人工智能主要有三個分支：

1.基于規則的人工智能；

2.無規則，計算機讀取大量數據，根據數據的統計、概率分析等方法，進行智能處理的人工智能；

3.基于神經元網絡的一種深度學習。

基于規則的人工智能，在計算機內根據規定的語法結構錄入規則，用這些規則進行智能處理，缺乏靈活性，不適合實用化。因此，人工智能實際上的主流分支是后兩者。

而后兩者都是通過“計算機讀取大量數據，提升人工智能本身的能力/精準度”。如今，大量數據產生之后，有低成本的存儲器將其存儲，有高速的CPU對其進 行處理，所以才有了人工智能后兩個分支的理論得以實踐。由此，人工智能就能做出接近人類的處理或者判斷，提升精準度。同時，采用人工智能的服務作為高附加 值服務，成為了獲取更多用戶的主要因素，而不斷增加的用戶，產生更多的數據，使得人工智能進一步優化。

大數據挖掘少不了人工智能技術

大數據分為“結構化數據”與“非結構化數據”。

“結構化數據”是指企業的客戶信息、經營數據、銷售數據、庫存數據等，存儲于普通的數據庫之中，專指可作為數據庫進行管理的數據。相反，“非結構化數據”是指不存儲于數據庫之中的，包括電子郵件、文本文件、圖像、視頻等數據。

目前，非結構化數據激增，企業數據的80％左右都是非結構化數據。隨著社交媒體的興起，非結構化數據更是迎來了爆發式增長。復雜、海量的數據通常被稱為大數據。

但是，這些大數據的分析并不簡單。文本挖掘需要“自然語言處理”技術，圖像與視頻解析需要“圖像解析技術”。如今，“語音識別技術”也不可或缺。這些都是傳統意義上人工智能領域所研究的技術。

搜索引擎中的大數據與人工智能

將大數據與人工智能結合運用最好的當屬Google和Apple。

Google提供優化的搜索引擎服務，后臺的人工智能隨著用戶的使用而不斷進化，使用的用戶越多，搜索引擎也將越優化，優化之后，用戶自然也就更多。除 了搜索引擎，Google還通過Gmail、Google Docs等獲取大量的“非結構化數據”。這樣一來，Google的“大腦”就變得更加聰明了。

此外，Google還研發了“語義搜索”的進化系統；Apple的語音識別技術Siri也是基于最新人工智能理論(深度學習）構建的。

反過來看，現代的人工智能進化，不僅需要理論研究，還需要大量的數據作為原料。

汽車中的大數據與人工智能

2014年年初，Google聯合奧迪、通用、本田、現代以及Nvidia成立了一個新的合作團體：開放汽車聯盟(Open Automotive Alliance)；而Apple在去年６月就涉足汽車領域，推出了“iOS in the Car”（通過Siri語音操作可以實現導航、通話、音樂播放等服務）。

最近，Google又宣布將于2017年向市場投入自動駕駛汽車，2013年8月已經完成了48萬公里的試駕。48萬公里試駕的大數據成為了行駛經驗數據，為人工智能的自動駕駛提供了決策分析依據。

顛覆式創新源自大數據+人工智能

Google和Apple已經給汽車等傳統行業帶來了深深的危機感。而他們的顛覆式創新，其實是來自大數據與人工智能的結合?；蛟S這一點非常值得我們思考。同樣的現象、同樣的顛覆會不會發生在更多的，甚至是所有的其他傳統產業中呢？