人工智能主要有三个分支：

1.基于规则的人工智能；

2.无规则，计算机读取大量数据，根据数据的统计、概率分析等方法，进行智能处理的人工智能；

3.基于神经元网络的一种深度学习。

基于规则的人工智能，在计算机内根据规定的语法结构录入规则，用这些规则进行智能处理，缺乏灵活性，不适合实用化。因此，人工智能实际上的主流分支是后两者。

而后两者都是通过“计算机读取大量数据，提升人工智能本身的能力/精准度”。如今，大量数据产生之后，有低成本的存储器将其存储，有高速的CPU对其进 行处理，所以才有了人工智能后两个分支的理论得以实践。由此，人工智能就能做出接近人类的处理或者判断，提升精准度。同时，采用人工智能的服务作为高附加 值服务，成为了获取更多用户的主要因素，而不断增加的用户，产生更多的数据，使得人工智能进一步优化。

大数据挖掘少不了人工智能技术

大数据分为“结构化数据”与“非结构化数据”。

“结构化数据”是指企业的客户信息、经营数据、销售数据、库存数据等，存储于普通的数据库之中，专指可作为数据库进行管理的数据。相反，“非结构化数据”是指不存储于数据库之中的，包括电子邮件、文本文件、图像、视频等数据。

目前，非结构化数据激增，企业数据的80％左右都是非结构化数据。随着社交媒体的兴起，非结构化数据更是迎来了爆发式增长。复杂、海量的数据通常被称为大数据。

但是，这些大数据的分析并不简单。文本挖掘需要“自然语言处理”技术，图像与视频解析需要“图像解析技术”。如今，“语音识别技术”也不可或缺。这些都是传统意义上人工智能领域所研究的技术。

搜索引擎中的大数据与人工智能

将大数据与人工智能结合运用最好的当属Google和Apple。

Google提供优化的搜索引擎服务，后台的人工智能随着用户的使用而不断进化，使用的用户越多，搜索引擎也将越优化，优化之后，用户自然也就更多。除 了搜索引擎，Google还通过Gmail、Google Docs等获取大量的“非结构化数据”。这样一来，Google的“大脑”就变得更加聪明了。

此外，Google还研发了“语义搜索”的进化系统；Apple的语音识别技术Siri也是基于最新人工智能理论(深度学习）构建的。

反过来看，现代的人工智能进化，不仅需要理论研究，还需要大量的数据作为原料。

汽车中的大数据与人工智能

2014年年初，Google联合奥迪、通用、本田、现代以及Nvidia成立了一个新的合作团体：开放汽车联盟(Open Automotive Alliance)；而Apple在去年６月就涉足汽车领域，推出了“iOS in the Car”（通过Siri语音操作可以实现导航、通话、音乐播放等服务）。

最近，Google又宣布将于2017年向市场投入自动驾驶汽车，2013年8月已经完成了48万公里的试驾。48万公里试驾的大数据成为了行驶经验数据，为人工智能的自动驾驶提供了决策分析依据。

颠覆式创新源自大数据+人工智能

Google和Apple已经给汽车等传统行业带来了深深的危机感。而他们的颠覆式创新，其实是来自大数据与人工智能的结合。或许这一点非常值得我们思考。同样的现象、同样的颠覆会不会发生在更多的，甚至是所有的其他传统产业中呢？