大數據與AI深度融合,進入智能社會時代

什么是人工智能

人工智能（AI）是研究、開發用于模擬、延伸和擴展人的理論、技術及應用系統的一門新技術科學。人工智能分為計算智能、感知智能、認知智能三個階段。首先是計算智能，機器人開始像人類一樣會計算，傳遞信息，例如神經網絡、遺傳算法等；其次是感知智能，感知就是包括視覺、語音、語言，機器開始看懂和聽懂，做出判斷，采取一些行動，例如可以聽懂語音的音箱等；第三是認知智能，機器能夠像人一樣思考，主動采取行動，例如完全獨立駕駛的無人駕駛汽車、自主行動的機器人。

什么是大數據

大數據（big data），指無法在一定時間范圍內用常規軟件工具進行捕捉、管理和處理的數據集合，是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產。大數據是以數據為核心資源，將產生的數據通過采集、存儲、處理、分析并應用和展示，最終實現數據的價值。

大數據與人工智能相輔相成

大數據的積累為人工智能發展提供燃料。IDC、希捷科技曾發布了《數據時代2025》白皮書。報告顯示，到2025年全球數據總量將達到163ZB。這意味著，2025年數據總量將比2016全球產生的數據總量增長10倍多。其中屬于數據分析的數據總量相比2016年將增加50倍，達到5.2ZB（十萬億億字節）；屬于認知系統的數據總量將達到100倍之多。爆炸性增長的數據推動著新技術的萌發、壯大為深度學習的方法訓練計算機視覺技術提供了豐厚的數據土壤。

大數據主要包括采集與預處理、存儲與管理、分析與加工、可視化計算及數據安全等，具備數據規模不斷擴大、種類繁多、產生速度快、處理能力要求高、時效性強、可靠性要求嚴格、價值大但密度較低等特點，為人工智能提供豐富的數據積累和訓練資源。以人臉識別所用的訓練圖像數量為例，百度訓練人臉識別系統需要2億幅人臉畫像。

數據處理技術推進運算能力提升。人工智能領域富集了海量數據，傳統的數據處理技術難以滿足高強度、高頻次的處理需求。AI芯片的出現，大大提升了的大規模處理大數據的效率。目前，出現了GPU、NPU、FPGA和各種各樣的AI-PU專用芯片。傳統的雙核CPU即使在訓練簡單的神經網絡培訓中，需要花幾天甚至幾周時間而AI芯片能提約70倍的升運算速度。

算法讓大量的數據有了價值。無論是特斯拉的無人駕駛，還是谷歌的機器翻譯；不管是微軟的“小冰”，還是英特爾的精準醫療，都可以見到“學習”大量的“非結構化數據”的“身影”?！?a href='/map/shenduxuexi/' style='color:#000;font-size:inherit;'>深度學習”“增強學習”“機器學習”等技術的發展都推動著人工智能的進步。以計算視覺為例，作為一個數據復雜的領域傳統的淺層算法識別準確率并不高。自深度學習出現以后，基于尋找合適特征來讓機器識別物體幾乎代表了計算機視覺的全部圖像識別精準度從70%+提升到95%。由此可見，人工智能的快速演進，不僅需要理論研究，還需要大量的數據作為支撐。

人工智能推進大數據應用深化。在計算力指數級增長及高價值數據的驅動下，以人工智能為核心的智能化正不斷延伸其技術應用廣度、拓展技術突破深度，并不斷增強技術落地（商業變現）的速度，例如，在新零售領域，大數據與人工智能技術的結合，可以提升人臉識別的準確率，商家可以更好地預測每月的銷售情況；在交通領域，大數據和人工智能技術的結合，基于大量的交通數據開發的智能交通流量預測、智能交通疏導等人工智能應用可以實現對整體交通網絡進行智能控制；在健康領域，大數據和人工智能技術的結合，能夠提供醫療影像分析、輔助診療、醫療機器人等更便捷、更智能的醫療服務。同時在技術層面，大數據技術已經基本成熟，并且推動人工智能技術以驚人的速度進步；產業層面，智能安防、自動駕駛、醫療影像等都在加速落地。

隨著人工智能的快速應用及普及，大數據不斷累積，深度學習及強化學習等算法不斷優化，大數據技術將與人工智能技術更緊密地結合，具備對數據的理解、分析、發現和決策能力，從而能從數據中獲取更準確、更深層次的知識，挖掘數據背后的價值，催生出新業態、新模式。