大数据VS人工智能公平吗？在某种程度上是，但首先让我们弄清楚它们之间的区别。人工智能和大数据是人们耳熟能详的流行语，但也可能存在一些混淆。人工智能和大数据有何异同？他们有什么共同点吗？它们相似吗？能否进行有效比较？这两种技术的共同点之一是兴趣。NewVantagePartners对企业高管进行的大数据和人工智能调查发现，97.2%的企业高管表示他们的公司正在投资、构建或启动大数据和人工智能计划。更重要的是，76.5%的企业高管认为人工智能和大数据密切相关，数据的更高可用性正在增强组织内的人工智能和认知。有些人认为将人工智能和大数据结合起来是一个自然的错误，部分原因是两者实际上是一样的。但它们是完成同一任务的不同工具。但首先要做的是弄清楚两者的定义。许多人不知道这一点。“我发现很多人并不真正了解大数据或大数据分析，或者只是通过一些突出的例子了解人工智能，”咨询巨头普华永道会计师事务所的高级研究员艾伦莫里森说。人工智能和大数据他说，人工智能和大数据的区别在于，大数据是原始输入，需要在有用之前进行清理、结构化和集成，而人工智能是输出，即来自处理数据。这使得两者有着根本的区别。人工智能是一种计算形式，它允许机器执行认知功能，例如对输入进行操作或响应，类似于人类的操作方式。传统的计算应用程序也会对数据做出反应，但反应和响应必须手动编码。如果发生任何类型的错误，如意外结果，应用程序将无法做出反应。人工智能系统不断改变它们的行为以适应不断变化的发现并修改它们的响应。支持AI的机器旨在分析和解释数据，然后根据这些解释解决问题。通过机器学习，计算机学习如何对特定结果采取行动或作出反应，并知道在未来采取相同的行动。大数据是传统计算的一种。它不根据结果采取行动，它只是寻找结果。它定义了非常大的数据集，但也可以极其多样化。在大数据集中，可以有结构化数据，例如关系数据库中的事务数据，也可以有结构化或非结构化数据，例如图像、电子邮件数据、传感器数据等。它们的用法也不同。大数据主要是获得洞察力，比如Netflix网站可以根据人们观看的内容了解电影或电视节目，并向观众推荐哪些内容。因为它考虑到了顾客的习惯和他们喜欢什么内容，推断出顾客很可能会有同感。人工智能与决策制定和学习做出更好的决策有关。无论是自我调整软件、自动驾驶汽车还是检查医学样本，人工智能都将执行与人类之前相同的任务，但速度更快，错误更少。人工智能和大数据协同工作虽然它们有很大的不同，但人工智能和大数据仍然可以很好地协同工作。这是因为AI需要数据来构建其智能，尤其是机器学习。例如，机器学习图像识别应用程序可以查看数以万计的飞机图像，了解是什么造就了它们，以便将来能够识别它们。当然，这是数据准备的重要一步，Morrison指出，“人们开始使用的数据是大数据，但为了训练模型，数据需要结构化和集成得足够好，这样机器才能可靠地识别data.schema中的有用功能。”大数据提供了大量的数据，有用的数据首先要从大量的数据中心中分离出来，然后才能做任何事情。人工智能和机器学习中使用的数据已经被“清洗”，无关的、重复的和不需要的数据已经被清理干净。去掉所以这是第一步之后AI才能蓬勃发展一旦他们完成了初始训练。随着数据的变化，他们将不断接收新数据并调整他们的行动。因此，数据是初始的和持续的。两种计算都使用模式识别，但方式不同。大数据分析发现模式通过顺序分析，有时是冷数据，或者还没有收集到的数据。Hadoop，大数据分析的基本框架，是一个批处理过程，最初设计为在服务时运行一整夜呃利用率低。机器学习从收集的数据中学习并不断收集。例如，自动驾驶汽车从不停止收集数据，并不断学习和完善其流程。数据总是新鲜的，并且总是可操作的。大数据在人工智能中的作用人工智能一直备受人们关注。很多人还记得1999年上映的一部电影《黑客帝国》的情节，人类与变得更聪明的机器殊死搏斗。但实际上，直到最近，人工智能一直是一种边缘技术。人工智能的最大飞跃是大规模并行处理器的出现，特别是GPU，它是具有数千个内核而不是CPU中的数十个内核的大规模并行处理单元。这显着加快了现有人工智能算法的速度，并使它们现在变得可行。大数据可以使用这些处理器，机器学习算法可以学习如何重现某些行为，包括收集数据以加速机器。人工智能不像人类那样推断结论。它通过反复试验来学习，这需要大量数据来教授和训练AI。人工智能应用的数据越多，其结果就越准确。过去，由于处理器速度慢和数据量小，人工智能的效果并不好。当时没有像今天这样先进的传感器，互联网也没有广泛普及，因此很难提供实时数据。今天，人们拥有他们需要的一切：快速处理器、输入设备、网络和海量数据集。毫无疑问，没有大数据就没有人工智能。
