大数据与AI深度融合，进入智能社会时代（人工智能推进大数据应用深化）

随着新一代信息技术的迅速发展，测算能力、数据解决能力和响应速度获得了大幅提升，机器学习算法迅速演变，大数据其价值得到呈现。随着智能终端和传感器的迅速普及，大量数据迅速积累，根据大数据的人工智能也由此赢得了不断高速发展的动力来源。

AlphaGo对决围棋冠军从源头上是由于大量数据的形成，为人工智能的健康成长带来了充沛的养分，促进这一技术逐渐推向市场、落地应用。

什么叫人工智能

人工智能（AI）是研究、开发用于模拟、拓宽和拓展人理论、技术及软件系统的一门新技术科学。人工智能分成计算智能、感知智能、认知智能三个阶段。首先是计算智能，机器人逐渐像人们一样会测算，信息传递，比如神经网络、遗传算法等；其次感知智能，认知便是包含视觉、语音、语言，设备逐渐看懂和听懂，做出判断，采取一些行为，比如能够听懂语音的音响等；第三是认知智能，设备能够像人一样思索，积极付诸行动，比如彻底单独驾驶的无人驾驶汽车、独立行动的机器人。

什么是大数据

大数据（bigdata），指无法在一定时间范围内用基本工具软件开展捕获、管理与处理数据结合，是需要新解决方式才能具备更强的决策力、洞悉发觉力和流程优化能力的大量、高增长率和多元化的信息资产。大数据要以数据为核心资源，将产生的数据根据收集、储存、解决、剖析并应用和展现，从而实现数据其价值。

大数据与人工智能紧密联系

大数据积累为人工智能发展给予然料。IDC、希捷科技曾发布《数据时期2025》白皮书。结果显示，到2025年全球数据总量将达到163ZB。这意味着，2025年数据总量将比2016全球产生的数据总量提高10倍多。其中属于数据分析的数据总量对比2016年将提升50倍，做到5.2ZB（十万亿亿字节）；属于认知系统的数据总量将达到100倍之多。可燃性增长的数据推动着新技术的萌生、壮大为深层学习方法练习机器视觉技术带来了可观的数据土壤。

大数据主要包含收集与预处理、储存与管理、分析与加工、可视化测算及数据安全等，具有数据规模不断发展、品种繁多、造成速度快、解决能力要求高、时效性强、可靠性要求严苛、价值大但密度较劣等特性，为人工智能给予丰富的数据积累和练习资源。以面部识别所用的练习图象总数为例，百度练习人脸识别技术必须2亿幅面部肖像。

数据解决技术推动计算能力提高。人工智能行业聚集了大量数据，传统数据解决技术无法达到高韧性、高频次的处理要求。AI芯片的发生，大大提升了的大规模解决大数据效率。目前，出现GPU、NPU、FPGA和各种各样AI-PU专用芯片。传统2核CPU即便在练习简单神经网络培训中，需要花几日乃至几周时长而AI芯片能提约70倍的升运算速度。

算法让大量数据拥有价值。不论是特斯拉的自动驾驶，或是谷歌的机器翻译；不论是微软的“小冰”，或是英特尔的精准医疗，都能够看到“学习”大量“非结构化数据”的“影子”。“深度学习”“增强学习”“机器学习”等技术的发展都推动着人工智能的发展。以测算视觉为例，作为一个数据繁杂的行业传统浅部算法鉴别准确度并不高。自深度学习发生之后，根据找寻适合特点来让机器识别物件几乎代表着机器视觉的所有图像识别精确度从70% 提高到95%。不难看出，人工智能的高效演变，既需要理论研究，还需要大量数据作为支撑。

人工智能推动大数据运用推进。在计算力指数级增长及高价值数据的驱动下，以人工智能为中心的智能化正持续拓宽其技术运用广度、扩展技术提升深层，并不断增强技术落地（商业变现）速度，比如，在新零售领域，大数据与人工智能技术的融合，能够提升面部识别的准确率，店家可以更好的预测每月的销售情况；在交通领域，大数据和人工智能技术的融合，根据大量交通数据研发的智慧交通流量预测、智能交通疏导等人工智能运用能够实现对整体道路网开展智能控制；在健康领域，大数据和人工智能技术的融合，可以提供医疗影像剖析、辅助诊疗、医疗机器人等更快捷、更智能的健康服务。另外在技术方面，大数据技术已经基本完善，而且促进人工智能技术以惊人的速率发展；产业方面，智能安防、无人驾驶、医疗影像等都在加快落地。

随着人工智能的快速应用及普及，大数据持续积累，深度学习及增强学习等算法逐步完善，大数据技术将和人工智能技术更紧密地融合，具有对数据的认知、剖析、发现和决策能力，进而能从数据中获取最准确、更深层次的知识，发掘数据背后的价值，催生出新业态、新模式。

- END -