人工智能与大数据你需要了解一下

首先要厘清数据的来源，数据的主要来源是形形色色的企业、人和各种机器。以行业划分比如医院、电力、交通等等。只要是以数据的形式存储记录物或人的行为、规则、方式、过程、结果等，无论联网或者不联网，就是数据。

引自百度百科。大数据（big data）是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。

这个解释，只是说明了为什么是“大”和对“大”的解决利用办法。可也说明了“大数据”的目的性，提取、分析、优化，找到对某个行业或者某种场景利用价值的“数据”。

然后把找到的数据，提供给“人工智能机器人”，作为它们的“学习资料”。

举个例子，让智能机器认识并记住一直花猫。给它三只猫，一只黑色的，一只白色的，一只黑白花色的。你给它说，圆眼睛的是花猫。他会告诉你这几只都是花猫。然后，你告诉它圆眼睛、有黑颜色和白颜色的是花猫，它会告诉你，黑色的和白色以及黑白斑点的都是花猫。你再告诉它，圆眼睛和有黑色斑点和白色斑点的是花猫，它就会告诉你白色的和黑色都是花猫。你再告诉它圆眼睛、有黑色圆形斑点、有白色圆形斑点的而且在一直猫的身体上的是花猫，它就会正确指出哪只是花猫。

这几只猫就是大数据经过“数据挖掘”的算法后得出某个应用场景或某个企业想要得到的具有某种特征的结果“训练数据集”，这个过程就是机器学习，学习之后的认知结果体现在机器上就是人工智能。只不过智能机器的学习过程实际远比举的这个例子要复杂的多。

智能机器人就是通过这样不同的训练数据集，从而在里面利用各种学习（算法）找到一定的特征、规律，识别、总结出各种各样所需要的结果，然后运用到实际的场景应用中，为消费者、企业、社会组织提供不同的服务。

这里面，除了智能设备的运算支持外，“算法”起到核心的技术支撑作用。

用来反复学习的数据叫“训练数据集”；“训练数据集”中，一类数据区别于另一类数据的不同方面的属性或特质，叫“特征”；智能机器在“大脑”中总结规律的过程，叫“建模”；智能机器在“大脑”中总结出的规律，就是我们常说的“模型”；而智能机器通过反复“学习”总结出规律，然后学会的过程，就是“机器学习”。

通过人工智能专家持续的不懈努力，人工智能的“算法”也在很快的发展。人工智能的发展硬件和软件是一堆孪生兄弟，你追我赶。从“CPU”到“GPU”，从“大数据”到“训练数据集”、“深度学习”、“人工神经网络”，再到视觉识别、智慧医疗、智能制造等场景的应用，人工智能的“智能化”在不断的进化发展。

来源：微观视角