
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
在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29