人工智慧與大資料怎樣結合？

人工智慧需要有大資料支撐

人工智慧主要有三個分支：

1.基於規則的人工智慧；

2.無規則，電腦讀取大量資料，根據資料的統計、概率分析等方法，進行智慧處理的人工智慧；

3.基於神經元網路的一種深度學習。

基於規則的人工智慧，在電腦內根據規定的語法結構錄入規則，用這些規則進行智慧處理，缺乏靈活性，不適合實用化。 因此，人工智慧實際上的主流分支是後兩者。

而後兩者都是通過「電腦讀取大量資料，提升人工智慧本身的能力/精准度」。 如今，大量資料產生之後，有低成本的儲存體將其存儲，有高速的CPU對其進行處理，所以才有了人工智慧後兩個分支的理論得以實踐。 由此，人工智慧就能做出接近人類的處理或者判斷，提升精准度。 同時，採用人工智慧的服務作為高附加值服務，成為了獲取更多使用者的主要因素，而不斷增加的使用者，產生更多的資料，使得人工智慧進一步優化。

大資料採礦少不了人工智慧技術

大資料分為「結構化資料」與「非結構化資料」。

「結構化資料」是指企業的客戶資訊、經營資料、銷售資料、庫存資料等，存儲于普通的資料庫之中，專指可作為資料庫進行管理的資料。 相反，「非結構化資料」是指不存儲于資料庫之中的，包括電子郵件、文字檔、圖像、視頻等資料。

目前，非結構化資料激增，企業資料的80％左右都是非結構化資料。 隨著社交媒體的興起，非結構化資料更是迎來了爆發式增長。 複雜、海量的資料通常被稱為大資料。

但是，這些大資料的分析並不簡單。 文本挖掘需要「自然語言處理」技術，圖像與視頻解析需要「圖像解析技術」。 如今，「語音辨識技術」也不可或缺。 這些都是傳統意義上人工智慧領域所研究的技術。

搜尋引擎中的大資料與人工智慧

將大資料與人工智慧結合運用最好的當屬Google和Apple。

Google提供優化的搜尋引擎服務，後臺的人工智慧隨著使用者的使用而不斷進化，使用的使用者越多，搜尋引擎也將越優化，優化之後，使用者自然也就更多。 除了搜尋引擎，Google還通過Gmail、Google Docs等獲取大量的「非結構化資料」。 這樣一來，Google的「大腦」就變得更加聰明瞭。

此外，Google還研發了「語義搜索」的進化系統；Apple的語音辨識技術Siri也是基於最新人工智慧理論(深度學習）構建的。

反過來看，現代的人工智慧進化，不僅需要理論研究，還需要大量的資料作為原料。

汽車中的大資料與人工智慧

2014年年初，Google聯合奧迪、通用、本田、現代以及Nvidia成立了一個新的合作團體：開放汽車聯盟(Open Automotive Alliance)；而Apple在去年６月就涉足汽車領域，推出了「iOS in the Car」（通過Siri語音操作可以實現導航、通話、音樂播放等服務）。

最近，Google又宣佈將于2017年向市場投入自動駕駛汽車，2013年8月已經完成了48萬公里的試駕。 48萬公里試駕的大資料成為了行駛經驗資料，為人工智慧的自動駕駛提供了決策分析依據。

顛覆式創新源自大資料+人工智慧

Google和Apple已經給汽車等傳統行業帶來了深深的危機感。 而他們的顛覆式創新，其實是來自大資料與人工智慧的結合。 或許這一點非常值得我們思考。 同樣的現象、同樣的顛覆會不會發生在更多的，甚至是所有的其他傳統產業中呢？

作者：工業和資訊化部國際經濟技術合作中心 王喜文

(責任編輯：mengyishan)