人工智能[292]

終于有人把大數(shù)據(jù)和人工智能之間的關(guān)系說明白了

大數(shù)據(jù)最近都被“神化”，還有一些人將它“妖魔化”了，搞得我好像也不知道大數(shù)據(jù)是什么了······

01什么是數(shù)據(jù)？

數(shù)據(jù)(data)是事實(shí)或觀察的結(jié)果，是對客觀事物的邏輯歸納，是用于表示客觀事物的未經(jīng)加工的原始素材。——來自百度百科

大數(shù)據(jù)：一種規(guī)模大到在獲取、存儲、管理、分析方面大大超出了傳統(tǒng)數(shù)據(jù)庫軟件工具能力范圍的數(shù)據(jù)集合，具有海量的數(shù)據(jù)規(guī)模、快速的數(shù)據(jù)流轉(zhuǎn)、多樣的數(shù)據(jù)類型和價值密度低四大特征。

大數(shù)據(jù)的本質(zhì)：海量的、多維度、多形式的數(shù)據(jù)。

02什么是人工智能?

人工智能（AI）是研究、開發(fā)用于模擬、延伸和擴(kuò)展人的理論、技術(shù)及應(yīng)用系統(tǒng)的一門新技術(shù)科學(xué)。

計(jì)算智能：遺傳算法，神經(jīng)網(wǎng)絡(luò)。感知智能：像小度音箱這樣能聽懂，然后做出判斷，并執(zhí)行。認(rèn)知智能：像無人駕駛計(jì)算，行走機(jī)器人。

03大數(shù)據(jù)與人工智能

簡單來說，大數(shù)據(jù)和人工智能，就像燃料和發(fā)動機(jī)，或者說是一對夫妻。誰也離不開誰。

人工智能就像發(fā)動機(jī)離開了燃料，它就不能運(yùn)作，為機(jī)器提供動力。燃料離開發(fā)動機(jī)，它也變得沒有什么價值了。

04算法讓大量的數(shù)據(jù)有了價值。

人工智能技術(shù)立足于神經(jīng)網(wǎng)絡(luò)，同時發(fā)展出多層神經(jīng)網(wǎng)絡(luò)，從而可以進(jìn)行深度機(jī)器學(xué)習(xí)。這一算法特點(diǎn)決定了它是更為靈活的、且可以根據(jù)不同的訓(xùn)練數(shù)據(jù)而擁有自優(yōu)化的能力。

“深度學(xué)習(xí)”“增強(qiáng)學(xué)習(xí)”“機(jī)器學(xué)習(xí)”等技術(shù)的發(fā)展都推動著人工智能的進(jìn)步。

以計(jì)算視覺為例，作為一個數(shù)據(jù)復(fù)雜的領(lǐng)域傳統(tǒng)的淺層算法識別準(zhǔn)確率并不高。

自深度學(xué)習(xí)出現(xiàn)以后，基于尋找合適特征來讓機(jī)器識別物體幾乎代表了計(jì)算機(jī)視覺的全部圖像識別精準(zhǔn)度從70%+提升到95%。

由此可見，人工智能的快速演進(jìn)，不僅需要理論研究，還需要大量的數(shù)據(jù)作為支撐。

05人工智能推進(jìn)大數(shù)據(jù)應(yīng)用深化

在行業(yè)中，人工智能與大數(shù)據(jù)密不可分。大數(shù)據(jù)的許多應(yīng)用可以歸因于人工智能。

隨著人工智能的快速應(yīng)用和普及，大數(shù)據(jù)不斷積累，深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)等算法不斷優(yōu)化。

數(shù)據(jù)技術(shù)將與人工智能技術(shù)更緊密地結(jié)合在一起，它將具有理解、分析、發(fā)現(xiàn)數(shù)據(jù)和對數(shù)據(jù)做出決策的能力，從而能夠從數(shù)據(jù)中獲得更準(zhǔn)確、更深入的知識，挖掘數(shù)據(jù)背后的價值，并產(chǎn)生新的知識。

人工智能和大數(shù)據(jù)有什么相似之處和不同之處？它們有什么共同點(diǎn)嗎？它們是否相似？能進(jìn)行有效的比較嗎？

有人認(rèn)為將人工智能與大數(shù)據(jù)結(jié)合在一起是一個很自然的錯誤，其部分原因是兩者實(shí)際上是一致的。

但它們是完成相同任務(wù)的不同工具。但首先要做的事是先弄清二者的定義。很多人并不知道這些。

人工智能與大數(shù)據(jù)一個主要的區(qū)別是大數(shù)據(jù)是需要在數(shù)據(jù)變得有用之前進(jìn)行清理、結(jié)構(gòu)化和集成的原始輸入，而人工智能則是輸出，即處理數(shù)據(jù)產(chǎn)生的智能。

這使得兩者有著本質(zhì)上的不同。

人工智能是一種計(jì)算形式，它允許機(jī)器執(zhí)行認(rèn)知功能，例如對輸入起作用或作出反應(yīng)，類似于人類的做法。

傳統(tǒng)的計(jì)算應(yīng)用程序也會對數(shù)據(jù)做出反應(yīng)，但反應(yīng)和響應(yīng)都必須采用人工編碼。如果出現(xiàn)任何類型的差錯，就像意外的結(jié)果一樣，應(yīng)用程序無法做出反應(yīng)。

而人工智能系統(tǒng)不斷改變它們的行為，以適應(yīng)調(diào)查結(jié)果的變化并修改它們的反應(yīng)。

支持人工智能的機(jī)器旨在分析和解釋數(shù)據(jù)，然后根據(jù)這些解釋解決問題。通過機(jī)器學(xué)習(xí)，計(jì)算機(jī)會學(xué)習(xí)一次如何對某個結(jié)果采取行動或做出反應(yīng)，并在未來知道采取相同的行動。

大數(shù)據(jù)是一種傳統(tǒng)計(jì)算。

它不會根據(jù)結(jié)果采取行動，而只是尋找結(jié)果。它定義了非常大的數(shù)據(jù)集，但也可以是極其多樣的數(shù)據(jù)。

在大數(shù)據(jù)集中，可以存在結(jié)構(gòu)化數(shù)據(jù)，如關(guān)系數(shù)據(jù)庫中的事務(wù)數(shù)據(jù)，以及結(jié)構(gòu)化或非結(jié)構(gòu)化數(shù)據(jù)，例如圖像、電子郵件數(shù)據(jù)、傳感器數(shù)據(jù)等。

它們在使用上也有差異。

大數(shù)據(jù)主要是為了獲得洞察力，例如Netflix網(wǎng)站可以根據(jù)人們觀看的內(nèi)容了解電影或電視節(jié)目，并向觀眾推薦哪些內(nèi)容。

因?yàn)樗紤]了客戶的習(xí)慣以及他們喜歡的內(nèi)容，推斷出客戶可能會有同樣的感覺。

人工智能是關(guān)于決策和學(xué)習(xí)做出更好的決定。無論是自我調(diào)整軟件、自動駕駛汽車還是檢查醫(yī)學(xué)樣本，人工智能都會在人類之前完成相同的任務(wù)，但速度更快，錯誤更少。

雖然它們有很大的區(qū)別，但人工智能和大數(shù)據(jù)仍然能夠很好地協(xié)同工作。

這是因?yàn)槿斯ぶ悄苄枰獢?shù)據(jù)來建立其智能，特別是機(jī)器學(xué)習(xí)。例如，機(jī)器學(xué)習(xí)圖像識別應(yīng)用程序可以查看數(shù)以萬計(jì)的飛機(jī)圖像，以了解飛機(jī)的構(gòu)成，以便將來能夠識別出它們。

人工智能實(shí)現(xiàn)最大的飛躍是大規(guī)模并行處理器的出現(xiàn)，特別是GPU，它是具有數(shù)千個內(nèi)核的大規(guī)模并行處理單元，而不是CPU中的幾十個并行處理單元。這大大加快了現(xiàn)有的人工智能算法的速度，現(xiàn)在已經(jīng)使它們可行。

大數(shù)據(jù)可以采用這些處理器，機(jī)器學(xué)習(xí)算法可以學(xué)習(xí)如何重現(xiàn)某種行為，包括收集數(shù)據(jù)以加速機(jī)器。人工智能不會像人類那樣推斷出結(jié)論。它通過試驗(yàn)和錯誤學(xué)習(xí)，這需要大量的數(shù)據(jù)來教授和培訓(xùn)人工智能。

人工智能應(yīng)用的數(shù)據(jù)越多，其獲得的結(jié)果就越準(zhǔn)確。在過去，人工智能由于處理器速度慢、數(shù)據(jù)量小而不能很好地工作。

也沒有像當(dāng)今先進(jìn)的傳感器，并且當(dāng)時互聯(lián)網(wǎng)還沒有廣泛使用，所以很難提供實(shí)時數(shù)據(jù)。人們擁有所需要的一切：快速的處理器、輸入設(shè)備、網(wǎng)絡(luò)和大量的數(shù)據(jù)集。毫無疑問，沒有大數(shù)據(jù)就沒有人工智能。

最后總結(jié)而言：人工智能是總概念，機(jī)器學(xué)習(xí)，深度學(xué)習(xí)都是實(shí)現(xiàn)的人工智能這個概念的重要途徑，大數(shù)據(jù)是重要的推動力

我是一位75歲以上的老人！本站主要是些學(xué)習(xí)體驗(yàn)與分享(其中會引用一些作品的原話并結(jié)合我的一生體會與經(jīng)驗(yàn)加工整理而成！在此一并感謝！如有不妥之處敬請與我聯(lián)系,我會妥善處理，謝謝！)我寫的主要是中老年人各方面應(yīng)注意的事兒！退休后我希望通過這個平臺廣交朋友，互助交流，共筑美好生活！?。。。?！