大数据和人工智能如何协同工作

人工智能和呆板进修怎样辅佐组织从大数据中得到更好的营业看法?必要相识人工智能和大数据说明的下一步成长。

大数据技能并不像几年前那样广受存眷，但这并不料味着大数据技能没有获得成长。假如说有什么差异的话，那就是大数据的局限正在变得越来越大。

大数据曾经被以为是一项重大挑衅。可是此刻，它越来越被视为一种抱负状态，尤其是在正在实行并实验呆板进修和其他人工智能学科的组织中。

Anexinet公司高级数字计策师Glenn Gruber说，“人工智能和呆板进修此刻为我们提供了行使现有大数据的新机遇，并操作新数据范例开拓了许多新用例。我们此刻拥有更多可用的数据，譬喻图片、视频和语音。已往，我们也许试图只管镌汰捕捉的此类数据的数目，由于我们无法对其做太多的处理赏罚，可是它存储此类数据会发生庞大的本钱。”

人工智能怎样顺应大数据

大数据与人工智能之间存在着一种互惠相关：人工智能在很洪流平上依靠于前者的乐成，同时也辅佐组织以早年繁琐或不行能的方法开释数据存储中的潜力。

Gruber说，“现在，我们必要尽也许多的数据，这不只是为了更好地洞察我们试图办理的营业题目，并且由于我们通过呆板进修模子输入的数据越多，它们获得的功效就越好。这是一个良性轮回。”

人工智能怎样行使大数据

存储和其他有关大数据和说明的题目仿佛已经不再一样。譬喻，Gruber指出，大数据和人工智能的团结会环绕基本办法、数据筹备和管剃头生新的需求(或夸大现有需求)。可是在某些环境下，人工智能和呆板进修技能大噶?鲩织怎样办理这些运营伟大性的要害部门。

关于“更好的洞察力”：人工智能和呆板进修作为当前在贸易规模中最重要的学科，怎样辅佐IT率领者实现此刻或未来的方针?

人工智能提供更好看法的6种方法

1.人工智能正在缔造新的数据说明要领

大数据的根基营业题目之一偶然可以用一个简朴的题目来归纳综合：此刻是什么?人们已经拥有了全部这些对象，而且还会有更多的对象呈现，那么如那里理赏罚呢?在大数据的大举宣传和炒作中，听到这个题目的谜底并不老是那么轻易。

另外，答复这个题目(或从数据中获取看法)凡是必要大量的人工事变。人工智能正在缔造新的要领。从某种意义上说，从广义上讲，人工智能和呆板进修是新要领。

从汗青上看，在说明数据时，工程师不得不行使查询或SQL(查询列表)。可是，跟着数据重要性的不绝增添，得到洞察力的多种要领也应运而生。人工智能是查询/SQL的下一步。Alluxio公司首席执行官Steven Mih说，“已往的统计模子此刻已经与计较机科学融合，并已成为人工智能和呆板进修的一部门。”

2.数据说明的劳动强度正在低落

因此，与已往对比，打点和说明数据所需的人工时刻更少了。人们如故在数据打点和说明中饰演着至关重要的脚色，但因为人工智能，原本也许必要几天或几周(或更长)的进程正在加速速率。

Sungard AS公司的高级架构师Sue Clark说，“人工智能和呆板进修是辅佐企业说明数据的器材，比员工单独完成的事变更快、更有用。”

Exasol公司首席技能官Mathias Golombek在大数据方面已调查到一种回收两层计策的趋势，由于组织争辩要从中得到任何代价所必需打点的海量信息：存储层和位于其之上的运营说明层。

Golombek说，“这是从数据中提取看法并举办数据驱动的决定的处所。人工智能通过全新的成果通过培训数据做出半自动决定来加强说明。它不合用于企业对数据存在的全部题目，可是对付特定的用例，它彻底改变了无需伟大的人类常识就能完陈法则、决定和猜测的方法。”

换句话说，洞察力和决定可以更快地产生。另外，IT可以将相同的道理(行使人工智能技能来镌汰人工、劳动麋集型承担并进步速率)应用于后端事物，让人们面临实际，IT之外很少有人想知道。

Alluxio公司Mih说，“数据洞察力的及时性子，加上此刻无处不在的究竟，这将超过差异的机架、地区和云计较，这意味着企业必需从传统的打点和说明数据要领中成长而来。这就是人工智能的用武之地。数据工程师一次又一次地人工复制数据的日子已经一去不复返了，在数据科学家提出要求后数周之内就交付了数据集。”

3.人类如故重要

与其他人一样，Qlik Research公司副总裁Elif Tutuk将人工智能和呆板进修视为处理赏罚大数据的强盛杠杆。

Tutuk说：“人工智能和呆板进修以及其他新兴技能，对付辅佐企业更全面地相识全部数据，为他们提供一种在要害数据集之间成立接洽的方法至关重要。”可是她增补说，这并不是减弱人类伶俐和洞察力的题目。

Tutuk说，“企业必要将人类直觉的力气与呆板智能相团结，以加强这些技能或加强智能。更详细地说，人工智能体系必要从数据和人类身上进修，才气实现其成果。乐成地将人力和技能的力气团结起来的企业可以扩大从数据科学家和营业说明师哪里得到说明的要害看法的职员，同时节减时刻，并镌汰因为营业用户表明数据而导致的隐藏成见。这样可以进步营业运营服从，从数据中网络更快的看法，并最终进步企业出产率。”

4. 人工智能/呆板进修可用于缓解常见数据题目

以下是一些没有改变的对象：数据的代价与其质量密不行分。低质量意味着低代价或无代价。这就是所谓的大数据与人工智能的配合点。

Ness Digital工程公司首席技能官Moshe Kranc说，“关于呆板进修的对话老是回到企业数据的质量上。假如数据质量差，那么从中得到的任何看法都将无法获得信赖。呆板进修项目80%的时刻都花在了整理和筹备数据上。”

统统旧的对象好像又是新的。但这个题目的办理方案(也许尚有其他相同的办理方案)也许已经呈现。

Kranc说，“荣幸的是，可以行使呆板进修来整理呆板进修数据。呆板进修算法可以检测非常值和缺失值，找到用轻微差异的术语描写统一实体的一再记录，将数据类型化为通用术语。”

5.说明变得更具猜测性和类型性

在已往，数据说明比过后说明更为重要，过后说明就是“已经产生的工作。”将来的猜测本质上还是汗青说明。人工智能和呆板进批改在辅佐开辟一个新规模：“将要产生的工作。可能至少是“也许产生的工作”。另外，还可以教会呆板进修算法基于前瞻性的看法做出决定或采纳动作。

（编辑：湖南网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!