弗銳達

人工智能和大數據的關係是非常緊密的，實際上大數據的發展在很大程度上推動了人工智能技術的發展，因為數據是人工智能技術的三大基礎之一（另兩個基礎是算法和算力）。從當前人工智能的技術體系結構來看，當前的人工智能對於數據的依賴程度還是非常高的，也可以說沒有數據就沒有智能。

要想理解人工智能和大數據之間的關係，可以通過機器學習來進行描述，一方面機器學習是人工智能技術的重要組成部分，另一方面機器學習在大數據領域也有廣泛的應用，所以機器學習可以看成是人工智能和大數據之間的橋樑。

機器學習有五個大的步驟，包括數據收集、算法設計、算法實現、算法訓練和算法驗證，完成驗證的機器學習算法就可以在實際場景中應用了。通過機器學習的步驟可以發現，數據收集是機器學習的基礎，沒有數據收集就無法完成算法訓練和算法驗證，實際上數據對於算法設計也有非常直接的影響。從這個角度來看，在進行人工智能研發之前，首先就要有數據。

目前機器學習不僅在人工智能領域有廣泛的應用，機器學習也是大數據分析的兩種常見方式之一，所以很多大數據行業的從業者，通過機器學習也可以比較順利地轉向人工智能領域，這也在一定程度上模糊了大數據和人工智能之間的技術邊界。實際上，目前很多從事人工智能研發的企業都有一定的大數據基礎，這也是為什麼很多互聯網企業能夠走在人工智能研發前列的原因之一。

最後，大數據和人工智能的發展還需要兩個重要的基礎，分別是物聯網和雲計算，物聯網不僅為大數據提供了主要的數據來源渠道，同時也為人工智能產品的落地應用提供了場景支撐，而云計算則為大數據和人工智能提供了算力支撐。所以，從事大數據和人工智能領域的研發，也需要掌握一定的物聯網和雲計算知識。

我從事互聯網行業多年，目前也在帶計算機專業的研究生，主要的研究方向集中在大數據和人工智能領域，我會陸續寫一些關於互聯網技術方面的文章，感興趣的朋友可以關注我，相信一定會有所收穫。

如果有互聯網、大數據、人工智能等方面的問題，或者是考研方面的問題，都可以在評論區留言，或者私信我！

IT人劉俊明

人工智能和大數據之間是什麼聯繫？區別又是什麼？

昌寶聯護欄

人工智能和大數據是有關係的，下面發表一下個人觀點，歡迎指正。

以智能家居系統中語音控制窗簾開關的系統為例，大數據就相當於主機的作用，接收數據——選擇、分析、處理數據——發送指令，窗簾面板、窗簾電機、窗簾軌道就相當於執行動作的載體可以理解為“機器人”，這一整個語音控制窗簾開關的系統就是最簡單的物聯網，而物聯網是人工智能的核心。

大數據指的是人與人、人與物之間相互作用所產生的數據，把這些數據進行選擇、整合、分析提取有用信息，創造新知識的一個過程。

人工智能是基於大數據的基礎上，將大數據反應的信息作用於事物，發揮大數據作用的過程。

智慧生活一點通

大數據是人工智能的基石，目前的深度學習主要是建立在大數據的基礎上，即對大數據進行訓練，並從中歸納出可以被計算機運用在類似數據上的知識或規律。那麼，到底什麼是大數據呢？

人們經常籠統地說，大數據就是大規模的數據。

這個說法並不準確。“大規模”只是指數據的量而言。數據量大，並不代表著數據一定有可以被深度學習算法利用的價值。例如，地球繞太陽運轉的過程中，每一秒鐘記錄一次地球相對太陽的運動速度、位置，可以得到大量數據。可如果只有這樣的數據，其實並沒有太多可以挖掘的價值，因為地球圍繞太陽運轉的物理規律，人們已經研究得比較清楚了。

那麼，大數據到底是什麼？大數據是如何產生的？什麼樣的數據才最有價值，最適合作為計算機的學習對象呢？

根據馬丁·希爾伯特的總結，今天我們常說的大數據其實是在2000年後，因為信息交換、信息存儲、信息處理三個方面能力的大幅增長而產生的數據：

信息交換：據估算，從1986年到2007年這20年間，地球上每天可以通過既有信息通道交換的信息數量增長了約217倍，這些信息的數字化程度，則從1986年的約20%增長到2007年的約99.9%。在數字化信息爆炸式增長的過程裡，每個參與信息交換的節點都可以在短時間內接收並存儲大量數據。

信息存儲：全球信息存儲能力大約每3年翻一番。從1986年到2007年這20年間，全球信息存儲能力增加了約120倍，所存儲信息的數字化程度也從1986年的約1%增長到2007年的約94%。1986年時，即便用上我們所有的信息載體、存儲手段，我們也不過能存儲全世界所交換信息的大約1%，而2007年這個數字已經增長到大約16%。信息存儲能力的增加為我們利用大數據提供了近乎無限的想象空間。

信息處理：有了海量的信息獲取能力和信息存儲能力，我們也必須有對這些信息進行整理、加工和分析的能力。谷歌、Facebook等公司在數據量逐漸增大的同時，也相應建立了靈活、強大的分佈式數據處理集群。

從應用角度來說，今天的大數據越來越多地呈現出以下一種或幾種特性：

大數據越來越多地來源於生產或服務過程的副產品，但在價值上卻往往超過了為了特定目的專門採集的數據。例如，谷歌曾利用全球用戶查詢中，涉及流行性感冒的關鍵詞的出現頻率變化情況，對2003年到2008年全球季節性流感的分佈和傳播進行跟蹤與預測。這一預測的覆蓋規模和價值甚至超出了各國衛生部門專門收集相關數據所做的預測。

大數據往往可以取代傳統意義上的抽樣調查。例如，按照傳統方式，電視臺某個節目的收視率往往要由專業調查公司通過抽樣調查的方式獲得數據後估算出來。現在，有了微博或類似的社交網絡，我們可以直接利用微博上每時每刻產生的大數據對節目熱度進行分析，其準確性往往超過傳統的抽樣調查方式。

許多大數據都可以實時獲取。例如，每年雙十一，在各類電子商務平臺上，每時每刻都有成千上萬筆交易正在進行，所有這些交易數據在阿里交易平臺的內部，都可以實時彙總，供人們對雙十一當天的交易情況進行監控、管理或分析、彙總。大數據的實時性為大數據的應用提供了更多的選擇，為大數據更快產生應用價值提供了基礎。

大數據往往混合了來自多個數據源的多維度信息。假如能利用用戶ID，將用戶在微博上的社交行為，和用戶在電子商務平臺的購買行為關聯起來，就可以向微博用戶更準確地推薦他最喜歡的商品。聚合更多數據源，增加數據維度，這是提高大數據價值的好辦法。

大數據的價值在於數據分析以及分析基礎上的數據挖掘和智能決策。大數據的擁有者只有基於大數據建立有效的模型和工具，才能充分發揮大數據的價值。例如利用谷歌趨勢對過去5年全球地震分佈進行分析彙總。根據用戶查詢地震相關關鍵詞的頻率，看出過去5年內主要地震的發生時間和地點。在這裡，谷歌趨勢就是一個利用已有大數據建模、分析、彙總的有效工具。

歡迎關注創新工場的wei-xin號：chuangxin2009。這裡是一個創新工場和創業者的溝通交流平臺，您可以學習創業相關的法務、市場、財務、HR等各個業務領域所需的知識乾貨，還有機會參與到創新工場舉辦的創業者培訓、沙龍和其他各類活動中。

創新工場

大數據是什麼？

先來看看大數據。近年來，大數據不斷的被神化和妖魔化，現如今要我們具體的給當下的大數據下個定義，相信大家都沒有這麼大的信心能夠做到吧。但為了說清楚大數據和人工智能的差異，我們還是迴歸大數據的本質：海量的、多維度、多形式的數據。

AI（人工智能）是什麼？

那麼人工智能（AI）呢？人工智能（AI）是通過研究、開發，來找到用於模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的綜合性的科學技術。其表現為，讓計算機系統通過機器學習等方式，來獲得可以履行原本只有依靠我們人類的智慧才能勝任的複雜指令任務的才能。

大數據和人工智能有何區別

兩這之間的主要區別，還是在於其要達成的目標和實現目標的手段不同。

大數據主要目的是為了通過對於數據的對比分析，來掌握和推演出更優的方案。就拿視頻推送為例。我們之所以會接收到不同的推送內容，便是因為大數據根據我們日常觀看的內容，綜合考慮了我們的觀看習慣和日常的觀看內容；推斷出哪些內容更可能讓我們會有同樣的感覺，並向將其推送給我們。

而人工智能的開發，則是為了輔助和代替我們更快、更好的完成某些任務或進行某些決定。其實，不管是汽車自動駕駛、自我軟件調整亦或者是醫學樣本檢查工作，人工智能都是在人類之前完成相同的任務，但區別就在於其速度更快、錯誤更少。其能通過機器學習的方法，掌握我們日常進行的重複性的事項，並以其計算機的處理優勢來高效的達成目標。

大數據和人工智能有何聯繫？

大數據是AI發展的基礎和催化劑，而AI是大數據的一種終極表現形式。兩者都體現了對於我們互聯網的海量信息數據的處理和利用。

提示：本文是網絡複製過來的

葉子竹

第一層——兩化融合

內容：

• 自動化——製造設備具備一定自動化能力，可實時產生生產製造的過程數據。

• 信息化——信息化主要指企業具備信息化能力，至少已經實施如ERP、MES、APS、WMS、SCM等傳統軟件，

• 物聯網——具備RIFD、環境傳感器等感知元件，可產生設備物聯、物料物聯、環境信息等。

作用：數據源

關鍵詞：多源異構數據

第二層——信息通路

內容：

• 內部通路——打通企業內部網絡數據通路，有條件可建立數據倉庫或大數據中心。

• 外部通路——與互網聯信息關聯，通過爬蟲或第三方數據服務獲取商業輿情、用戶畫像等信息。

• 安全性——即在安全的基礎上實現信息互通，尤其是內外部互通時，信息安全直接影響生產經營，甚至影響企業的競爭力。

作用：數據通道

關鍵詞：消除信息孤島

第三層——大數據

內容：

• 分佈式集群——最著名的當屬Hadoop生態圈，地球人都知道。

• 多源異構數據處理——多源是指企業需具備廣泛數據來源，多源同時意味著較大數據量，傳統IT架構處理千萬級數據已經很困難了，要麼犧牲時間要麼犧牲硬件，而在大數據的分佈式集群架構下，億級數據秒處理只是入門門檻；異構是指要處理結構化數據、半結構化數據、非結構化數據，在傳統的關係型數據庫架構下，非結構化數據的處理採用對象存儲，很難做到全文檢索，而大數據架構下非結構化數據直接處理的模式多變靈活，且可與結構化數據進行關聯分析。

• 數據運營——數據運營的概念在傳統軟件產品的世界中幾乎是不存在的，以往軟件提供特定功能，用戶使用其功能。而在大數據的世界裡，如果把數據比作鑽石礦，大數據平臺提供數據採集能力，數據就被開採；平臺提供處理能力，數據礦就被提煉；平臺提供配套運營體系，數據礦就變成了光彩奪目價值連城的首飾。數據運營能力決定了數據的價值，同時是不同的數據也是不同的礦藏，挖掘開採方式也不同，地貌也不同，因此配套解決方案也不應一套方法放之四海而皆準。

作用：數據探索

關鍵詞：4個V（高速、高價值、大數據量、多樣性）

第四層——人工智能

內容：

• 機器學習——分為有監督學習和無監督學習兩種，當下最火的自然就是借Alpha Go揚名立萬的深度學習領域了。

• 算法模型——構建數學算法模型，為企業應用場景提供支撐。可以是古老的貝葉斯，也可以是神經網絡、灰度預測、隨機森林等，原則就是算法為應用場景服務。

• 智能決策

作用：自學習能力參與決策、生產經營

關鍵詞：自學習——只有具備自學習能力，才稱得上人工智能，才具備了模擬人腦的能力，才能做我們的製造能力具備了大腦，才能稱得上智能製造。

許永碩

人工智能的概念早在1956年就已經被提出，而目前距離大數據概念的提出不過十年左右，人工智能的誕生要遠早於大數據，所以，大數據和人工智能並不存在直接的因果關係。

但是這並不代表人工智能和大數據沒有關係，大數據和人工智能最為當下流行的兩項重要技術，二者是互相促進的關係，而且更多的是大數據對人工智能的推動，要弄明白二者是如何相互影響的，我們需要先要大致理解大數據和人工智能的工作原理。

關於大數據

大數據這個概念其實有三層含義：第一層是指數據容量龐大，覆蓋範圍廣泛的數據；第二層是指在這些容量巨大的數據中提取出來的可以滿足我們的使用需求的有用數據；第三層是指從所獲得的數據中挖掘出數據的潛能，真正應用到實際中。

所以我們看到大數據技術的核心其實是數據挖掘，而數據挖掘程度與我們的計算處理能力緊密相關。

關於人工智能

人工智能顧名思義就是一門關於擴展人類智能的理論、方法、技術及應用系統等的科學，機器學習是人工智能的重要內容，在機器學習中我們需要足夠多的樣本，樣本越多機器學習就越具深度，越具可能性。

大數據和人工智能的聯繫

大數據的出現，可以為機器學習提供更多的樣本，為機器學習注入動能。我們知道，人工智能旨在減少人類的整體干預，提高工作效率，而大數據的介入可以有效代替人工的作用，且不附帶主觀感情，以更正確的方式實現智能化。

人工智能和大數據在實際工作中主要是通過以下幾種方式進行配合：

1. 異常檢測，利用大數據檢測分析系統異常，讓機器做出反應；

2. 合理推測，也就是利用貝葉斯定力基於已知條件，對人、事、物的下一步東西啊合理推測，常見於推薦算法；

3. 模式識別，機器識別出數據的模式，實現監督的目的；

4. 圖論，在圖形研究的基礎上，先是識別圖形的頂點和邊等特徵，再從中識別出數據模式和關係。

趙廣亞

大數據和人工智能是兩個分支，本來獨立發展，但是 AI 的計算能力尤其是 GPU 的能力上來，大數據這邊的數據量上來，兩個分支就交叉更多了。

包括現在所謂“深度學習”，就是用超大規模計算能力來從大數據裡自我學習、自我找模式，以達到過去 AI 沒有達到的高度。換句話說，幾十年前當數據量還沒這麼多時，AI 更多偏“算法”和“模型”，但是有了大數據後，AI 的範圍和應用場景一下子變開闊，兩者聯繫也變得越來越緊密。

舉個最簡單例子：怎麼從大數據裡挖掘出各種隱藏得非常深的“關係”和“模式”？這裡 AI 就大有用武之地。

大數據其實經歷了四個階段。第一，你要有足夠存儲，能把過來的數據存好，不會丟；第二，不光做好存儲，而且當過來的數據量很大時，能把這個量及時處理好，然後做一些簡單查詢和處理；第三，數據開始有了多種來源，不光光只是“交易”數據，或“行為”數據，或“傳感器”數據，而是變成非常多數據的交叉，那麼怎麼處理複雜數據。

現在看，上面三個階段都已經達到，但是力度還不夠，所以就進入第四個階段，也就是所謂“深度鏈接”，大數據的第四個階段就是把 AI 的一些東西放到大數據裡頭去，相當是通過大數據，並在大數據上做“深度鏈接”的各種複雜分析，最後支持到人工智能。用圖數據庫，尤其是支持“深度鏈接”的高性能圖數據庫，將是將來 AI 發展的一個新方向。

以上內容參考硅發佈關於圖數據庫的跨境直播《Uber 和螞蟻金服的共同點？》。

硅發佈

大數據，百度百科上是這麼定義的，指無法在一定時間範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。

簡單說，就是不是簡單的將你的性別、淘寶記錄啥的數據收集起來，通常做大數據的公司還會基於這些數據進行分門別類的整理，並且對整理後的數據進行分析，比如分析出你喜歡什麼樣的風格的衣服，你的喜好等信息。

關於大數據，IBM概括出大數據的5V特點：Volume（大量）、Velocity（高速）、Variety（多樣）、Value（低價值密度）、Veracity（真實性）。

那怎麼實現上述的五大特點呢？

我們都知道，所謂大數據，就是大量的信息，利用普通的加減乘除啥的肯定會把電腦給跑廢掉，不過這裡的電腦不是我們用的普通的電腦，他們通常都有數據處理中心，就是高配的商業服務器。但即便高配，如果只是用簡單的算法來處理，也很浪費時間。

所以這裡就需要神經網絡算法、機器學習等技術處理手段，軟件和硬件結合起來對數據庫中的數據進行處理，而使用的這些算法、機器學習等分析技術就屬於人工智能。

其實人工智能是很多技術的總稱，包括機器人、語言識別、圖像識別、自然語言處理和專家系統等，因為人工智能尚在發展階段，所以也沒有非常精準的定義，在行業內，人工智能與大數據密不可分，可以將很多大數據的應用（雲計算平臺等）歸結為人工智能。

鎂客網

你的人工智能商業模式，離賺錢還有多遠？

人工智能是繼工業革命、互聯網信息革命之後的又一次巨大顛覆，不管是創業界、還是創投界，人工智能始終是“最敏感的神經”。

五月份，柯潔大戰AlphaGo，再一次將人工智能推向商業浪潮的高地。李開復在接受美國彭博社採訪時，也表示人工智能即將迎來千萬億投資市場。在今年的高考期間，國內的人工智能企業也在教育領域發起挑戰，一款叫做 “準星數學高考機器人” AI-MATHS，在公證機構和媒體的見證下， 與940萬考生共同參加今年的高考，挑戰了2017年高考數學題。

未來，人工智能將會更廣泛的應用到各個領域的場景中，不管是行業巨頭BAT還是創業新貴都在探索人工智能商業化的道路，但是構建人工智能商業生態的拐點真的來了嗎？又該如何找到商業落地切實可行的應用場景？其中最為關鍵的核心技術或者說戰略思維又是什麼呢？

1、人工智能最熱的幾大領域

不知道大家有沒有留意到，不管是打開微信、微博還是參加重要的行業峰會，最熱的議題便是人工智能。當然，這麼火熱的背後，也是有數據支持的。先來看看，IT 桔子最新的數據統計：人工智能總獲投率為 67.65%，整體行業獲投率偏高，不只是創業熱潮，也是投資熱潮。計算機視覺類獲投的企業最多，數據平臺類獲投率最高。

人工智能和互聯網創業浪潮一樣，大家都看準了未來發展的巨大潛力，也已經看到了它帶給整個商業生態太多的驚喜變化。如果放眼全球去看人工智能的佈局脈絡，你會發現互聯網巨頭是最早的實踐者：谷歌、微軟、Facebook、IBM、百度、阿里巴巴、騰訊等都已經在該領域小有成就。隨著巨頭深耕人工智能領域局面的打開，越來越的創業新貴也投入到了這場變革戰役之中。似乎，

2、人工智能+應用場景，顛覆了什麼？

目前，人工智能已經應用於金融、教育、醫療、企業服務、交通、文化娛樂等眾多領域。比如，阿里的刷臉支付、教育機構的服務型機器人、醫療行業正在研究可以幫助醫生看片的醫生助手、Google的無人駕駛技術、AR\\VR技術帶給文化娛樂行業視覺與體驗的衝擊。人工智能下的應用場景從互聯網升級到了物聯網，萬物互聯、實時互聯，顛覆一個行業又一個行業。

萬物互聯又悄悄改變了哪些東西？從消費者角度來看，人工智能下的場景，極大地提升了用戶體驗。就拿群脈SCRM來說，已經投入使用的AI物體識別技術，舉例1個調味料品牌主與廚師的使用場景，廚師看到感興趣的菜式，即可使用智能終端，通過掃描菜譜，經過AI智能識別，廚師就可以收到菜譜的製作方法，以及相關調味品的使用方法，還可以直接購買，品牌主連接消費者觸點的升級，直接提升了用戶體驗和銷售轉化。

另一方面，交互觸點智能化，帶給企業的不僅僅是門店流量、產品銷量，還有商業形態升級。就像海爾的全流程客服，利用圖像識別、語音識別、智能機器人等人工智能方式全渠道快速識別客戶需求，加強與消費者的互動，在持續互動中，深入瞭解消費者的所需，不僅增加了海爾的產品銷量，企業的良好服務也給消費者留下了深刻印象。從此可見，AI技術和數據的雙重優勢，將助力這些企業在自己構建的商業領域裡，建立難以撼動的優勢。

3、人工智能的本質還是數據資產

前段時間，群脈產品總監車傳利談起人工智能，他認為人工智能的生態架構可以概括為三部分，第一部分，前臺：智能觸點連接——數據的收集；第二部分，中臺：基於大數據與消費者的持續互動，通過豐富的應用，以更加新穎的方式提升用戶體驗，促進商業落地——數據的分析；第三部分，後臺：數據資產的挖掘與應用，這一部分智能化的程度也將直接和企業商業化、賺錢的速度掛鉤。

而這三部分又恰好是SCRM正在做的事情，為企業搭建的用戶生態數字化運營平臺，企業可以在這個平臺上做豐富的業務應用，比如各種市場營銷活動以及和銷售、服務有關的事情；同時通過不斷的互動沉澱有價值的用戶數據、行為數據、交易數據等，基於品牌特性以及商業環境做大數據分析，挖掘數據的價值，融合到業務中去。

所以說，人工智能的本質還是數據資產。而數據資產的應用能力，又和雲端的存儲能力以及算法機制密切相關。大佬們之所以能夠走到人工智能的前列，是因為擁有龐大的數據，加上更加精準的算法，預測未來的趨勢，在恰當的時間、恰當的地點鋪設恰當的內容、服務，來更好的影響消費者。對於這一點，主流電商平臺以及今日頭條的算法推薦都在實踐中。在未來，智能化的算法以及新穎的AI互動體驗，會讓你充分感受到“恰當內容和服務”的魅力，和以此帶來更有價值、更有效率的商業模式。

4、小結

我們再次回到文章開頭的問題，從AI技術探索到商業化賺錢，到底還有多遠？對於這個問題，大家可能看法不一，但是如何讓商業化的進程加快，還是有戰略可依。首先，想要做好人工智能，一定是技術和大數據驅動的，這兩者缺一不可。其次，為了增加用戶的消費體驗，需要具備連接智能觸點的技術能力。連接後，還要具備大數據分析、計算能力、進一步與用戶發生互動，持續影響他們，讓他們心甘情願掏腰包買單。這裡的每一個環節都不是獨立存在，都是相互作用，相互影響，最後才成為一個顛覆性的AI商業模式。

關鍵字: 方向 科技 我來