云和人工智能推动智能解决方案的未来

现代技术创新已经超越了核心自动化的界限。目前，人们普遍期望此类系统具有原生智能，允许它们学习、调整其功能并做出自己的选择。此类智能系统的例子包括语音激活助手、能够识别异常行为的先进摄像头以及能够建议替代治疗的医疗程序。

此类系统的核心构建模块涉及两项核心转型技术：人工智能（AI）和云计算。人工智能支持系统的学习和进化能力，类似于人类思维的发展过程，而云计算则提供此类系统的全球部署和运行所需的基础设施。这些技术共同支撑着为企业实现更复杂、情境敏感和个性化的体验以及运营效率。

认知计算系统的特征

复杂的系统执行的任务超出了仅仅履行预定协议的范围。它收集信息、进行分析、得出结论、运用逻辑并不断改进其方法。系统的各个部分可以分为以下几类：

1.数据采集

此阶段涉及收集不同形式的信息，例如口头指令、电子消息、用户内容和传感器输出。植根于给定框架的云计算系统为存储和维护从各种来源收集的大量信息提供了基础设施。

2.了解数据

收集信息后，系统进入处理阶段，对信息进行清洗、结构化和分析等一系列操作。例如，当用户发出命令“播放音乐片段”时，系统必须将其解读为用户对播放音乐片段的请求。

3.研究结果的意义

人工智能的使用提高了对历史信息模式的识别，例如，个人音乐品味或用户重新配置恒温器之间的标准间隔。从长远来看，这种提升使系统中的决策过程能够获得更好的信息并具有更好的能力。

4.决策过程

系统根据预定的逻辑规则或学习的行为模式进行操作，以决定下一步要做什么。它能够推荐电影、下补货订单或通知某人。

5.满足用户期望

最后，系统能够产生可通过语音、文本或执行自定义操作来传递的响应。通常，响应是根据系统了解的用户信息进行个性化的。

为什么云计算很重要

如果没有云计算，智能系统就无法大规模运行。这就是云如此重要的原因：

灵活性： 云基础设施使系统能够根据不断变化的需求水平进行扩展。当有多个用户同时访问系统时，云基础架构会按需提供资源。

速度： 云中的数据中心分布在广阔的地理区域，并且具有增强的运营能力，可实现即时且一致的响应。

存储： 云平台存储大量数据，这是训练人工智能系统所必需的。云服务托管在世界各地的多个位置，可以通过多种设备进行访问。

维护： 开发者的任务不包括服务器的更新和维护，因为这些是云服务提供商的职责。

人工智能如何增强智能

人工智能通过增加推理、学习和优化能力来提高系统的能力，从而提高运营效率。人工智能的一些最常见用途包括

体验式学习意味着人工智能算法随着在一段时间内吸收越来越多的数据而不断改进。

理解语言：NLP 使系统能够理解并响应以人类语言形式给出的输入。视觉和听觉识别：人工智能可以识别人脸、物体和听觉信号。

预测分析能够预测许多可能的结果；例如，它可以评估延迟发货的可能性或确定接下来最容易引起客户兴趣的产品。生成式人工智能为机器提供了生成书面内容、创建编程语言以及音乐和视觉艺术形式的能力。

另请参阅： 没有个性化的聊天机器人没有任何意义。这就是为什么！

语音激活助理技术：分析框架

让我们以一个特定的智能系统为例，即嵌入多个智能音箱系统中的语音助手。

有人问，“西雅图现在的天气怎么样？”

该设备拾取声波并将其发送到外部服务器。然后，云计算基础设施将口头交流转录为书面形式。理解这句话的重要性。提供正确的气象信息。

给出音频输出：“西雅图目前天气晴朗，气温为 72 华氏度。”

图 1：高级语音辅助系统架构

该图概述了云智能语音助手系统的整体基础设施，以及如何通过使用云和人工智能技术将简单的语音查询（“嘿 Alexa，西雅图的天气怎么样？”）转化为自然且易于理解的响应。

在用户方面，语音界面显示为用户会话的起点。用户对智能扬声器或（理想情况下）显示器说出自然语言语音命令。智能设备中存在麦克风和处理器，因此它可以监听声音并针对某个预定的唤醒词（在本例中为名称“Alexa”）保持监听状态。听到唤醒词后，设备开始记录用户的命令，并通过安全路径将声音文件传输到云服务器进行处理。

真正的智能发生在图右侧所示的云处理部分。 自动语音识别或 ASR ，在云中的第一个管道阶段，将原始音频流转换为文本。它比看起来要复杂得多；它必须倾听不同的口音，消除背景噪音，并实时听到声音的微妙之处。 ASR 模型经过大量不同声音录音的训练，以便尽可能准确地捕捉所说的单词并将其翻译成文本形式，“西雅图的天气怎么样？”

随后，系统进入自然语言理解（NLU） 阶段，在此阶段用户的意图被破译。将用户的语音转换为文本是不够的；助理还需要理解查询的意图和所提到的信息或实体，即城市“西雅图”。经过自然语言处理训练的人工智能模型致力于理解用户询问“西雅图”作为所需城市的天气的意图。助理还需要考虑单词、同义词和上下文的模糊性，以便以正确的方式解释请求。

系统对查询有了充分的理解后，就会进入知识和推理 阶段。现在，在这个阶段，助手选择访问正确天气信息的方式，最自然的是通过询问权威的外部服务，即天气数据库或 API。系统应用学习的算法或既定的行为来处理收到的信息；例如，它可以得出西雅图目前是白天的结论，并根据此推断构建响应。如果用户询问“天气怎么样？”，系统可以使用其中存储的地理位置信息或过去的偏好来推断“西雅图”是最有可能的位置。

收集完所需的信息后，助理将进入自然语言生成（NLG） 阶段，结构化形式的信息被翻译成语法正确、人类可接受的形式可读的文本。原始信息，例如，{温度：72°F，条件：晴天} 被重写为：“西雅图天气为 72 度，阳光明媚。”该系统可以使用正确的措辞，遵循语法要求，并在每次重复时在句子中添加漂亮的变化，以使其尽可能自然。在向用户发布响应之前，系统还会使用文本转语音 (TTS) 技术试图将生成的文本转换为声音形式。这涉及到声音输出的创建，通常具有友好对话和良好发音的给定语音配置文件。随后，音频文件通过互联网传输，以便在原始声明发布后几秒钟内为用户提供清晰、自然的响应。

这种体验的技术基础在于云技术。云支持语音助手的可扩展性，因为它可以管理来自世界任何地方的数百万个并发请求。它提供运行语音和语言深度学习算法、查询外部数据库和实时响应所需的计算能力。它提供安全功能，例如数据加密传输和访问控制，以便极其谨慎地处理敏感语音信息。这个智能系统也会随着经验的积累而改进，因为它会随着时间的推移而学习。它可以从过去与用户的交互中学习，使其更加个性化，了解用户的偏好，并在用户提出要求之前实际提出建议。

结论

智能云和人工智能解决方案让企业超越自动化。智能系统会倾听、学习和行动，从而在医疗保健、金融、制造以及日常生活中创造真正的价值。

云为这些解决方案提供了所需的功能、灵活性和范围。人工智能提供思考、学习和优化所需的智能。他们正在共同构建一个更智能、高度互联的全球环境——一次一个系统。