本文主要是介绍从大数据到人工智能有多远？，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
当以色列著名历史学家《人类简史》、《未来简史》作者尤瓦尔.赫拉利现身“XWorld：未来进化”活动现场时，历史和未来仿佛在此刻交汇，而尤瓦尔对于人工智能不仅仅是21世纪最重要的科学进化，也不仅仅是人类历史上最重要的科学进化，而是整个生命创始以来最重要的变化的结论，则令现场数千名观众振聋发聩，醍醐灌顶。
是的，不管你承不承认，愿不愿意，从深蓝战胜卡斯帕洛夫，我们就知道人工智能的时代注定会到来，只不过，我们不曾想到的是，它来的是如此之快，当回想起我们普遍认为十年内不可能战胜人类围棋世界冠军的AlphaGo摧枯拉朽般战胜李世石、柯杰的情景之后，我们心里也许已经非常明白，今天，承载着人类未来的人工智能时代已经悄然而来，而尤瓦尔所说的人类重大的科学进化拐点或许真的已经到来！
大数据：人工智能进化的关键驱动力
从终结者到黑客帝国，从机器姬到异型：契约，我们在太多的影视剧中“见证”过人工智能想要毁灭人类的桥段，尽管这些影视剧中展现的结果有很大的争议，但人工智能将会对人类社会产生巨大影响这一点，则是毫无争议的。然而，实际上，人工智能早在60年前就已经诞生，也曾经数度沉伏，但为何今天，人们对人工智能的关注又喧嚣尘上了呢？
百分点集团技术副总裁兼首席架构师刘译璟对此表示，本轮人工智能的热潮其实是从2010年开始的，由于神经网络的应用，深度学习取得了突破型进展，人工智能在语音和图像识别上得到了质的飞跃，人工智能识别图像的能力首次超越人类。而深度学习在此领域取得的突破性进展，除了深度学习算法方面的提升外，另外两个更关键的因素则是大数据和高性能计算的飞速发展。
目前，通过互联网，我们可以拿到足够多的数据，而只要有足够多的数据，即使不做预训练，神经网络也能得到非常好的结果。而如果没有大量训练数据的支持，深度神经网络也是毫无用武之地。而高性能计算，尤其是通用计算GPU的飞速发展，则给了神经网络和深度学习强大的计算力支持，使得以前无法进行的计算或者无法在需要的时间内进行的计算成为了可能。
刘译璟认为，实际上，现在火热的人工智能在算法和模型方面并没有什么革命性的变化，深度学习早在八十年代就已经出现，近年来的突然爆发，主要是由于数据。而人工智能要进一步再往下发展，还有很多理论、技术方面的问题需要解决，例如应用领域、商业模式、客户需求等等，这些问题的解决将有可能推动人工智能的进一步发展。
小数据：人工智能进化的下一个推动力
刘译璟表示，基于足够多数据才能够充分发挥作用的深度学习，是机器学习的一种，机器学习是连接主义的一种方法，但并不是所有的方法，这种方法能解决的问题是归纳，但这也是深度学习最大的局限。深度学习作为一种算法，从模型层面缺乏反馈，而强化学习则是弥补深度学习局限性的一种方法。深度学习应用范围较窄，其根本原因是它需要大量的数据，如果没有大量数据的支持，无论做几层网络都不会取得好的效果。而深度学习训练时间非常长，消耗的资源多的特性，也使得它很难用到现实中需要快速做出决策的场景中。
深度学习还有一个本质上的局限性，即深度学习和神经网络不具备可解释性，人们无法知道它到底能够归纳出什么东西来，所以说，深度学习虽然是一个很好的工具，至少在某些领域里是很好的工具，但如果想实现更大范围的人工智能，深度学习还只是其中很小的一个技术点，离实现人工智能还非常远。
但假如没有足够多的数据，人工智能依靠什么继续进化呢？刘译璟认为，在这种情况下，把小数据好好用起来会是一个好的方法，我们知道，人可以通过少量的数据去推理，归纳和演绎，从而通过小数据学习得到新知识，因此，可以把推演的过程变成规则给到机器，这是一种解决数据缺乏的方法。另外，还可以把很多业务知识变成数据给到机器，在这些机器上做推理和搜索，让机器也可以利用这些场景做出自己的判断。这其实是知识的迁移，可以让缺乏数据的企业、场景能够运用人工智能的手段。
百分点：徜徉在大数据和人工智能之间
其实，不管是大数据还是小数据，人工智能的发展都离不开数据的支持，百分点这家大家心目中的大数据公司和人工智能也早已结缘，刘译璟介绍说，百分点从2009年开始就已经在利用人工智能的技术了，而去年百分点夺得的Gartner Cool Vendor的奖项正是由于百分点在人工智能方面的见解。而多年来，百分点一直在关注人工智能，刘译璟解释道，现在的大数据处理和分析技术，九十年代的BI技术，五十年代的AI技术，三个是你中有我我中有你，很难分开。百分点还是在沿着以前的布局进行深化，百分点一直在做的就是自然语言处理，知识图谱方面的工作，只不过今天更加强调自然交互方面。百分点新发布的智能交互分析引擎，就是希望解决从非常模糊的语义到精确的计算机操作过程的转变，未来，百分点将会在自然交互领域进行更大的投入，核心还是语义的处理，再加上交互方面的内容。
这篇关于从大数据到人工智能有多远？的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
