盾，在硬件上的瓶颈使得个人化智能系统存在一定难度。总体上看，基础模型的设计已经达到了实用化要求，在一些技术问题上加大研发力度，可以预见AI系统的普及并不遥远。
参考文献
[1] 佩罗得多明戈斯.终极算法.中信，2016.
[2] 人工智能（第3版）.清华大学，2017.
[3] 艾芊.现代电力系统辩识人工智能方法.上海交大，2012.
[关键词]人工智能 模型 关联关系
中图分类号：TP273.5 文献标识码：A 文章编号：1009-914X（2017）20-0123-01
一、引言
人工智能（Artificial Intelligence），英文缩写为AI，开发从上世纪中期便已经开始，经过一段时间的探索在一些领域已经实现了应用。AI系统的研发涉及微机、生物学、心理学、逻辑学、语言学等多个领域，目标便是使计算机能按照人类的思维方式来处理数据。信息采集和分析处理系统中多数使用的是历史数据分析、数据模拟预测、模型化数据处理等运算方式，并未将系统提升到人工智能应用水平。（图1）
AI基础模型是人工智能的一个理论结构，包含了AI系统运行的基本结构，并不在具体事务中使用。要实现AI系统应用则必须对AI基础模型进行实用化改造，使其能对具体事务进行处理，成为该类事务的AI系统。实用化改造的目标就是要让AI基础模型导入相关的事务资料数据，对事务数据进行分析理解和产生判断习惯，从而转化为事务处理型AI系统。整体设计构架主要包括信号转化模块、临时库、物理库、关联关系库等，实现了区域的各自独立和集中协作，整体系统在多层平面上运行，层与层间纵向多点关联，由统一系统调度指挥运行，在多任务情况下可自行调节纵向模式，脱离主系统自主运行。这种多层运行模式则要求AI系统要拥有多个调度系统和多个临时库，并要求这些调度系统必须组成一个整体，基于为系统应用而定义的运行运机制来组成一个处理单元。
二、人工智能系统的分级
在AI整体系统中拥有多个层级，每一个层级都是一个AI应用系统，各个层级都是平行的，所有运算相对独立，通过通用模型和共用的参数、关联关系等进行纵向多点关联。多点关联是一个层级的一个关联点可以直接关联整个层也可以关联一个数据，这就表示一个层级可以委托另一个层级为自己需要的数据进行运算，但这种关联点的建立是受调度系统控制的。如果这种关联点过多将造成层级独立运算能力下降，层级通透性增强，层级将被减少导致数据方向减少和数据容量减小，AI整体系统将被降级。由于模型属于整体系统，因此在发生调整、升级时，各层间不可避免地出现竞争状况，如果调度系统设计上有缺陷那将会带来极大的问题。
假定一个思考模型在一个层级中运行良好，而在其他层级中出现数据失真，则这个模型只关联到应用良好的层，如果在大多数层级中的应用均良好，那么这个思考模型上升为通用模型，明显通用模型被调用的机会较大，对结果数据的影响也较大。但在其他应用不良的层被调用，就导致结果数据异常，而通用级别的模型是不被层级改造升级的，只有调度系统能在平行系统中将其进行升级。
三、人工智能系统的模型设计
AI系统的输入端可以是设备，但在没有AI系统作基础的情况下并不能直接对输入信号进行有效的分析处理，需要通过转换系统来实现数据输入。AI基础模型是仅接收已经被定义过的数据，且只对可理解的数据进行分析处理的系统。AI基础模型的输入形式是在计算机键盘上直接录入数据字符，当然也可以通过语音识别或数据定义来转换信号数据为字符数据，但这个部分不属于AI系统。数据被输入系统后复制为相同的两份，一份存储在传统数据库中，另一份转入AI基础模型，所有的外接应用都和传统数据库联系，不直接和AI系统接触。进入AI系统部分的数据被存储在临时库中，在存储开始时就进行翻译解释和评级。
临时库中解释后的参考数据按照定义的规则排布在处理区块中，仅靠不定向计算和判定函数将无法处理，这一过程需要调度系统引用约束条件和定义标注在模型库中调用相应的数据处理模型，并籍由这些模型进行拆解、简化，组合成一个主要的思考模型共同来对数据进行处理。处理后的数据再次以参考数据的方式重新回到临时库，连同过滤选择后的参考数据重新进入思考模型重复计算，这个过程再次过滤一些数据，为此给问题加上级别并進行评级是必要的，这一步骤可以减少AI系统的负担。
在临时库中输入数据进行关联、解释后，需要调用模型对参考数据进行分析处理，模型定义是由物理库中的数据和事务实用化定义的规则决定，根本上说是应用决定了物理库，物理库决定了模型调用的数据类型。调用模型的方式和模型类型是在关联关系库中存储的一条具有联系的字串，这段字串不被拆分，因此调用模型的方式和模型的类型只能被替换升级或通过函数库和关联关系库升级，不能拆分组合或自编译升级。定义可以是外部输入参数，但是在长期运行中AI系统可能自行调整了定义，在实际应用中对于某些应用需要人为干预，干预值只是作为系统的参考数据存在，并不能主导AI系统。
四、模型设计中的数据关系和结构
为保证模型运行稳定并符合实用化标准，需要引用大量参数和变量，参数大多是存储在传统数据库中备案的历史计算数据和计算结果数据。在模型处理数据的过程，生成的中间数据改变了模型类型或定义，则这组中间数据在临时区内开出一块数据区块进行临时存储。而物理库也相应开出一块数据区块将中间数据的值和关联关系进行存储。临时区块在导入新模型进行计算后并不进入消亡流程，而是在新模型将结果数据运算出后才进行中间数据的清除作业。临时区块内的变量则和结果数据一起存储进物理库。
AI系统的关联关系库是系统的关键部分，定义了AI系统的理解和思考方式，实现反馈计算、条件调用、不定向计算和评级等运算。关联关系上是由调度系统执行运算，过程为检索数据和选择性调用，对关联项目少的可以认为是直接调用，关联算法多数据少的属于调度运算，关联数据多算法少的属于查询检索。一个关联可能产生大量重复语段，但在一些运算中必须有重复关联，最直接的是调度运算。关联链路被替换，数据关联指向新链路时，旧的关联链路级别下降，降至与原链接数和总链接量的一定比例系数后将被引入控制消亡流程。
五、结束语
AI系统在商业和军事上的开发如果获得成果，那么发挥的作用将十分惊人，最直接受益的就是金融操作和导弹系统。目前已经可以实现程序模块的初步设计，但是在物理库的问题上需要有独立的解决方式，这需要一点时间，而调度系统在一些系统优化问题上存在着技术矛盾，在硬件上的瓶颈使得个人化智能系统存在一定难度。总体上看，基础模型的设计已经达到了实用化要求，在一些技术问题上加大研发力度，可以预见AI系统的普及并不遥远。
参考文献
[1] 佩罗得多明戈斯.终极算法.中信，2016.
[2] 人工智能（第3版）.清华大学，2017.
[3] 艾芊.现代电力系统辩识人工智能方法.上海交大，2012.