今年是AI人工智能爆发的一年，或者说继续爆发的一年。
数字身份的愿景
首先AI技术已经逐步开始在细分领域应用化并体现出较好的效果，但是仍然不能把它想得真的“智能”，它只能实现一部分的智能，并且更适合于代替低级且繁琐的人工事物。
automation industry concept with 3d rendering
AI在数据采集行业的主要应用可以是以下这些方面：
1）自动化采集模板配置（通过统计规律，解决大部分规范页面的采集是可行的）；
2）动态词库维护（通过海量网络数据，联系前后文情景，可以维护词库并定义新词的词性和可能的语义）；
3）文本分类（分类可以是情感正负面，也可以是行业、内容、地区、事件、人物、机构等等，需要通过大量训练才能提高精度）；
4）文本聚类和趋势预测，聚类比较容易，有很多算法和逻辑。预测比较难，涉及数据较多，并且准确性是不确定的，单纯靠数学算法并不适合网络那么多种类的数据，还是需要依靠模型训练逐步得到细分领域的模型，再扩展；
5）文本、多媒体（视频、图片、音频）的结构化提取，当数据采集已经不是大问题的时候，数据的提取就成了AI的重头戏了，因为这年头谁也不会傻到觉得靠正则表达式就能搞定一切了，结构太复杂了；
多媒体数据的识别和结构化提取也是复杂工程，目前还没有做得特别好的公司，因为不可预知性太多，但是可以极大地替代人工，这也是它的价值点所在。
今年年，数据行业有新的机会和机遇，当传统的急功近利型的数据需求逐步消失，数据产业长远发展的趋势和方向会逐步明确，寻找的过程也是这个行业从业者的另一种乐趣。
一些公司已经看到或享受到这些价值，
比如随着AI的兴起，对数据，尤其是高质量标注过的数据的需求越来越多，购买这类数据的公司也越来越多。
首先基本的深度学习都需要低噪声的大量标注化数据，强化学习和迁移学习虽然可以减少数据量需求，但是这两个技术目前并没有那么靠谱，而且如果本身深度学习建立的模型质量就很差的情况下，其他的模型也不好强化和迁移，这是一个整体的过程。
所以在可预见的来年，数据的需求仍然是增长和爆发的，就看如何抓住机会和瞄准某些领域突破了。
微笑商人的复合形象在西服上的指向
閱讀更多 剪點詞 的文章
