|
近几年，人工智能技术在各行各业的应用已随处可见。生产制造业中，自动视觉检测、机器参数调整、产量优化、维护预测等技术的应用极大地提高了生产效率；服务型机器人深入翻译、会计、客服等领域，服务业正在发生重要变革；此外，金融、医疗等领域，也因人工智能技术的加入而更加繁荣。某种意义上，人工智能为这个时代的经济发展提供了一种新的能量。人工智能的飞速发展，背后离不开大数据的支持。而在大数据的发展过程中，人工智能的加入也使得更多类型、更大体量的数据能够得到迅速的处理与分析。 目前，人工智能发展所取得的大部分成就都和大数据密切相关。通过数据采集、处理、分析，从各行各业的海量数据中，获得有价值的洞察，为更高级的算法提供素材。腾讯CEO马化腾在清华大学洞见论坛上表示，“有AI的地方都必须涉及大数据，这毫无疑问是未来的方向”。李开复也曾在演讲中谈到“人工智能即将成为远大于移动互联网的产业，而大数据一体化将是通往这个未来的必要条件。”“人工智能离不开深度学习，通过大量数据的积累探索，在任何狭窄的领域，如围棋博弈、商业精准营销、无人驾驶等等，人类终究会被机器所超越。而AI技术要实现这一跨越式的发展，把人从更多的劳力劳动中彻底解放出来，除了计算能力和深度学习算法的演进，大数据更是其中的关键。” 与此同时，人工智能的出现也提高了可利用数据的广度。大数据分为结构化数据与非结构化数据。结构化数据记录了生产、业务、交易和客户信息等；但大部分的数据，约有85%以上都是非结构化数据。在互联网时代，随着社交媒体的兴起，非机构化数据的增长更为惊人。然而，大数据爆炸的时代不允许个人在研究的过程中读懂每一篇论文，了解所有的观点。因此这就对高级算法提出了要求，如何快速寻找真正适合有效的信息。人工智能辅助大数据利用一个典型的例子就是“预测未来”。邓白氏高级副总裁兼首席数据科学家安东尼·斯克里费加诺曾分享过一个处理欺诈的案例。专业团队可以根据传统的欺诈类型设计成千上万不同的算法，用于专业人员处理不同类型的欺诈行为。然而，现实中还存在一个“观察者效应”，也就是说如果这个人知道有别人在观察他，他就会不自主地改变自身的行为，直接导致了被观察对象的行为与其真实表现的差异性，但这一点没有办法通过传统的建模方法进行行为检测。所以这就需要更为高级的人工智能手段和更加先进的调查方法来进行解决，去建模未来可能发生欺诈的行为。
| 
