謝邀。
關於大數據和人工智慧彼此之間的關係,先貼一個標準答案:去年阿里研究院與BCG共同推出的《人工智慧:未來制勝之道 》報告中,關於大數據和人工智慧關係的觀點:
當然我們也不是要人云亦云,我們先來看大數據的發展簡史。
大數據的演進,首先隨著多年前企業信息化進程,傳統的關係型資料庫、EDW、BI、數據集市等姑且稱為「數據 1.0」的技術在傳統行業已經非常成熟,但是google、yahoo等互聯網巨頭崛起了,他們相當於一個巨大的連接器,把幾乎整個互聯網的信息(數據)都連接起來,傳統的RMDBS方案根本無法應對這種海量數據場景。於是google等巨頭開始另闢蹊徑,採取新的範式去處理、應用這些數據,如google最早的bigtable,後來部分這些技術被開源出來,構成了hadoop等構成當今大數據技術體系事實標準的生態體系。可以說是互聯網獨特的連接業態使得數據科學蓬勃發展,總體上可以說互聯網巨頭當今是技術過剩的,技術開始普惠到傳統產業中,在部分富數據的行業,如電信運營商、商業銀行中得到了廣泛的應用,整體逐漸邁向了「數據2.0」階段。
從「數據1.0」到「數據2.0」的歷史進程上看,互聯網一方面是大數據技術的發源地,另一方面互聯網本身在大量的垂直場景中形成了海量的數據,如社交、電商、出行、外賣.....下面是我此前公眾號寫的一篇文章的配圖,數據的本質是以人與「其他事物」之間數字化連接下的信息副產物,互聯網業態讓人和信息、其他人以及服務產生了數字化連接以及其副產物數據,並且沉澱了技術,技術被擴張到傳統產業中,形成了物聯網和產業互聯網,連同這兩個新領域最終匯聚出一片廣闊的大數據海洋。
以上就是一個極簡的大數據發展簡史。其實很早開始,人們就希望挖掘數據背後的價值,包括用於決策分析、預測,於是有了數據挖掘,以及各種機器學習,目的是通過數據讓機器掌握某種自動化能力,這就是人工智慧的前夜。
隨著場景數據的豐富,最終量變引起了質變。熟悉人工智慧中深度學習的朋友應該知道,這貨之前在機器學習領域早存在了,具備了海量的數據,以及足夠的算力用於神經網路的訓練,深度神經網路一舉突破了以往所有機器學習演算法的瓶頸,在圖像識別、語音識別方面把準確率推到了新高峯。另外,又如在交通這個垂直場景,以前壓根沒有足夠的數據,但現在通過滴滴的海量數據,使得交通智能化成為了可能。
所以說互聯網催生了大數據,而大數據催生了人工智慧,數據的海洋讓人工智慧有了豐富的養分去成長。
最後回應題主問題的另外一點,簡單說下這兩個領域的未來方向。
首先是大數據,我認為近期重要的方向還是連接和知識圖譜的應用。目前數據還是存在嚴重的割裂和孤島,如何促進不同領域之間的數據共享流通是個大方向;另外知識圖譜也是大數據的一個重要方向,如何將人類的數據轉變為機器能讀懂的數據(圖譜),這樣才能催生更多人工智慧應用,這方面需要建立完整的行業知識圖譜,目前國內有不少優秀的團隊在做金融等領域的知識圖譜,有興趣可以關注一下。
人工智慧方面,未來發展方向無疑是通用智能,這也是谷歌deepmind和馬斯克的openAI竭力追求的目標。當然通用智能離不開大數據,如何將人類的整體知識讓渡給機器,這是知識圖譜要解決的問題,另外就是新演算法的發明,如各類遷移學習等,當然目前這方面還是起步階段。
謝邀。
首先需要說一下的就是,個人沒有標準答案,而且我也不認為有所謂的標準答案。所以,我還是說說自己的想法和看法。
我們都知道,馬雲喜歡說「下個時代是數據時代,數據是下一個石油、能源」諸如此類的話,而李彥宏這半年來說喜歡說的就是「All in AI,下一個時代是人工智慧時代」諸如雲雲。
然後他兩有時候就為這個觀點掐起來,或者其他人人為的把他們掐起來。
但我感覺他兩說的都沒毛病。說是數據時代,現在大數據已經在互聯網算是應用很多了,但是要說「時代」這個詞,如果不走到線下,與線下場景結合,永遠都不能冠之以「時代」一次。
而人工智慧這一年來,陸續被李彥宏的無人車、阿法狗等刷屏,然後大夥兒就感覺「機器人馬上要叛變,世界末日了」,讓我頓時想起了《機械公敵》。
但其實,個人認為雖然人工智慧的應用陸續有突破,但是同樣,一方面是他覆蓋的面還很窄,其次,要說智能真的還不智能,應該還是有很長一段路要走。
再回到大數據與AI的關係,我們先來解決一個問題:大數據是什麼?
個人認為大數據應該包含這幾個元素:
1 數據產生的足夠迅速、以及多,包括當前互聯網的數據自然就不用多說,而未來更應該包括各種感應器產生的數據,比如物聯網的各種感應節點,又比如跟AI很近的 無人車上各種感應器獲取的數據,這就是上面我說的走到線下。
2 計算能力足以支撐,這就包括軟硬兩個層面,硬體層面自然不用多說,硬體發展這麼多年,價格算是很厚道的了,在軟體層面,隨著hadoop生態的崛起,基本也解決了計算問題。
3 基於數據的落地應用,互聯網行業對數據的價值衍生挖掘 其實做了好多年了,現在需要解決的就是大數據能不能解決線下的問題。
那麼,我們再來看人工智慧是什麼,面太大 不好說,我們就以無人駕駛汽車和阿法狗來說。
上層的表現形態為,一個是智能駕駛,另一個是智能圍棋對戰,都是無人操作。
但是!
是的,我要說的是但是,他們的智能能力是如何達到的。
以阿法狗來說,基本上市面上有名氣點的對弈過程,都是他的訓練語料,這個數據量,這個分散式計算的過程,難道你敢說不是屬於大數據範疇?
以無人駕駛汽車來說,你以為它就這麼聰明知道識別障礙物、如何知道該走哪條路,如何進行行為決策,知道進行判斷?那是因為它通過N多的數據進行障礙物的識別,對所有道路進行了計算,來達到判斷的目的,不然它憑什麼能夠自動駕駛。
所以,你還認為大數據與人工智慧沒有關係嗎?
在我認為,大數據的概念更多的是圍繞數據來說的,是一整個數據處理的解決方案,偏重於數據體現的價值。
而人工智慧顯然是一個更偏應用層級的定義,不可否認的是,其底層的智能嚴重依賴於數據的輸入計算,從而得出決策。
可以說,大數據是人工智慧的基石,並且從稍微長遠一點來看,未來一定是先有數據化纔有智能化。
如果數據的收集(衍生到線下)、量化問題沒有解決,這裡是線下的數據線上化、可計算化,那麼人工智慧這東西就無從談起,要麼也只是小範圍的應用而已,遠不能夠達到普及的水平。
首先,從當前互聯網發展的基本面來看,未來大數據和人工智慧將是一個重要的發展方向,一方面互聯網需要大數據來完成其價值的承載,另一方面人工智慧將進一步拓展互聯網的應用邊界,進一步推動互聯網脫虛向實,所以說大數據和人工智慧的發展也是互聯網發展的一個必然的結果。
大數據作為未來的重要發展方向之一已經得到了科技界的廣泛認可,究其原因主要有三個方面,其一是大數據開闢出了新的價值空間;其二是大數據能夠打造出新的產業生態,進而培育出一系列產業鏈;其三是大數據能夠全方位地為傳統行業的發展賦能,行業應用前景非常廣闊。
目前大數據技術體系結構已經趨於成熟,隨著大數據開始逐漸落地應用,基於大數據的產業生態也會逐漸成熟。大數據能否順利落地到產業領域,還與物聯網、雲計算有密切的關係,所以大數據的發展也能夠促進物聯網和雲計算的發展。
人工智慧是當前科技領域的熱門方向,一方面物聯網、雲計算、大數據等一眾技術最終都指向了人工智慧技術,另一方面人工智慧將在很大程度上促進生產力水平的提升,所以目前傳統行業對於人工智慧的呼聲也比較高。所以,人工智慧的發展也是科技發展的一種必然。
相對於大數據技術來說,人工智慧技術目前尚處在行業發展的初期,目前人工智慧領域的人才培養也主要以研究生教育為主,所以如果想進入人工智慧領域發展,可以考慮讀一下相關方向的研究生。
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慧領域,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、人工智慧等方面的問題,或者是考研方面的問題,都可以在評論區留言,或者私信我!
大數據是法力值。人工智慧是法術。未來前景就是相輔相成。更強的法術需要更多的法力值,再多法力值也只有靠放出法術才能轉化成價值。