云鸟重磅进军人工智能 助力中国
人工智能

人工智能、大数据与深度学习之间的关系和差异

  大数据,或称巨量资料,指的是需要新处理模式才能具有更强的决策力、洞察力和流程优化能力的海量、高增长率和多样化的信息资产。简言之,从各种各样类型的数据中,快速获得有价值信息的能力,就是大数据技术。明白这一点至关重要,也正是这一点促使该技术具备走向众多企业的潜力。

  大数据技术的战略意义不在于掌握庞大的数据信息,而在于对这些含有意义的数据进行专业化处理。换言之,如果把大数据比作一种产业,那么这种产业实现盈利的关键,在于提高对数据的“加工能力”,通过“加工”实现数据的“增值”。

  机器学习是一种可以自动生成分析模型的数据分析方法,通过使用一定的算法多次迭代从现有的数据中进行学习,使计算机能够在没有被明确编程的情况下,从数据(Data)中提炼出信息。

  机器学习就在我们身边:它向我们发送通知消息,包括微博热点,关注的人刚发的动态,我们在手机地图上搜到的交通路线,垃圾邮件过滤,甚至是我们银行信息的安全。

  机器学习“关心的问题是如何构建计算机程序使用经验自动改进”。机器学习本质上是跨学科的,采用计算机科学,统计学和人工智能等方面的技术。机器学习研究的主要工作是促进经验自动改进的算法,可以应用于各种不同领域。

  尽管在早期的在线搜索急剧爆发之前它已经存在,‘深度学习’仍是一个相对较新的术语。由于学术研究和工业的蓬勃发展,其在不同领域取得了巨大成就,深度学习是应用深层神经网络技术(即具有多个隐藏层的神经网络架构)来解决问题。深度学习是一个类似数据挖掘的过程,它采用深层神经网络架构,这是特定类型的机器学习算法。

  大数据是人工智能的基石,人工智能需要依托大数据进行分析和判断来做出决策和行动。大数据不仅仅是一项技术,其实更多的是数据的积累和筛选,这是需要底蕴的。国内掌握大数据最多的就是BAT,他们分别在搜索、电商和金融、社交领域积累了海量数据,所以,他们做人工智能就会容易很多。

  大多数人发现人工智能很难用一个精确的,甚至是广泛的定义讲出来。我不是一个人工智能研究者,所以我的答案可能与其他领域的人差别很大。多年来通过对AI的思想哲学研究,我得出的结论是,人工智能,至少我们通常认为的想法的概念,实际上并不存在。

  在我看来,AI是一个标尺,一个移动目标,一个渴望而不可及的目标。每当我们迈向AI成就之路,不知何故,这些成就似乎又变成了被称为其他的东西。

  AI适合数据科学? 我不认为AI真的是有形的,我想很难说它适合任何地方。但一些数据科学和机器学习相关领域,人工智能可以提供助力,有时与实体一样有价值;计算机视觉肯定会引起注意,现代深度学习研究也是如此,得益于人工智能的精神气质,若不是无限期的话。

  AI可能是研究和开发设备,从来没有在同名行业中产生任何东西。从AI到数据科学的这条路径可能不是查看两者之间的关系的最佳方式,但是两个实体之间的许多中间步骤已经被AI以某种形式开发和完善了。

  现在已进入大数据、人工智能时代,我们必须弄清楚他们的本质,抓住机遇,跟上趋势,创新发展,才能高科技的发展大潮中立于不败之地。