京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据、云计算是否将点燃人工智能?
人工智能(AI)是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。1956年,人工智能学科被正式提出,50多年来已取得较为长足的发展,成为一门广泛的交叉和前沿科学。人工智能虽已发展多年,指纹识别、机器翻译、图像理解等等,但似乎并未给人们生活带来太多本质性变化。随着大数据与云计算的普及,与二者息息相关的人工智能是否会被点燃,它会受到什么样的影响呢?
你真的理解人工智能了吗?
当提到人工智能,网友1983yu表示,他能够想到的是机器视觉、指纹识别、人脸识别、视网膜识别、掌纹识别、专家系统、自动规划、智能搜索、定理证明、博弈、自动程序设计、智能控制、机器人学、语言和图像理解,遗传编程等,他认为这些都应是人工智能。比较著名的也就是Siri之类的,而突破性的进展估计还要继续等待,现在都是初级的应用罢了。而对于人工智能的深层含义,他讲道:“人工智能是对人的意识、思维的信息过程的模拟。人工智能不是人的智能,但能像人那样思考、也可能超过人的智能。”
网友何冰分析道:“人工智慧从字面上看就是人造的智慧,但是实际上涵盖了不少部分,大家最关心的实际上是人工自主意识,因为网络和电脑已经完成了知识的检索和存储,几大搜索引擎也完成了关键字-关联解释的功能和海量数据积累,而且大多数机器人厂商已经完成了反应机,自适应等等高级功能,但是人类对自身意识的研究并没有上升到更透彻的层面。”
网友百得对于人工智能的解读十分干练诙谐,他认为:“带有条件判断的逻辑行为就是智能;人类采用非自然方法实现智能就是智能机;可以安全重组的连续逻辑过程就是意识;人类采用非自然方法实现意识就是人工智能。”
人工智能与大数据和云计算的关系
网友1983yu指出,人工智能目前其实还是处于初级阶段,它与大数据和云计算的关系很暧昧,发展前期,人工智能靠它们来定位,所以关系较为密切。而若考虑智能方面,则应该是自动学习能力最为重要,自己存储数据,进化到自我学习的手段来实现人工智能。
网友smilefish从生活角度谈到:“人的智能模拟,简单的如指纹识别,面部识别和视网膜识别等。需要借助大数据来实现某些功能和应用。”
小编认为,网友zhihuyonghu分析的有条有理,较为中肯:“人工智能的确在近年来遇到了极好的发展机遇,互联网、移动互联网的普及让人类的数据触手可及,计算技术的快速发展让机器快速处理海量数据变成了现实,‘大数据+大计算’让神经网络以深度学习的名号重出江湖。但是这并不能说人工智能在核心技术上就有多大的突破。”
人工智能的未来会如何?
“未来会对人类社会产生巨大影响,在很大程度上会促进人类社会的发展。”网友1983yu附和道:“以后各行各业应该都会用到人工智能,特别是在精密行业,不说以后顶半边天,一半一半也应该有吧。虽然很多人认为人工智能将会是人类的威胁,但是目前考虑这么多没有用,先发展再说。”
人工智能应以人为本,为便利而生,它必须对人类产生作用。但网友网友钟宇尧却不这么认为,他说:“最高级的人工智能将是一种更高级的生命形式。必将继承人类智能,成为生命进化的下一个阶段。这种生命,拥有远超人类更高速的发展能力,必然取代人类。”
有人工智能行业背景,他对此分析道:“其实,现有的人工智能技术在本质上还是按照人类设计的固定算法来思考,依然是一种机械地执行人类智能而已。所谓的机器学习,它只是人类利用机器的计算能力来学习而已,其主语是人类,而非机器。真正的机器智能应当拥有自己独立的学习能力,但这在很长一段时间内应该是人类的保留技能了,因为人脑显然要神奇奥妙得多。人工智能的未来,要极大地依赖于生命科学的发展,我们需要像造物主学习的还有很多很多。”
其实,在很多科幻片中出现的人工智能畅想物很多已经不仅存于人们的幻想中,在大数据与云计算相关技术有了很大发展的今天,能够支撑人们将理想变为现实的能力已然足够。然而对于前景的判断却不能仅从科技角度出发,商业价值才是落地的根本。计算机的性能发展至今,常规的应用已经足够,那么新的增长点是否会落在人工智能也未可知。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据驱动决策的体系中,数据分析按照分析目的可分为描述性分析、诊断性分析、预测性分析与指导性分析四大类型。其中,诊断性分 ...
2026-09-01网络请求是Python爬虫开发、接口测试、数据拉取的核心基础功能,Python生态中主要依靠 urllib 和 requests 两大库实现HTTP请求操 ...
2026-09-01 很多数据分析师面对业务问题时,常常感到“知道要分析,却不知道用什么方法”。其实,数据分析并非无章可循——从三大基础范 ...
2026-09-01在数据库设计与业务数据维护中,自增ID是数据表最常用的主键字段,用于唯一标识每一条业务数据,正常状态下ID应保持连续递增。但 ...
2026-08-31在数理统计、数据分析、经济测算与日常量化评估中,平均值是刻画数据集中趋势、反映整体水平的基础核心指标。在实际应用中,最常 ...
2026-08-31在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-08-31在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24