计算机新技术专题课程报告课题名称：计算机新技术课题负责人名（学号）：同组成员名单（角色）：指导教师：评阅成绩：评阅意见：提交报告时间：2013年 11月 4日计算机新技术计算机科学与技术专业学生[摘要]大家应该还记得《黑客帝国》里面Neo躲避枪林弹雨的高难度动作，这部电影，充满了大数据与人工智能的色彩。
算法师通过对数据库的标记、对数据库的检测、编排，甚至对敌人发出攻击，当时看起来相当科幻的镜头，如今已经是被广泛运用的技术。
关键词：人工智能神经网络物联网大家应该还记得《黑客帝国》里面Neo躲避枪林弹雨的高难度动作，这部电影，充满了大数据与人工智能的色彩。
算法师通过对数据库的标记、对数据库的检测、编排，甚至对敌人发出攻击，当时看起来相当科幻的镜头，如今已经是被广泛运用的技术。
所谓大数据，即是从各种各样类型的数据中，快速获得有价值信息的能力。
明白这一点至关重要，也正是这一点促使该技术具备走向众多企业的潜力。
从亚马逊的比价推荐，到微软纽约研究院的经济学家对奥巴马政府、奥斯卡颁奖礼和NBA联盟数据的精准预测，已充分证明这不是一项噱头技术。
大数据有四个明显的优势：第一，数据体量巨大。
从TB级别，跃升到PB级别；第二，数据类型繁多。
如网络日志、视频、图片、地理位置信息等等。
第三，价值密度低。
以视频为例，连续不间断监控过程中，可能有用的数据仅仅有一两秒。
第四，处理速度快。
人工智能是一个非常复杂的方向，也是一个跨学界的计算机学科，涉及到其他方面的知识，主要内容在于计算机学习人类的自然语言处理。
我们无需去遐想如智能终结者这样科幻的画面，那是科学家要研究的事。
现实生活中，我们已经看到越来越多的大数据与人工智能结合的产品，如苹果的Siri，它包含的语音识别（Speech Recognition），是自然语言处理（Natural Language Processing）的一部分。
在实际的应用中，起到了不少作用，包括智能手机上的服务调配，能解决用户日常的需求。
热炒大数据并不是纯粹跟风，其重点是要解决人工智能的扩展性和成长问题。
传统人工智能走过了漫漫几十年路程，近三十年的变化尤其缓慢。
这是因为虽然对任何给定的确定问题和场景，传统人工智能都可以解决，但尴尬的是，人们不可能预先穷举出所有例子和参数，因此人工智能已有的模型和算法很难跨系统复制。
众多学者、产业精英赋予了基于大数据的智能分析以美好的愿景，即数字化社会一旦形成，生活中的一切都可以基于数据来描述。
这些描述出来的信息将成为智慧成长和决策判断的依据。
如果计算机能够找出其背后的学习规律和方法，人类智慧的跨领域扩展性就能在计算机的虚拟世界中得到体现，并能做出模糊判断。
更重要的是，这样的分析系统将具备人工智能前所未有的基础能力——学习能力，还可以根据环境（数据）变化而不断地增长其智能性，甚至具备推而广之的扩展性。
从理论上说，一旦机器具有学习能力，计算机系统就将具备人的典型特质——创造力。
如果沿着这个思路扩展，基于大数据的智能分析，将进一步替代传统服务体系中必须由人来完成的工作，特别是最高成本的部分。
不过，大数据的智能分析是否真的能够达到梦想的高度，还存在很大的不确定性，而且全数字化社会的形成也还需要时间。
大数据的前景大方向是符合趋势的，但具体产品和数据处理能力，可能是最终成败的因素。
如何获得大量数据，数据的质量、相关性以及是否有好的处理能力和技术，最终应用的方向是商业化的关键。
那么这是否就是大数据与人工智能结合的切合点？我们来看看简单原理：在《大数据时代：生活、工作与思维的大变革》一书中，作者维克托·迈尔-舍恩伯格提到，现在的电脑系统是根据编写程序时明确要求它们遵循的规则来进行运算的。
因此，当一个结果偶尔无可避免地出错的时候，我们可以回过头重新编码。
比如，我们可以问“为什么外部传感器发现湿度突然大幅上升时，自动驾驶系统会将飞机抬高五度？”今天的电脑代码可以被打开检查，人们可以追踪并理解运算的基础，无论这个基础如何复杂。
但是，有了大数据分析之后，这种追踪就会变得困难许多。
算法预言的基础可能会复杂得让常人难以理解。
大数据具有“不可解释性”。
当电脑根据程序编写的明确要求遵循系列指令，比如IBM在1954年发展的将俄语翻译为英语的程序，人可以轻易理解为什么软件会用一个词代替另一个词。
但谷歌翻译在判断英语单词“light”是该翻译成法语的“lumière”还是“léger”时(即描述“光”还是“重量”)，却动用了数十亿页的翻译资料。
一个人不可能追踪到程序作出最后选择的准确原因，因为这些选择是基于海量的数据和大量的统计运算的。
同时，由于大数据的规模体量，其运作的规模也超乎我们的想象。
比如，谷歌分辨几个搜寻关键词和流感的关联是测试4.5亿个数学模型的结果。
相对地，MIT统计学助理教授辛西娅·鲁丁，为检修孔是否会着火设计了106个预测指标，而且她可以向联合爱迪生电力公司的经理们解释，为什么她的程序优先了某些检查位置。
人工智能界所说的“可解释性”，对于我们常人来说是很重要的，我们总是想知其所以然，而不仅是知其然。
可是，如果系统自动生成了601个预报，而不是106个呢？如果这601个中大多数都不是特别重要，但把它们放在一起，就会提升模型的精确性？任何预报的基础都可能非常复杂。
要说服经理们重新分配有限的预算，她该告诉他们什么呢？在这个情景中，我们可以看到，大数据预报的风险，及其背后的算法和数据集，可以变成不可说明、不可追踪，甚至不可信的黑匣子。
要防止这样的事情发生，大数据需要监控和透明，这就要求新的专业知识和机构。
这些新成员会帮助社会仔细检查某些领域的大数据预报，会让被数据伤害的人得到平反。
算法师因此而崛起。
在社会上，当一个特定领域的复杂性和专业性大幅上升，因而对管理新技术的专家产生紧急需求时，我们常会看到这些新实体出现。
法学、医学、会计和工程学的专业人才在超过一世纪前就经历了这种巨变。
最近，电脑安全和隐私专家突然冒起，以保证公司遵从诸如国际标准组织这样的机构订立的最佳操作准则。
计算机发展至今，积累的庞大数据库需要有人对其进行编排组织，给以针对性地利用，大数据会需要新的一群人来担当这个角色。
也许他们会被称为“算法师”。
他们可能分两类：外部算法师——从外部监测公司的独立实体，内部算法师——从内部监测公司的雇员或部门。
就像公司有内部会计师和外来审计师来检查财务一样。
外部算法师可以在政府需要的时候，比如法庭发出命令或颁布规章，以中立审计师的身份检查大数据预报的准确性或合理性。
算法师可以为大数据公司提供服务，给予专业的审计服务。
内部算法师在机构的内部监察大数据活动。
他们不仅关注企业的利益，还关注被企业的大数据分析影响到的人的利益。
他们监督大数据操作，任何人觉得自己被该机构的大数据预告伤害到的时候，内部算法师是他们第一个联络的人。
他们在数据公布前检查分析的完整性和准确性。
要完成头两个任务，算法师必须在他们供职的企业内享有一定程度的自由和中立性。
总而言之，内部算法师是企业为了维持公众信任而生的职业。
这些专业人士会是计算机科学、数学和统计学方面的专家。
在日常工作中，他们会检查大数据的分析和预报。
算法师必须中立并保密，就像会计师和其他一些职业现在所做的那样。
他们会评价数据源的选择，分析预报工具的选择，做出底层的算法模型，当人们需要检测算法的原理，他们会调出算法的结果、统计方法及数据库。
简单说，算法师担当的是一个筛选数据的职能。
人们时常抱怨说谷歌或者百度的“自动完成”功能诽谤了他们，这个功能会根据一个输入的名字产生一系列常见的搜索关键词。
这些词基本是基于过往搜索的频率得出的：词语根据概率排列。
尽管如此，当一个潜在的商业伙伴或情人上网查我们的时候，我们的名字跟“罪犯”或“妓女”放在一起的，谁能不生气呢？我们预想的算法师是为像这样的问题提供市场导向的解决方法的人，他们的存在可能减少过分的规范管制。
他们满足的需求与会计师和审计师在20世纪早期出现应对泛滥的金融资讯所满足的需求是相似的。
汹涌而来的数字让人难以理解。
它要求专家以灵活而自律的方式组织在一起。
市场的反应是让专门进行财务监察的有竞争力的公司形成一个新兴行业。
通过提供这种服务，新型职业提升了社会对经济的信心。
算法师可提供类似的信心提升，大数据按说能够并应该从中获益。
没有任何简单的方法，可以让我们充分准备好迎接大数据的世界。
它要求我们建立新的准则以管束自己。
我们实际操作上的一系列重要改变，可以在社会逐渐熟悉大数据的特点和缺点时提供帮助。
我们必须设计保障，让新的“算法师”专业阶层可以评估大数据分析——这样一个因为大数据而变得难以掌握的世界，才不会变成一个黑匣子，以一种不可知代替另一种不可知。
物联网是另一个同人工智能密切相关的新兴领域。
物联网应用从技术层面讲主要涉及三个部分，即对外感知、感知信息传输（可能需要节点利用无线组网实现信息传输）、信息处理与回馈控制。
智能技术贯穿整个物联网之中，是核心技术的核心。
感知可以是智能感知，可以是多节点协同感知，还可以是智能识别感知系统。
信息传输可以是感知信息的直接传输，也可以经过数据融合等信息处理后再传输，还可以是节能路由传输、可靠性冗余传输等等。
信息处理与反馈更是需要将信息进行智能处理，甚至需要云计算技术等。
经智能决策的信息一般需要反馈到应用系统中，以实现系统的智能化控制，比如智能电网调度、楼宇智能控制、城市交通智能控制等。
目前国内对物理网的定义，源自十二五规划，即：通过射频识别（RFID）、红外感应器、全球定位系统、激光扫描器等信息传感设备，按约定的协议，把任何物品与互联网相连接，进行信息交换和通信，以实现智能化识别、定位、跟踪、监控和管理的一种网络概念。
该定义并没能够描绘出具体的物联网形态，而是对相关技术集群的联系和应用进行了描述。
这就如同问：互联网是什么？回答者说：互联网是通过路由器、服务器、海底电缆、计算机、交换机等信息传输设备，按照约定的协议，把全球各地的计算机相互连接，进行信息交换和通信，以实现信息远程传输、交换、计算和应用的一种网络概念。
那这么说，我们很难理解什么是互联网。
相比之下，我们理解的互联网可能就是Web2.0，是我们浏览器中看到的网络世界。
因此，对于物联网和人工智能的关系，我觉得需要从物联网的未来发展可能性和人工智能的未来去理解。
这样一来，两者之间的关系是非常密切的。
在这里，我仅把人工智能理解为信息处理的高级中介。
在物联网时代一个显著的特征就是大数据时代的到来。
很显然，要想处理好这些信息，进行筛选、分析、数据挖掘等任务，单靠人是不行的。
而现有的数据库系统其固有的弊端又对这些信息的处理能力有限，包括现有的计算方式和软件能力也限制了信息的过滤能力。
