每日一發小視頻

我的研究方向就是大數據和人工智能，目前我也在帶研發團隊做相關的落地項目，所以我來回答一下這個問題。

大數據的研發圍繞數據展開，涉及到數據的採集、整理、傳輸、存儲、安全、分析、呈現和應用等內容，涉及到的崗位也非常多，這其中有的崗位有一定的難度，比如數據安全、分析等，有的崗位難度相對較小，比如數據整理、數據清洗等。

大數據的發展極大促進了人工智能的發展，因為數據是智能的基礎，所以從這個角度來看，大數據的發展與人工智能的發展必然是互相促進的。我就是從大數據研發轉向機器學習的，進而進入人工智能領域，這也是很多人進入人工智能領域的途徑。

機器學習涉及到的核心步驟包括數據收集、算法設計、算法訓練、算法驗證和算法應用等，這其中數據是機器學習的基礎，只有具備了足夠的訓練數據才能讓機器學習順利進行，而大數據的特點就是海量數據。

人工智能的研究主要涉及到六大部分，分別是自然語言處理、知識表示、自動推理、機器學習、計算機視覺和機器人學，可以說人工智能是典型的多學科交叉專業，涉及到的內容多且複雜，所以人工智能雖然經歷了半個多世紀的發展，但是目前仍然處在初級階段。目前隨著大數據的發展，在很多特定場景下已經有大量的智能體（Agent）在實際應用，相信未來智能體的應用將更加普遍。

大數據和人工智能都不簡單，都需要一個系統的學習過程和長期的實驗，二者聯繫緊密，可以說你中有我、我中有你。從學習的角度出發，建議從大數據開始學起，這樣會更加順利一些。

如果有大數據或者機器學習方面的問題，也可以諮詢我。

謝謝！

IT人劉俊明

因為非大數據和人工智能專業，無法回答出來專業的答案，但是也不妨礙對這兩個項目的理解。前面已經回答過類似的問題了，今天再以自己的話，重新整理一下。

大數據開發與人工智能，應該是人工智能會更難一些。

1、個人理解的，大數據就是，非常多，非常雜的數據混合在一起，那麼第一步肯定是如何收集數據，也就是你在互聯網上留下的任何足跡，還有你在現實中，留下一些痕跡，有大數據設備採集，比如，你買了高鐵票，去哪裡玩，搜索了什麼關鍵字等等，都會被大數據收集起來，存儲好。

2、第二步，大數據收集起來後，就會對你的數據進行分析，應用，比如，你搜索了某某關鍵字，那麼與某某關鍵字相關的產品廣告就會推薦給你，這就是所謂的猜你喜歡，再按照地域，喜好，特點等等，給你打上所謂的人群標籤。

3、如果把收集起來的大數據，分析好後，加以利用，學習，讓機器學習你的行為習慣，這也許就是人工智能吧，應該先分析大數據，然後複製行為，再改變行為，最後形成機器自己的觀點（恐懼），我想類人的機器也許就要到來了。這就是所謂的，機器人學會了思考。

總結：現在互聯網，大數據，人工智能無處不在影響我們的生活，甚至改變我們的一些生活習慣，現階段應該還是，收集起用戶數據--分析數據--返回結果給用戶（影響人類的行為）。

以上僅為個人觀點，如若喜歡，記得關注哦！

牽牛創意

我認為大數據與人工智能相輔相成的，人工智能更高級一點點~

大數據

人工智能

對於人工智能（Artificial Intelligence，簡稱AI）來說，這是研究人類智能活動的規律，構造具有一定智能的人工系統，人工智能是計算機學科的一個分支。

人工智能的學習，我們是以大數據為背景，通過分析海量數據進而得到一個結果，這個結果就是機器的指令，做出看似十分智能的處理，其實都是固定的算法分析得到的。

大概的學習內容就像上面圖片一樣，主要還是算法。

大數據與人工智能

從這張圖片我們可以看到，在未來的科技發展中我們的安全是第一位的，處理之外，我們從左往右，從下往上看。我們在計算機的發展過程中，不斷的解決數據的處理，數據的存儲，當這些都發展起來的時候，出現了區塊鏈，出現了大數據，出現了人工智能，最後達到物物聯網，讓所有的機器都智能化。

我們不難發現，大數據為雲計算提供海量的數據，雲計算通過分析處理大數據體現自己能力。最後，通往人工智能的方向。

這就是我對這個問題的看法，通過他們都是相輔相成的，而人工智能要學習的更多。我自己是學習雲計算大數據方向的，我們都是學習這些，今後才可能去人工智能方面。目前只是一些十分簡單的學習，自己掌握的能力還是遠遠不足的。

感謝堅持關注的朋友

世界很大，幸好有你

歡迎在評論區留下你的問題或困惑，我將每天與你分享我的觀點和心得。

聚焦最新科技諮訊，探尋未來智能領域，我是女陶。

女陶愛柚子

謝謝您的問題。我認為，大數據和人工智能不存在誰更難，因為都有難以把控的難點。

1. 兩者是融合的，不要割裂看。大數據是基礎，人工智能是高級應用。比如，大數據可以看作一筐蘋果，對其進行分類。把熟與不熟的分出來，把大的小的分出來，把好的壞的分出來。人工智能是對數據數據使用過程中，一種精準的智能化反饋。比如線上購物反映出來的喜好，滴滴打車常去的地點等。人工智能發揮作用必須使用大數據，兩者很難分開看。
   
   
   
2. 大數據開發有難點。第一，大數據未必可用。是否存在缺失、偏差等，比如一筐蘋果混入了大量的梨子。第二，大數據規模不夠。一筐蘋果肯定比一盤蘋果更有科學性。第三，算法不是萬能的。一個算法只能單向解決一個問題，對於跨度廣、要素多的專題，算法的複雜度增加，精準度可能會下降。第四，數據不能說明一切問題。比如政治、法律、自然災害等外部突發因素。大數據重在對歷史已有的數據分析，對未來突發狀況作用和影響很小。所以，大數據有其難以克服的短板 。
   
   
   
3. 人工智能有難點。人工智能分為輸入、理解、輸出三個步驟。最難的就是理解，而且現在的人工智能沒有理解能力，因為信息輸入有無數組合、多元涵義，特別是博大精深的漢語。目前人工智能的一些互動應用，都是提前錄入了固定的程式、模型、組合，才能針對性地反饋。以後增強人工智能對信息理解，如語音識別分析，涉及很多生物、醫學等學科，是難中之難。不過，這都需要使用大數據。
   歡迎批評指正。

追科技的風箏

感謝你的問題，大數據開發就像一個房子的地基，而人工智能就像是地面上的建築，所以對於現代化的流程來說沒有那一個更難，地基要是打不好，何來上層建築 上層建築不好，何來吸引人們的眼光，所以，大數據和人工智能是等同的，沒有誰難一說。

關鍵字: 人工智能 我來 大數據