我們的目標(biāo)是跟上并利用所有電腦、移動(dòng)智能手機(jī)、平板電腦和物聯(lián)網(wǎng)(IoT)設(shè)備產(chǎn)生的數(shù)據(jù)量。

　　理解大數(shù)據(jù)和人工智能在我們的數(shù)據(jù)驅(qū)動(dòng)世界中的作用非常關(guān)鍵。在任何人知道大數(shù)據(jù)存在之前，它就已經(jīng)席卷了全球。到這個(gè)詞被創(chuàng)造出來時(shí)，大數(shù)據(jù)已經(jīng)積累了大量的存儲(chǔ)信息。如果利用得當(dāng)，它可能會(huì)提供有關(guān)特定數(shù)據(jù)所屬領(lǐng)域的深刻知識。

　　對所有數(shù)據(jù)進(jìn)行分類、解析(將其轉(zhuǎn)換為計(jì)算機(jī)更容易理解的格式)以及分析數(shù)據(jù)以增強(qiáng)商業(yè)決策過程的任務(wù)很快被發(fā)現(xiàn)，人類的大腦無法處理。要完成從復(fù)雜數(shù)據(jù)中提取知識的艱巨任務(wù)，必須使用人工智能編寫算法。

　　理解大數(shù)據(jù)和人工智能在我們的數(shù)據(jù)驅(qū)動(dòng)世界中的作用尤為關(guān)鍵。

　　隨著企業(yè)在未來幾年擴(kuò)大他們的大數(shù)據(jù)和人工智能能力，數(shù)據(jù)專業(yè)人士和擁有商業(yè)分析或數(shù)據(jù)分析碩士學(xué)位的個(gè)人預(yù)計(jì)將非常受歡迎。我們的目標(biāo)是跟上并利用所有電腦、移動(dòng)智能手機(jī)、平板電腦和物聯(lián)網(wǎng)(IoT)設(shè)備產(chǎn)生的數(shù)據(jù)量。

　　了解大數(shù)據(jù)和人工智能

　　大數(shù)據(jù)和人工智能是由一些技術(shù)進(jìn)步推動(dòng)的，這些技術(shù)進(jìn)步定義了當(dāng)前的數(shù)字環(huán)境和工業(yè)4.0.這兩項(xiàng)技術(shù)發(fā)展的目標(biāo)是將當(dāng)前生成的大量數(shù)據(jù)的價(jià)值最大化。

　　大數(shù)據(jù)是用于描述大量結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)的處理和存儲(chǔ)的術(shù)語，這些數(shù)據(jù)有可能被組織和提取成對企業(yè)和組織有用的信息。

　　另一方面，人工智能使用各種算法來構(gòu)建模仿人類功能(例如學(xué)習(xí)、推理和決策)的機(jī)器。接下來，讓我們一起來探索這些尖端技術(shù)。

　　什么是大數(shù)據(jù)?

　　多源海量數(shù)據(jù)的管理是“大數(shù)據(jù)”領(lǐng)域的重點(diǎn)。當(dāng)數(shù)據(jù)量太大而無法使用傳統(tǒng)的數(shù)據(jù)管理技術(shù)時(shí)，就會(huì)使用大數(shù)據(jù)。很久以前，企業(yè)開始收集有關(guān)客戶、價(jià)格、交易和產(chǎn)品安全的大量數(shù)據(jù)。然而，最后，事實(shí)證明數(shù)據(jù)量太大，人類無法手動(dòng)評估。

　　“大數(shù)據(jù)需要新的處理模式，才能具備更強(qiáng)的決策、洞察和流程優(yōu)化能力，以適應(yīng)信息資產(chǎn)海量、高增長率和多樣化的需求?！薄狦arnter

　　這個(gè)想法傳達(dá)了一個(gè)非常關(guān)鍵的意義。大數(shù)據(jù)現(xiàn)在被視為一種信息資源。我們需要大數(shù)據(jù)時(shí)代新的處理方式來處理這些信息資產(chǎn)，因?yàn)樵械奶幚矸绞綗o法及時(shí)或準(zhǔn)確地處理這些數(shù)據(jù)。

　　大數(shù)據(jù)的五個(gè)V

　　大數(shù)據(jù)的特性被用來概括另一個(gè)想法。海量數(shù)據(jù)規(guī)模、數(shù)據(jù)快速流動(dòng)、數(shù)據(jù)類型多樣、價(jià)值密度低被麥肯錫列為大數(shù)據(jù)的四大特征。也就是我們通常所說的大數(shù)據(jù)4V特征。大數(shù)據(jù)的定義，是大數(shù)據(jù)在行業(yè)中相當(dāng)流行的5V特征，是IBM在之后添加了第五個(gè)特征后創(chuàng)造的。

　　體積(Volume)

　　第一個(gè) V 是體積。這意味著在大數(shù)據(jù)時(shí)代，需要處理大量數(shù)據(jù)。目前，這種規(guī)模經(jīng)常用于 TB 級數(shù)據(jù)分析和挖掘。

　　種類(Variety)

　　第二個(gè)特征被稱為多種形式的數(shù)據(jù)。之前我們可以處理的大部分?jǐn)?shù)據(jù)都是結(jié)構(gòu)化的，即以二維表的形式呈現(xiàn)。但在大數(shù)據(jù)時(shí)代，必須處理更廣泛的數(shù)據(jù)種類，包括結(jié)構(gòu)化、非結(jié)構(gòu)化和半結(jié)構(gòu)化數(shù)據(jù)。大數(shù)據(jù)技術(shù)必須獨(dú)立或一起處理這些數(shù)據(jù)。

　　價(jià)值(Value)

　　低數(shù)據(jù)價(jià)值密度是第三個(gè)屬性。雖然數(shù)據(jù)量很大，但對我們有用的并不多。這些數(shù)據(jù)的價(jià)值密度相當(dāng)?shù)?，因?yàn)樗鼈冄蜎]在龐大的數(shù)據(jù)海洋中。因此，我們必須對億萬數(shù)據(jù)進(jìn)行過濾和挖掘，但我們可能只能找到幾十個(gè)或幾百個(gè)有用的數(shù)據(jù)。

　　速度(Velocity)

　　處理速度快是第四品質(zhì)。處理數(shù)據(jù)以產(chǎn)生結(jié)果的過程過去需要數(shù)周、數(shù)月甚至更長的時(shí)間，但現(xiàn)在我們需要在更短的時(shí)間內(nèi)得到結(jié)果，比如幾分鐘甚至幾秒鐘。

　　真實(shí)性(Veracity)

　　第五個(gè)特征與第三個(gè)相關(guān)。真實(shí)性決定商業(yè)價(jià)值的價(jià)值是高的或更真實(shí)的，即挖掘出來的數(shù)據(jù)的價(jià)值是非常高的，無論它是否直接影響我們的決策、為我們提供新的信息或幫助我們改進(jìn)我們的流程。因此，它更簡單。

　　企業(yè)流程可以通過大數(shù)據(jù)和人工智能解決方案實(shí)現(xiàn)自動(dòng)化。

　　大數(shù)據(jù)的這些 5V 特性告訴我們，當(dāng)今使用的“大數(shù)據(jù)”一詞既包括數(shù)據(jù)，也包括許多處理方法。為了做出決策或優(yōu)化工作，我們必須從海量數(shù)據(jù)中快速定位和挖掘?qū)ξ覀児ぷ饔杏玫牟糠謹(jǐn)?shù)據(jù)。整個(gè)過程被稱為大數(shù)據(jù)。

　　大數(shù)據(jù)分析

　　分析大量數(shù)據(jù)以查找可能有助于企業(yè)對其運(yùn)營做出明智決策的信息(例如隱藏模式、相關(guān)性、市場趨勢和客戶偏好)的通常具有挑戰(zhàn)性的過程被稱為大數(shù)據(jù)分析。

　　組織可以使用數(shù)據(jù)分析技術(shù)和流程分析數(shù)據(jù)集并獲得新的見解。有關(guān)業(yè)務(wù)績效和運(yùn)營的基本查詢由商業(yè)智能 (BI) 查詢處理。

　　高級分析，包括預(yù)測模型、統(tǒng)計(jì)算法和分析系統(tǒng)支持的假設(shè)分析等方面，是大數(shù)據(jù)分析的一個(gè)子集。

　　什么是人工智能?

　　能夠進(jìn)行邏輯、推理和決策的計(jì)算機(jī)系統(tǒng)的創(chuàng)建和使用被稱為人工智能 (AI)。這種自學(xué)習(xí)技術(shù)通過使用視覺感知、情緒檢測和語言翻譯，比人類驅(qū)動(dòng)的方法更快地分析數(shù)據(jù)和生成信息。

　　雖然看起來大數(shù)據(jù)和人工智能具有無限的潛力，但這項(xiàng)技術(shù)也有其局限性。

　　你可能已經(jīng)每天都在使用 AI 系統(tǒng)。人工智能被用于世界上一些最大企業(yè)的用戶界面，包括亞馬遜、谷歌和 Facebook。Siri、Alexa 和 Bixby 等個(gè)人助理均由 AI 提供支持，這還使網(wǎng)站能夠推薦你可能感興趣的商品、電影或文章。這些有針對性的建議是人工智能的結(jié)果，而不是巧合。

　　人工智能和大數(shù)據(jù)分析

　　盡管收集數(shù)據(jù)長期以來一直是業(yè)務(wù)的一個(gè)重要方面，但現(xiàn)代數(shù)字工具使其變得比以往更簡單。任何人或公司實(shí)際上都很難有效地使用他們收集的數(shù)據(jù)，因?yàn)閿?shù)據(jù)集呈指數(shù)級增長。這就是為什么理解大數(shù)據(jù)和人工智能至關(guān)重要。

　　具有人工智能功能的應(yīng)用程序可以快速處理任何數(shù)據(jù)集，無論是來自數(shù)據(jù)庫還是實(shí)時(shí)收集。企業(yè)正在使用人工智能解決方案來提高生產(chǎn)力、創(chuàng)造個(gè)性化體驗(yàn)、支持決策制定和削減成本。

　　數(shù)據(jù)和人工智能經(jīng)常增強(qiáng)分析和自動(dòng)化，幫助組織轉(zhuǎn)變其運(yùn)營。

　　大數(shù)據(jù)和人工智能也可用于識別和翻譯語言。

　　Microsoft Azure Synapse 等分析技術(shù)可幫助組織預(yù)測或識別趨勢，從而指導(dǎo)有關(guān)工作流、產(chǎn)品開發(fā)和其他領(lǐng)域的決策。企業(yè)的數(shù)據(jù)還將排列成可讀的儀表板可視化、報(bào)告、圖表和圖形。

　　同時(shí)，當(dāng)創(chuàng)建大數(shù)據(jù)和人工智能解決方案時(shí)，企業(yè)流程可以自動(dòng)化。例如，人工智能可以增強(qiáng)制造業(yè)的安全檢查、預(yù)測性維護(hù)和庫存跟蹤。任何企業(yè)都可以利用人工智能來評估文件、進(jìn)行文件搜索和處理客戶服務(wù)查詢。

　　由于人工智能分析視覺、文本和聽覺表征的方式，盡管它尚未達(dá)到或超過人類智力，但技術(shù)正變得更容易采用和集成到許多商業(yè)活動(dòng)中。

　　大數(shù)據(jù)和人工智能系統(tǒng)不斷改進(jìn)其響應(yīng)并調(diào)整其行為以適應(yīng)新信息。

　　雖然看起來大數(shù)據(jù)和人工智能具有無限的潛力，但這項(xiàng)技術(shù)也有局限性。讓我們來看看人工智能在五個(gè)領(lǐng)域大放異彩，以便全面了解如何在企業(yè)中使用它：

　　人工智能可以被訓(xùn)練組織數(shù)據(jù)、提出建議和幫助語義搜索。這些工具將通過提供滿足其需求的有益信息來增強(qiáng)企業(yè)的數(shù)字產(chǎn)品的用戶體驗(yàn)。此外，由于企業(yè)的應(yīng)用程序 AI 將根據(jù)歷史數(shù)據(jù)不斷提高其技能，可以優(yōu)化當(dāng)前和未來數(shù)據(jù)的效用。

　　可以訓(xùn)練人工智能使用計(jì)算機(jī)視覺來分析、識別和搜索圖像，這是一種旨在理解圖像和視頻并對其做出反應(yīng)的算法。具有視覺訓(xùn)練的人工智能可以存儲(chǔ)和說明文檔并支持物聯(lián)網(wǎng)傳感器陣列。許多部門正在使用視覺跟蹤來提高生產(chǎn)力和效率。

　　客戶要求當(dāng)前搜索引擎的準(zhǔn)確性和速度，但將這些高標(biāo)準(zhǔn)與企業(yè)自己的工具相匹配可能具有挑戰(zhàn)性。借助 AI，可以提高數(shù)字工具的搜索能力，使其能夠分析網(wǎng)頁、照片、視頻等，從而為消費(fèi)者提供他們正在尋找的確切結(jié)果。

　　通過將語音轉(zhuǎn)化為文本和文本轉(zhuǎn)化為語音，人工智能技術(shù)經(jīng)常被用于吸引客戶。企業(yè)可以簡單地查看帶有注釋的記錄的記錄的客戶對話，以研究客戶行為或指導(dǎo)人員。企業(yè)還可以在應(yīng)用程序中創(chuàng)建基于語音的助手，例如 Siri 或 Alexa。

　　自然語言處理使我們可以在整個(gè)短語中與我們的技術(shù)進(jìn)行對話，就像人們自然地對話和接收有意義的響應(yīng) (NLP) 一樣。企業(yè)可以將 NLP 集成到您的應(yīng)用程序或機(jī)器人中，以更好地滿足用戶需求或創(chuàng)建可以進(jìn)行語音或文本對話的客戶支持工具。這些大數(shù)據(jù)和人工智能特權(quán)也可用于識別和翻譯語言。

　　大數(shù)據(jù)與人工智能

　　在這一點(diǎn)上，毫無疑問，大數(shù)據(jù)將繼續(xù)存在，而人工智能 (AI) 的需求將繼續(xù)保持高位。沒有數(shù)據(jù)，人工智能毫無意義，但沒有人工智能就不可能掌握數(shù)據(jù)。因此，數(shù)據(jù)和人工智能正在融合成一種協(xié)同連接。

　　通過融合這兩個(gè)學(xué)科，我們可能會(huì)開始識別和預(yù)測商業(yè)、技術(shù)、娛樂以及介于兩者之間的所有領(lǐng)域的未來趨勢。

　　大數(shù)據(jù)是初始的、未經(jīng)處理的輸入，在使用之前必須進(jìn)行清理、組織和集成;人工智能是數(shù)據(jù)處理的最終智能產(chǎn)品。因此兩者本質(zhì)上是不同的。

　　盡管存在明顯差異，但大數(shù)據(jù)和人工智能仍然有效地相輔相成。

　　人工智能是一種計(jì)算機(jī)，它使機(jī)器人能夠以類似于人類的方式執(zhí)行認(rèn)知任務(wù)，例如行動(dòng)或響應(yīng)輸入。傳統(tǒng)的計(jì)算應(yīng)用程序也響應(yīng)數(shù)據(jù)，但所有這些活動(dòng)都需要手動(dòng)編碼。如果拋出任何類型的曲線球(例如意外結(jié)果)，程序?qū)o法響應(yīng)。因此，大數(shù)據(jù)和人工智能系統(tǒng)不斷改進(jìn)其響應(yīng)并調(diào)整其行為以適應(yīng)新信息。

　　具有 AI 功能的機(jī)器用于分析和解釋數(shù)據(jù)、解決問題或根據(jù)這些解釋處理問題。通過機(jī)器學(xué)習(xí)，計(jì)算機(jī)首先學(xué)習(xí)如何表現(xiàn)或?qū)δ硞€(gè)結(jié)果做出反應(yīng)，然后理解以同樣的方式向前發(fā)展。

　　大數(shù)據(jù)只搜索結(jié)果而不是對結(jié)果采取行動(dòng)。它描述了數(shù)量驚人的數(shù)據(jù)以及可能極其多樣化的數(shù)據(jù)。結(jié)構(gòu)化數(shù)據(jù)，如關(guān)系數(shù)據(jù)庫中的事務(wù)數(shù)據(jù)，可以在大數(shù)據(jù)集中找到，而較少結(jié)構(gòu)化或非結(jié)構(gòu)化數(shù)據(jù)，如照片、電子郵件數(shù)據(jù)、傳感器數(shù)據(jù)等。

　　它們的使用方式也不同。獲得洞察力是使用大數(shù)據(jù)的主要目標(biāo)。例如，Netflix 如何根據(jù)用戶觀看的內(nèi)容推薦電影和電視劇?因?yàn)樗紤]了其他消費(fèi)者的購買模式和偏好，并推斷出你可能也會(huì)有同樣的感受。

　　人工智能是關(guān)于做出決策并改進(jìn)這些決策。人工智能正在執(zhí)行以前由人類完成的工作，但速度更快，錯(cuò)誤更少，無論是自調(diào)整軟件、自動(dòng)駕駛汽車還是分析醫(yī)學(xué)樣本。這些主要是大數(shù)據(jù)和人工智能技術(shù)的區(qū)別。

　　大數(shù)據(jù)和人工智能仍是不可或缺的雙胞胎

　　盡管存在明顯差異，但大數(shù)據(jù)和人工智能仍然有效地相互補(bǔ)充。之所以如此，是因?yàn)闄C(jī)器學(xué)習(xí)尤其需要數(shù)據(jù)來發(fā)展其智能。例如，一個(gè)機(jī)器學(xué)習(xí)圖片識別程序會(huì)研究數(shù)千張飛機(jī)的圖像，以確定它是什么構(gòu)成的，以便將來識別它們。

　　大數(shù)據(jù)是起點(diǎn)，但為了訓(xùn)練模型，它必須充分結(jié)構(gòu)化和集成，以便計(jì)算機(jī)能夠一致地發(fā)現(xiàn)數(shù)據(jù)中的有用模式。

　　大數(shù)據(jù)收集了大量的數(shù)據(jù)，但在用它做任何有用的事情之前，必須先將不同的數(shù)據(jù)分開。AI 和 ML 中使用的不需要、冗余和無用的數(shù)據(jù)已經(jīng)被“清理”和刪除。這是重要的第一步。

　　在那之后，人工智能可以繁榮起來。訓(xùn)練學(xué)習(xí)算法所需的數(shù)據(jù)可以由大數(shù)據(jù)提供。有兩種數(shù)據(jù)學(xué)習(xí)：常規(guī)收集的數(shù)據(jù)和初始訓(xùn)練，它充當(dāng)一種泵的啟動(dòng)。一旦他們完成了初始訓(xùn)練，人工智能程序就永遠(yuǎn)不會(huì)停止學(xué)習(xí)。他們不斷獲取新信息，并且隨著數(shù)據(jù)的發(fā)展，他們會(huì)相應(yīng)地調(diào)整他們的行動(dòng)方案。因此，最初和持續(xù)需要數(shù)據(jù)。

　　模式識別在兩種計(jì)算機(jī)范式中都有使用，但它們以不同的方式使用。大數(shù)據(jù)分析使用順序分析來發(fā)現(xiàn)過去偶爾收集的數(shù)據(jù)或“冷數(shù)據(jù)”中的模式。

　　機(jī)器學(xué)習(xí)不斷收集數(shù)據(jù)并從中學(xué)習(xí)。自動(dòng)駕駛汽車會(huì)不斷收集數(shù)據(jù)、學(xué)習(xí)新技能并改進(jìn)運(yùn)營。新數(shù)據(jù)不斷被接收和使用。這表明大數(shù)據(jù)和人工智能是相互關(guān)聯(lián)的。

　　大數(shù)據(jù)和人工智能的未來

　　物聯(lián)網(wǎng)的快速使用使整個(gè)經(jīng)濟(jì)中的數(shù)據(jù)數(shù)字化，使人工智能系統(tǒng)現(xiàn)在可以處理或分析它。因此，人工智能在各個(gè)行業(yè)和企業(yè)中變得越來越普遍。一些利用大數(shù)據(jù)和人工智能的行業(yè)可以在下面找到：

　　醫(yī)療保健中的大數(shù)據(jù)和人工智能

　　據(jù) 埃森哲稱，到 2026 年，將 AI 整合到美國醫(yī)療保健系統(tǒng)中每年可節(jié)省 1500 億美元，同時(shí)還能改善患者的治療效果。預(yù)計(jì)大數(shù)據(jù)和人工智能將改變醫(yī)療保健的各個(gè)方面，從通過結(jié)合診斷成像和術(shù)前醫(yī)療數(shù)據(jù)實(shí)現(xiàn)的機(jī)器人手術(shù)，到協(xié)助初步診斷和患者后勤工作的虛擬護(hù)理助理。

　　自動(dòng)駕駛汽車開發(fā)中的大數(shù)據(jù)和人工智能

　　由人工智能控制的自動(dòng)駕駛汽車 (AV) 注定會(huì)對交通運(yùn)輸行業(yè)造成重大顛覆。為了成功觀察道路和操作車輛，自動(dòng)駕駛汽車中包含的人工智能軟件使用來自先進(jìn)傳感器、GPS、攝像頭和雷達(dá)系統(tǒng)的輸入每秒計(jì)算數(shù)十億個(gè)數(shù)據(jù)點(diǎn)。

　　雖然在完全自動(dòng)化之前仍然存在挑戰(zhàn)，但得益于大數(shù)據(jù)和人工智能，高端車輛可以在幾乎沒有人參與的情況下處理基本的駕駛?cè)蝿?wù)。此外，在某些情況下可以在所有駕駛領(lǐng)域自主運(yùn)行的自動(dòng)駕駛汽車 (AV) 的測試已經(jīng)開始。

　　借助大數(shù)據(jù)和人工智能，自動(dòng)駕駛汽車可以處理基本的駕駛?cè)蝿?wù)，幾乎不需要人工參與。

　　大數(shù)據(jù)與人工智能智能助手開發(fā)

　　由于語音識別、預(yù)測分析和自然語言處理的進(jìn)步，數(shù)字助理變得更加動(dòng)態(tài)和實(shí)用。據(jù)專家介紹，隨著消費(fèi)者遠(yuǎn)離鍵盤，隨著大數(shù)據(jù)和人工智能技術(shù)的發(fā)展，到 2023 年，語音搜索將占所有互聯(lián)網(wǎng)查詢的 50%。

　　工業(yè)自動(dòng)化系統(tǒng)中的大數(shù)據(jù)和人工智能

　　工業(yè)自動(dòng)化處于物理世界中大數(shù)據(jù)和人工智能應(yīng)用的最前沿，這得益于全球?qū)C(jī)器人的投資飆升，到 2020 年可能接近 1800 億美元。這兩個(gè)領(lǐng)域的進(jìn)步正在結(jié)合起來生產(chǎn)更智能、更有能力的機(jī)器與以前相比，機(jī)器人充當(dāng)機(jī)器的身體，人工智能充當(dāng)機(jī)器的思想。機(jī)器人現(xiàn)在可以在工廠或倉庫等非結(jié)構(gòu)化環(huán)境中更自由地工作。他們可以在裝配線上與人類更緊密地合作，這意味著他們不再局限于簡單、重復(fù)的工作。

　　工業(yè)自動(dòng)化處于大數(shù)據(jù)和人工智能在物理世界應(yīng)用的前沿。

　　結(jié)論

　　如今，計(jì)算機(jī)科學(xué)的兩個(gè)關(guān)鍵領(lǐng)域是大數(shù)據(jù)和人工智能，大數(shù)據(jù)和人工智能領(lǐng)域的研究最近并未停止。人工智能和大數(shù)據(jù)密不可分。首先，由于大數(shù)據(jù)技術(shù)廣泛運(yùn)用了人工智能的理論和技術(shù)，這取決于人工智能的進(jìn)步。其次，大數(shù)據(jù)技術(shù)對于人工智能的發(fā)展至關(guān)重要，因?yàn)樵擃I(lǐng)域嚴(yán)重依賴數(shù)據(jù)。我們?nèi)匀恍枰獙W(xué)習(xí)新技術(shù)，因?yàn)榇髷?shù)據(jù)和人工智能的創(chuàng)新才剛剛開始。