基于人工智能技术的数据库未来发展方向

数据可以代表实际存在事物的信息，通过分析数据的形式将其细化出来。相比之下，知识则是一种概念和抽象信息，人们在看了之后掌握的是大范围的内容，而在看了数据之后则是了解的具体事物内容。一般，数据和知识都被人类当成信息，但两者在结合之后就会形成一个信息库，这是计算机系统的基础。

在数据库当中，会有很多真实的数据。但是，在人工智能系统当中，则被称之为知识库，表达的是一种抽象的概念或定律。数据库的组织方式之一就是数据模型，其中，主要涵盖了约束、操作以及结构三个内容，比较典型的数据模型可以确定静态事实和关系。而知识模型是数据库的知识构成形式，通过知识模型可以看出具体的信息表示，其中包含了知识操作和结构知识以及知识约束等。

对数据库客户进行业务监管的监督系统被我们称之为数据库业务管理监督系统，专门用来对数据库业务进行监督管理。当数据库当中的数据信息需要进行删除、修改、增添、发送时，就需要得到管理系统的允许，该管理系统还可以对数据库加以维护。如果数据库中的信息有所丢失时，就可以通过该管理系统进行再组织。

对知识库进行管理的系统被称之为知识库管理系统，专门用来对知识库加以管控，其可以对知识库进行维护和拓展，如知识库的基本定义等。当知识库吸收了新的知识之后，就需要更改知识库，这时也同样需要得到知识管理系统的允许。数据库处理技术已经在很多专业领域都已经有了广泛使用，但是，问题也渐渐地凸显出来，就是优秀的数据库处理技术在实际应用的整个过程当中，有着很强的技术通用性，而优秀的数据库却还有着一定的技术局限性，这样就使得优秀的数据库大多数都只能用于处理现成的数据，而它的处理还远远不具备全面性，只能用于处理百分之五至百分之十的现成数据。

人工智能技术的广泛性和实用性大多都只是需要围绕在如何正确指定一个计算领域之中，适用的计算范畴并不宽泛。再者，由于传统人工意识智能本来就不应该具有其在计算上的精确性以及功能不足的诸多弊端，这样就可能使得最终计算结果中所给出的实际答案并不完全可靠。但是，人工智能技术仍然可以广泛地应用在如何有效解决一个适合人类高难度的计算问题上。数据库和其他传统数据知识库的不同是在处理海量数据时的对象、表达形式、结构等都完全不一样，在具体操作和进行数据资源管理上也自然不同，其存在的区别十分明显。数据库的储存能力较强，而知识库储存能力较弱；数据库的结构非常简单，知识库结构要复杂一些;数据库普通用户也可以更新，而知识库只有专家才能进行更新，这给用户带来了一定的不便;数据库可以推导出具体的知识，而知识库可以推导出新的知识库。这些足以说明数据库和知识库之间的不同。

1.人工智能的起源

人工智能的快速发展最早甚至可以追溯到20世纪50年代，最早的基于人工智能结构技术的理论流派只有两种:联结结构主义和数字符号结构主义。随着时间的不断推移，人们又将现代人工智能主义分为五大主要流派:包括符号结构主义、联结结构主义、行为主义、进化结构主义以及贝叶斯派。

符号主义可谓是AI技术流派中的开山鼻祖以及常青树。它的理论起源为古典逻辑学与计算哲学，常用的演算法为逻辑规则以及决策树。他们的主要学术思想是其逻辑为基于人工深度智能，并来源于数理逻辑。因此主要含义是，人类使用各种语义符号、规则、逻辑等对人类社会知识系统体系本身进行各种具有表征性的语义描述，以及对其进行各种逻辑性的推理。联结主义则是AI技术派的网红，因为近些年来常见的深度学习方法就是其典型模式。联结神经主义的理论起源为现代神经科学，是一种综合了现代认知分析心理学、心理分析哲学与现代人工智能等多个科学领域而发展形成的一种科学理论。主要应用场景是图像、声音识别以及翻译等。这一派的学者相信智能的起源是万物互联。模型的基础建构研究参照点是对典型人脑神经模型的构建研究，常见的构建形式为人脑神经网络处理模型。

进化算法主义概念起源于现代生物遗传进化学，常用进化算法为遗传算法以及生物遗传代码编程。整体遵循的原则为遗传与变异，以及适者生存的原则，然后选择其中能够达到目的的最优解。

贝叶斯派是AI技术派中的理性大学霸，起源是统计学。这一流派最常使用的算法为朴素贝叶斯以及马尔可夫。原理为获取未知状态下事件发生的可能性，然后进行概率推理，并做出主观的相应决策。接着再用贝叶斯运算公式对每个结果函数进行一次检测后，对每个概率函数进行一个相应的数值修正，最后得出最优决策。

我国在距今长达60多年的人工智能研究发展史中，不同的历史时期，联结实用主义和深度符号实用主义两大主要派系分别占据不同的学术主导地位。进入21世纪以后，特别是最近十年以来，联结实用主义再次重新焕发勃勃生机，以开展深度机器学习计算方法研究为主导，在深度大数据、算力及符号算法的不断提升下，人工智能再次得到爆发，并逐步取得了许多实质性的新进展，尤其在计算机数字视觉、自然语言处理等多个领域，取得了巨大的新进展。

2.结合的策略与分析

如今，伴随着人工智能的进化，也遇到了很多数据库发展中遇到的问题，都仿照数据库的发展模式得到了突破。比如，人工智能检索的方式缓慢，在此基础上将人工智能的检索结构做出变革性改进，也从之前比较简单的结构变得复杂起来，对于信息的存储能力越来越大，也可以大面积的访问，在功能方面有了很大的增加。数据库技术在近年来的发展中，也遇到了和人工智能相类似的问题，但在解决问题的过程当中，突破了原本的局限，信息处理能力得到很大的提升，还增加了语义信息查询等功能。将人工智能和数据库技术相融合，就是指将两种技术经验、优势相结合，从而将组成后的系统功能加以提升，该系统可以解决人工智能或数据库技术单方面无法解决的问题，从而造福于人类。这样的融合不单单是人工智能和数据库技术的集成，其中还接触到了很多的交互性知识，借鉴双方的成长经验，取长补短，具体的领域包含了知识表示和模拟信息模型。在该技术当中，将数据库和知识库进行连接，以此来构成一个更为全面的知识数据系统，其信息处理能力自然而然也会得到增加，在分系统之中，也有着属于自己的工作模式，所涉及到的知识和数据都有着很强的共享性。也就是说，数据和数据、知识和知识之间可以进行共享，且时效比较强，在操作时效率更高。

其次，在把人工智能和数据库技术相结合之后，人工智能系统可以取长补短。从客观上来讲，人工智能在信息共享和故障恢复等具体操作上，要比数据库技术差一点，在和数据库技术相结合后，就可以借鉴数据库技术的管理经验，将人工智能的知识管理、知识库设计等进行改良，从而改善人工智能的特性和功能，人工智能可以获得更好的发展。比如，数据库处理技术具有最基本的信息输入、检索等各种功能，这样就可以把它当成是基于人工智能专业知识数据库的一个范例，将知识数据库的三级目标设计当成是专业知识库的设计目标，而将知识数据库的三级设计表示和各种设计应用方法结合当成是基于人工智能专业知识数据库的三级设计应用方法，诸如 E-R方法等。

在以往的数据库管理系统基础之上，又新添加了一个演绎推理机制，该机制的出现使得直接从存储数据当中推演非直接存储结论成为可能。比如，在INGRES和UNIFY等数据库当中，如果添加PROLOG等类型的推理语言，不但可以使其具有很强的演绎性，也可以拥有大型数据库管理能力。

以往的企业数据库管理系统主要面向的业务对象是一般业务职员，为了能够让整个数据库系统同时面向高级业务管理人员，对高层业务管理自动采集分析管理数据、提供自动决策，以便于实现高层决策的科学化、自动化和信息化。因此，引入决策支持系统，也就是演绎数据库。决策支持系统研究的是以计算机为基础的知识信息系统对决策进行支持，这里的知识信息系统主要指的就是数据库。近几年来，决策支持也是数据库技术尤其是数据仓库和数据挖掘技术要解决的一个中心问题。

所谓专家系统，就是将行业专家的主要知识点和经验总结计算出来，形成计算规则，并将它们以适当的计算形式直接存入专业计算机，即首先建立专家知识库，然后专家采用合适的逻辑控制策略，按专家输入的原始计算数据顺序选择合适的计算规则后，再进行逻辑推理、演绎，作出正确判断和进行决策。

专家信息数据库系统有着一定的技术专业性，如果把专家系统中的技术理念应用到以往的专家数据库信息管理服务系统和专家知识库信息管理服务系统当中，就一定可以打造出一个大型专家信息数据共享管理系统。在该共享系统之中，可以对大量的专家信息管理数据进行一一共享，在此基础之上，面对任何一个问题都会一一解答。这一应用系统不仅有着非常强的资源独立性，在实际使用中看起来也非常独立，可靠性和使用性能比较好，可以对现有知识库和数据等资源进行日常维护和功能拓展，可以同时在很多虚拟环境下正常运作，也就是可以用来解决一些操作难度和系数比较大的虚拟现实应用问题。

专家系统的应用研究方向是目前人工智能研究领域中较为深入的一个研究方向，甚至已经出现了实用的专家系统，比较著名的产品有Andandralrl系统、Mycinim系统等。专家系统中的关键问题就是如何正确表达和有效运用专家专业知识。因此，专家知识库管理是专家系统的重要基础。对数据库而言，一个智能的DBMS首先也应当具备专家功能，即它可以针对用户的要求或问题，根据某种规则从数据库中提取出必要的数据，最后以易于理解的形式回答用户。

积极数据库有着简单的特点，虽然很简单，却有着很强且有效的推理能力，对于数据库及其管理系统可以随机性地激发规则，还可以在激发的同时，将规则激活时候的数据库状态记录下来。

对于数据库，尤其是大型数据库来说，如何存储和检索大量数据是一个很有意义的课题，智能检索系统就是针对这个课题产生的。当智能检索技术与自然语言理解结合在一起时，DBMS的表现就与人更加接近了，也就是DBMS的智能程度更高了。

知识数据库相当于是数据库和知识库的完整结合，和传统的数据库有一点相似之处，就是可以将知识从程序当中抽离出来，再添加到数据库中来。知识数据库可以分成两个种类：一个是面向系统知识，可以在一定程度上提高数据库管理系统的工作质量；另一个是面向应用知识，包含演绎、语义以及决策等多种知识，目的在于对数据库管理系统加以延伸，使其可以适应更多的应用领域，在运行中可以给用户带来更多的便捷和帮助。

语义数据模型就是在数据库模型基础之上，添加语义表达能力之后形成的，它的出现可以让数据库表达能力和处理功能更为丰富，也可以处理一些更为复杂的数据。

科技的进步，也是人类史上的一大进步，如果将人工智能和数据库技术进行有机结合，那么则可以开发出推动人类生活进步的高新技术产品，便捷人们的生活和工作。人工智能和数据库技术在发展中都遇到了对方所遇到的问题，在将两者进行结合之后，可以朝着演绎数据库、专家数据库、积极数据库、知识数据库、语义数据模型等方向设计，两者技术之间相互借鉴，取长补短，从而开发出一种综合性的新兴技术。

来源：《网络安全和信息化》杂志