第10章智能計算機與智能化網絡

10.1智能計算機

10.2智能化網絡

延伸學習導引

10.1智能計算機10.1.1智能硬件平臺和智能操作系統智能硬件平臺：指直接支持智能系統開發和運行的智能硬件設備。智能操作系統：指以智能計算機硬件為基礎，能實現計算機硬軟件資源的智能管理與調度，具有智能接口，并能支撐外層的智能應用程序的新一代操作系統。

10.1.2人工智能芯片

用于機器學習以提升程序運行效率的人工智能專用芯片就是一般所稱的人工智能芯片。人工智能芯片現在已經是AI領域的一個新的熱點。

從原理來看，目前所推出的AI芯片有，GPU（GraphicsProcessingUnit）、FPGA（FieldProgrammableGateArray，現場可編程邏輯門陣列）和TPU（TensorProcessingUnit）等幾種架構類型。10.1.3神經網絡計算機，類腦芯片

神經網絡計算機也稱神經計算機，是指由大量類似神經元的基本處理單元相互連接所構成，具有分布存儲和并行處理能力及自組織方式，能模擬人腦神經信息處理功能的計算機系統。根據所用基本器件的不同，人工神經網絡計算機又可分為三種類型，即基于超大規模集成電路的神經網絡計算機、基于光處理器的神經網絡計算機和基于分子處理器的神經網絡計算機。但受當前物質條件和技術水平的限制，神經計算機分全硬件和軟件模擬兩條途徑來實現。

類腦芯片（Brain-InspiredChip）10.1.4智能計算機發展展望試圖突破馮·諾依曼機的框架，開發、研制新一代計算機。基于不同的計算原理，提出了許多新型計算機的構想。其中的生物計算機、分子計算機、光學計算機、量子計算機等等，已經取得了初步的成果或不小的進展。

10.2智能化網絡10.2.1智能網

1.智能網的定義

按照CCITT對智能網的定義，智能網可描述為：在原有通信網絡（即交換與傳輸網絡結構）基礎上，為快速、方便、經濟、靈活地提供電信新業務（或稱增值業務）而設置的一種附加網絡結構。智能網的簡單原理如圖10-2所示。可以看出，智能網是建立在基礎通信網之上，為各種具體電信業務提供統一服務的一個平臺。圖10-2智能網原理簡圖

2.智能網的結構

3.智能網的特點

功能分離，集中控制

模塊編程，組合配置

4.智能網的意義

①可方便、快速、經濟地生成新的電信業務（網）

②可適應多種新業務的需要

③可實現客戶自己管理業務

5.智能網的發展10.2.2智能Web

1.語義Web的基本概念語義Web是進一步將（文檔中的）知識（數據）互聯（或者說將文檔變成機器可讀的知識結構（元數據））而形成的一種數據Web。其目的是讓計算機能夠自己“理解”網頁中有關的內容和用戶意圖，并能沿著數據鏈接進行一定的推理和判斷，以便更好地為用戶提供各種智能化信息服務。就是說，語義Web是傳統文檔Web的擴展和升級，是一種智能型Web。

2.語義Web的體系結構

3.語義Web的關鍵技術

XML（Extensible

Markup

Language）是精簡的SGML（標準通用標記語言；

RDF（ResourceDescriptionFramework）是資源描述框架，它是一種描述信息資源的語言，其目標是建立一種供多種元數據標準共存的框架；

Ontology（本體）一詞源于哲學領域，在計算機科學領域，其核心意思是指一種模型，用于描述由一套對象類型（概念或者說類）、屬性以及關系所構成的世界。10.2.3網絡的智能化管理與控制

1.在管理功能中引入智能技術

配置管理中，可以用人工智能中自動規劃與配置技術實現優化配置，提高網絡資源利用率。

故障管理中，可建立故障診斷專家系統。

性能管理中，性能分析可以采用知識庫和專家系統技術提高其水平和速度。

安全管理中，入侵檢測中可使用多種智能技術。

2.在管理方法中引入智能技術

3.智能網絡管理系統

(1)處理不確定性問題的能力(2)協作能力(3)應變能力(4)解釋和推理能力(5)記憶和學習能力10.2.4網上信息的智能化檢索

1.搜索引擎（SearchEngine）

2.智能搜索引擎

智能搜索引擎的主要有以下研究課題：

(1)信息搜集方面主要是智能搜索算法。

(2)信息組織方面，又可分為以下幾種：

①信息分類技術

②基于內容的自動索引技術

③理解式自動文摘技術

(3)信息檢索方面有模糊檢索、概念檢索、自然語言

檢索等。3.基于Agent的網上信息搜索

設計一種網上信息查詢Agent

建立基于Agent的搜索引擎4.基于知識圖譜的語義搜索

基于知識圖譜的搜索引擎從語義層面理解用戶意圖，沿著知識圖譜進行搜索和推理，因而能夠給用戶提供更準確的期望信息，而且還可以提供相關信息。5.網頁排序技術

PageRank算法：將一個網頁與其他網頁的連接多寡作為該網頁的權重，然后對檢索到的網頁計算權值并按權值大小進行排序。10.2.5推薦系統推薦系統一般由用戶資料、物品資料、分析建模、用戶模型、物品模型、推薦算法等模塊組成，其邏輯關系如圖中箭頭所示。用戶資料包括顯式的注冊、表格、問卷以及隱式的上網記錄、瀏覽記錄、行為日志等。物品（items）是廣義的，包括出現在互聯網上的各種各樣、包羅萬象的商品、資訊、服務等。分析建模就是利用數據挖掘和機器學習等技術從用戶資料和物品資料中發現相應的特征和類型，從而建立用戶和物品的基本模型；在此基礎上進而發現用戶與用戶、物品與物品、用戶與物品之間（在用戶偏好意義下）的關聯。多種推薦算法：

協同過濾推薦（CollaborativeFilteringRecommendation）

基于內容的推薦（Content-basedRecommendation）

基于關聯規則的推薦（AssociationRule-basedRecommendation）

基于效用的推薦（Utility-basedRecommendation）

基于知識的推薦（Knowledge-basedRecommendation）