《中国人工智能学会通讯》——4.10 智能信息服务系统的构成要件

简介: 本节书摘来自CCAI《中国人工智能学会通讯》一书中的第4章,第4.10节, 更多章节内容可以访问云栖社区“CCAI”公众号查看。

4.10 智能信息服务系统的构成要件

智能信息服务以用户为服务对象,提供与信息有关的一系列智能服务的健全系统,是信息化时代信息服务的趋向。智能信息服务系统是由用户信息需求智能分析、信息智能获取、信息智能精炼、信息智能创新、信息智能推送以及信息应用评估这六大主要模块构成的一个有机统一系统[2] 。智能代理技术有效结合了用户需求分析、信息智能获取、精炼、创新以及信息的智能推送这五大模块,并形成一个协调一致的整体服务于信息检索[3] 。

用户信息需求智能分析模块

智能信息服务抛弃了以往单纯的按照用户输入关键词的需求获取方法,而是具有一定的推理能力,从用户给定的需求中准确地揣摩用户的意图,分析、分解复杂问题,提取关键而本质的内容,以便针对性地提供信息。此外,除了对用户提供的需求信息分析理解外,智能信息服务还进一步挖掘用户的潜在需求,即用户未表达却有可能需要的需求,以及随着社会环境变化而产生的新需求。智能信息需求分析的目标是比用户更了解自己的需求。

信息智能获取模块

智能信息服务利用机器学习、发现技术、分词技术等,对用户提供的需求信息进行理解,将关键词层面的检索升华为知识层面的检索[2] 。因此,用户获得的反馈信息将不只是包含其关键字的信息内容,而是与之有密切联系的全面信息。

信息智能精炼模块

信息存在着大量冗余,一股脑地反馈给用户显然不是一个良好的选择,并且信息也同样存在质量高下之分。智能信息服务系统为用户提供的必须是精简且高质量的信息内容。百度搜索引擎创始人李彦宏提出了 “人气质量定律” [4] ,即网站、信息的质量与其被访问、链接、使用的次数成正比,也就是信息被访问、使用的次数越多,则该信息更有可能是高质量信息,其被推荐给用户的概率就越大。

信息智能创新模块

信息的智能创新在于,促使智能信息服务系统以人的逻辑推理能力来创造有价值的新信息。例如,若信息具有因果关联性,就可采用因果互动模式来开发信息;若了解了事物从过去到现在的发展规律,则可根据此规律推断出未来发展趋势的新信息;若反应两事物的知识结构有相似处,就可以从某一事物的知识结构推断出另一事物的类似知识结构[2] 。

信息智能推送模块

信息服务智能性的另一体现就在于信息的智能推送。传统信息获取方式是由用户提出信息要求,而系统被动地为用户搜集信息并提供。智能信息服务一改传统方式,根据学习到的用户的专业、兴趣、年龄等知识,主动地为用户提供有价值信息。在物联网应用中,当检测到异样情况或当检测数据超过设定阈值,信息系统即向相关人员和部门发送报警信息,以达到实时监测和及时处理的效果。

信息应用评估模块

智能信息服务的最终目的是为用户提供更智能便捷的信息服务,为社会、经济带来良好效益。智能信息服务的好坏必须有一个评价标准,而这个评价标准需要从社会、经济以及时间三个方面进行评估。社会效益反映在提供的信息对用户的心理影响和信息的覆盖面两方面;经济效益的计算有其计算公式,即信息经济效益 = 某信息使用价值 - 信息成本;智能信息服务带来的时间效益,由用户根据其带来的节约时间产生的效果和利益来进行评估。

相关文章
|
1月前
|
人工智能 NoSQL atlas
4大企业实例解析:为何MongoDB Atlas成为AI服务构建的首选
本文所提及的仅是MongoDB Atlas在AI领域可实现功能的冰山一角
1540 1
|
2月前
|
人工智能 自然语言处理 API
Google Gemma 模型服务:开放的生成式 AI 模型服务
Google Gemma 模型服务:开放的生成式 AI 模型服务
113 4
|
2月前
|
机器学习/深度学习 人工智能 自然语言处理
人工智能与机器学习:开启智能新时代的密钥
人工智能与机器学习:开启智能新时代的密钥
31 0
|
2月前
|
机器学习/深度学习 人工智能 自然语言处理
未来智能时代:人工智能技术的新趋势与挑战
在当今数字化快速发展的时代,人工智能技术正逐渐渗透到我们生活的方方面面。本文将探讨人工智能技术的新趋势和挑战,分析其对未来社会和产业的影响。
25 0
|
2月前
|
机器学习/深度学习 人工智能 自然语言处理
人工智能大模型引领智能时代的革命
随着AI技术的飞速发展,人工智能大模型正成为推动社会进步和经济发展的重要力量,比如GPT-3、BERT和其他深度学习架构,正在开启一个全新的智能时代。在人机交互、计算范式和认知协作三个领域,大模型带来了深刻的变革。那么本文就来分享一下关于大模型如何提升人机交互的自然性和智能化程度,以及它们如何影响现有的计算模式并推动新一代计算技术的演进,并探讨这些变革对未来的意义。
48 1
人工智能大模型引领智能时代的革命
|
5天前
|
传感器 人工智能 自动驾驶
【AI 场景】如何开发用于自动驾驶的人工智能系统?
【5月更文挑战第3天】【AI 场景】如何开发用于自动驾驶的人工智能系统?
|
5天前
|
机器学习/深度学习 数据采集 人工智能
【AI 场景】如何设计一个人工智能系统来预测电信公司的客户流失?
【5月更文挑战第3天】【AI 场景】如何设计一个人工智能系统来预测电信公司的客户流失?
|
8天前
|
机器学习/深度学习 人工智能 算法
构建未来:人工智能在持续学习系统中的应用
【4月更文挑战第30天】 随着机器学习技术的不断进步,人工智能(AI)已经从静态的知识库演变为能够进行自我更新和优化的动态系统。本文探讨了AI在持续学习系统中的关键应用,分析了其如何通过实时数据分析、模式识别以及自适应算法来增强系统的学习能力和决策效率。我们还将讨论这些技术如何推动个性化服务的发展,并在不断变化的环境中维持系统的相关性和准确性。
|
10天前
|
机器学习/深度学习 人工智能 分布式计算
人工智能平台PAI 操作报错合集之在本地构建easyrec docker镜像时遇到了无法连接docker服务如何解决
阿里云人工智能平台PAI (Platform for Artificial Intelligence) 是阿里云推出的一套全面、易用的机器学习和深度学习平台,旨在帮助企业、开发者和数据科学家快速构建、训练、部署和管理人工智能模型。在使用阿里云人工智能平台PAI进行操作时,可能会遇到各种类型的错误。以下列举了一些常见的报错情况及其可能的原因和解决方法。
|
11天前
|
机器学习/深度学习 人工智能 自然语言处理
构建未来:人工智能在持续学习系统中的进化
【4月更文挑战第27天】 随着技术的进步,人工智能(AI)已经从单一任务处理的静态系统转变为能够适应和学习新知识的动态实体。这种转变的核心在于持续学习系统(Lifelong Learning Systems),它允许AI不断积累知识,跨领域应用所学,并在不断变化的环境中保持相关性。本文将探讨AI持续学习系统的关键技术进展,包括神经网络的可塑性、转移学习和元学习策略,并分析这些技术如何推动AI向更高层次的认知能力迈进。