正泰：人工智能技术应用分析

人工智能技术应用分析

移动应用性能分析  

目前，移动应用软件的爆发式增长带来了种类繁多数量也剧增的众多移动应用，用户在选择移动应用过程中并没有可以参考的标准。在此情况下，移动应用的友好性分析和应用软件排行对于用户选择移动应用具有一定的指导作用，同时也可以促进移动应用的良性发展，提升移动应用的整体质量。目前，对于移动应用性能分析主要集中在移动应用端到端QoE分析、用户黏性分析、业务协同友好性分析等方面。而这些方面分析的共同点就是都要基于大数据分析，将大量的用户和应用相关信息进行收集和计算得出结论。

那么，在这个大数据分析计算的过程中通常使用人工智能算法进行解决。不同的机器学习算法是进行大数据分析的利器，目前广泛采用的有加强学习算法以及基于神经网络的深度学习算法等。这些学习算法运作模式是将不同应用在不同应用场景下的能耗、时延、流量、速率按指标要求进行收集和存储，作为神经网络体系的输入端。然后，按照不同的应用种类区分社交应用、即时通信应用、音视频应用、云应用、浏览器应用和游戏应用，将不同领域内的应用对于能耗、时延、流量、速率等指标的需求度进行分析，并生成对应指标的加权值作为神经网络的权值。最后，通过大量数据的训练和反馈计算形成神经网络模型。经过学习的模型可以完成应用整体友好性结论输出，也可以完成基于当前数据的应用排行，同时还能通过现有数据进行预测应用性能。目前，各运营商积极建立移动互联网用户行为分析系统，在数据共享的基础上实现对移动用户访问互联网的行为进行分析，最终掌握用户的上网习惯以及偏好，从而准确定位用户对于移动互联网的需求，为移动企业经营分析决策提供数据支撑。

身份认证是应用人工智能算法的另一个重要应用方向。一直以来，使用最多的身份认证方法是用户名和密码的口令模式以及外设的U盾等设备。但是由于密码存在被破译风险和被遗忘的可能性，而U盾等外设又存在不便于保存的问题，所以目前多因子身份认证方式和生物识别身份认证方式正在广泛的发展。多因子身份认证方式是采用两种或两种以上的身份认证方式结合起来进行身份认证，综合多种方式的优点，弥补不同身份认证方式的短板。目前，存在一种多因子认证是采用密码结合用户大数据图谱分析进行认证分析，增强原有密码登录方式的安全性。用户大数据图谱是通过用户在互联网中的种种行为模式记录数据，进行基于机器学习算法的分析，完成用户基本行为模型，可预测用户行为并拒绝不符用户行为模型的登录或付款请求，是对普通密码认证模式的良好辅助。而生物识别认证方式是采用用户的生物样本如指纹、人脸、虹膜、指静脉等具有唯一性的特征进行比对识别的认证方式。生物识别认证方式安全性高，且随着硬件的不断发展在移动终端上搭载的生物识别模块也越来越小，越来越方便使用。由于生物信息采集时数量巨大，且经过特征提取后形成的比对数据库更是庞大，所以生物识别认证的算法基础都要依赖于人工智能算法进行模式识别和比对认证，最后将分析识别结果输出。

人工智能技术还促生了移动互联网新应用和新产业。虚拟现实/增强现实技术就是基于人工智能技术的应用新拓展。虚拟现实/增强现实是需要通过收集用户周围的感知数据快速上传服务器，并通过服务器计算将结果下发到用户的眼镜设备上。为了用户的体验考虑，从数据收集到结果呈现，谷歌给出的时延阈值是20ms。也就是说，要完成快速的数据交换和计算不可缺少的除了传输带宽还有就是数据计算算法。人工智能算法实现了大数据量的瞬时计算，解决了虚拟现实/增强现实的发展基础。此外，依托于人工智能技术的(如自动驾驶汽车、智能家居、智能语音搜索等)一大批应用正快速发展。百度依托深度置信网、卷积神经网络、递归神经网络等人工智能算法解决了自然语音处理、智能语音识别与搜索、图像搜索等应用。人工智能技术对于移动互联网几乎每一个领域都可以产生巨大的影响。