
作者|陈枫、蒋馨怡
来源|读芯术
表弟,00后,刚上大学的青年才俊,21世纪电子产品消费主力军,新科技的狂热爱好者。
前两天华为mate 20 X 5G版首发,他联合全家七大姑八大姨帮抢新机。就算明年5G机铁定降价也挡不住他要“抢头柱香”的热情。
10:08,全家各大平台聚精会神拼手速,就那么老眼昏花般的一秒,全部售罄。
恍惚一下,回到了最初的2G时代,刚上大学我有了人生中第一部手机——诺基亚7650。至今也忘不了30W像素带来的震撼,还有滑动翻盖时的顺畅和奢华。
2002年至今,不到20年,5G已然来临。我们已经无法清楚回想2G的蜗速。00后也不知道那时诺基亚的贪吃蛇有多好玩。
拉长时间线,才发觉“世上已千年”。
下一个改变世界的是什么?
自计算机发明之后,人类一直在寻找“下一件改变世界的大事”。虽然当下大多数人使用的手机都比最早问世的超级计算机快,但身处时代之中的人们,还是很少去认识,或者反思世界变化的速度和方向。
大数据、人工智能和物联网是近年来被滥用最多的三个术语,许多人不知道这三个技术是如何联系在一起的,也不知道它们如何为我们所期望的技术进步铺平的道路。
本文将阐述这些概念,并进一步探讨它们在工业中的重要性、面临的阻碍以及未来的发展方向。
“数据”和信息的大爆炸
1989年,在万维网发布之后的几年中,互连的机器数量大幅增加。1994年至2000年间,当GPS变得切实可行时,计算机和连接设备产生的数据量急剧增加,该设备网络的潜力很快就发挥出来了。
1999年,“物联网”这个术语首先由麻省理工学院的凯文·阿什顿(Kevin Ashton)创造,他假设:“如果计算机知道世上所有事物的知识,那么它们会在没有任何人类帮助的情况下使用自己收集的数据。这样一来,我们能够跟踪并计算所有内容,大大减少浪费、损失和成本。”
随着GPS技术的兴起,RFID标签用于会员卡系统,掌上电脑市场升温,企业能够“看到”他们的流程,而且各种条件都非常适合信息爆炸的出现。由于现有工具处理的数据量过多,2005年,Roger Mougalas首次使用“大数据”这一术语。
2007年iPhone的推出标志着“大数据”进军消费领域,从那时起,智能手机、可穿戴设备、平板电脑和各种智能设备的崛起改变了我们对物理世界和数字世界的看法。
大变化:数据的存储和应用
与此同时,社交媒体和电子商务的兴起也导致了“数字角色”概念的出现,数据的惊人价值越来越有目共睹。21世纪也出现了公司专门成立的数据部门,以帮助企业管理组织数据并用其来改进流程。
联合创始人兼LatentView Analytics主席Venkat Viswanathan在消费者营销领域体验到了数据的力量,并对商业环境也产生了兴趣。Viswanathan表示,“实现这一转变是由于数字化的数据更加精细,公司正在从消费者领域获取创意,并将其应用于行业中。”
工业环境已经被用于技术和数据的收集,因为仅使用数据就可实时影响下达的决策,如检查压力水平、温度等。直到专业传感器的数据变得精细化及存储成本的下降时,人们才考虑将数据存储起来供以后分析使用。Viswanathan说:“随着存储成本下降以及云存储在过去5至8年间投入使用,我们终于有机会回顾历史数据并发现数据当中的模式。”
大数据为AI提供无限可能
一旦数据存储成为各个企业的可行选择,云就可以收集庞大而详细的数据集,人工智能终于有了坚实的基础。多年来,人工智能研究经历了多次研究,其中算法技术的发展由于兴趣或投资的缺乏而陷入困境。
随着越来越多数据的可用性的增强,人工智能研究分为越来越细的应用,最新一代算法在基础领域取得了巨大的进步,例如自然语言处理、计算机视觉和机器翻译,这是因为出现了数量巨大且可供学习的信息。
可用于训练的各种来源的数据的激增,使得人工智能系统获得了巨大的改进,这种现象被称为“数据的不合理有效性”,这表明即使是简单的算法,只要有足够的数据,也可以得出准确的结论。结合几十年的工作来完善这些算法,从而去执行类人化的表现而完成特定的任务,人工智能终于有了值得全力以赴的一面——用于获取有现实意义的结果。
大数据的发展必然推动了人工智能领域,正如红木软件首席问题解决官Devin Gharibian-Saki所说:“人工智能系统的运行基于统计模型,因此如果没有大量数据来支持人工智能,就无法运行人工智能。”
物联网、AI和大数据是一个硬币的三面
现在,我们可以运用大量传感器、物联网设备,甚至是用户数据,在所有业务领域进行预测和决策,但前提是用户必须了解这些数据的含义和来源。“你必须知道你最终想要什么,否则,所有数据、技术和传感器都是无用的。”Gharibian-Saki说道。特别是在一个任何可测量的环境中,数据丢失的风险比以往更大。企业必须记住,孤立地使用物联网、大数据或人工智能无法快速取胜,Gharibian-Sak接着说:“我们总是寻找能够解决所有问题的一个方案,但物联网设备、传感器、机器人技术和人工智能是同一系统中的不同所有组成部分,如果没有这种整体观点,将需要很长时间才能取得巨大成功。”
物联网、大数据和人工智能相互融合并创建自动化生态系统。物联网设备收集数百万条标准的数据,然后在云中进行整理,用于训练和改进人工智能算法。物联网、大数据和人工智能相互联系,相互促进。未来,必将带来新世界的巨变。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15