今年是AI人工智能爆發的一年，或者說繼續爆發的一年。
數字身份的願景
首先AI技術已經逐步開始在細分領域應用化並體現出較好的效果，但是仍然不能把它想得真的“智能”，它只能實現一部分的智能，並且更適合於代替低級且繁瑣的人工事物。
automation industry concept with 3d rendering
AI在數據採集行業的主要應用可以是以下這些方面：
1）自動化採集模板配置（通過統計規律，解決大部分規範頁面的採集是可行的）；
2）動態詞庫維護（通過海量網絡數據，聯繫前後文情景，可以維護詞庫並定義新詞的詞性和可能的語義）；
3）文本分類（分類可以是情感正負面，也可以是行業、內容、地區、事件、人物、機構等等，需要通過大量訓練才能提高精度）；
4）文本聚類和趨勢預測，聚類比較容易，有很多算法和邏輯。預測比較難，涉及數據較多，並且準確性是不確定的，單純靠數學算法並不適合網絡那麼多種類的數據，還是需要依靠模型訓練逐步得到細分領域的模型，再擴展；
5）文本、多媒體（視頻、圖片、音頻）的結構化提取，當數據採集已經不是大問題的時候，數據的提取就成了AI的重頭戲了，因為這年頭誰也不會傻到覺得靠正則表達式就能搞定一切了，結構太複雜了；
多媒體數據的識別和結構化提取也是複雜工程，目前還沒有做得特別好的公司，因為不可預知性太多，但是可以極大地替代人工，這也是它的價值點所在。
今年年，數據行業有新的機會和機遇，當傳統的急功近利型的數據需求逐步消失，數據產業長遠發展的趨勢和方向會逐步明確，尋找的過程也是這個行業從業者的另一種樂趣。
一些公司已經看到或享受到這些價值，
比如隨著AI的興起，對數據，尤其是高質量標註過的數據的需求越來越多，購買這類數據的公司也越來越多。
首先基本的深度學習都需要低噪聲的大量標註化數據，強化學習和遷移學習雖然可以減少數據量需求，但是這兩個技術目前並沒有那麼靠譜，而且如果本身深度學習建立的模型質量就很差的情況下，其他的模型也不好強化和遷移，這是一個整體的過程。
所以在可預見的來年，數據的需求仍然是增長和爆發的，就看如何抓住機會和瞄準某些領域突破了。
微笑商人的複合形象在西服上的指向
閱讀更多 剪點詞 的文章
