在一个人工智能项目中，最重要的是数据、算法还是处理？有人认为数据就像人工智能的汽油，重点应该是干净的数据、数据科学以及对数据含义的深刻理解。有人说没有上下文的数据就没有意义，上下文可能是其他数据、模型/算法或处理流程。让我们以简洁的方式探索AI的这些元素，以发现每个观点的优点。数据数据是起点，因为它是非常有用的资产。不管是真是假，人们相信数据承载着知识，而利用这些知识将使善于研究它的人受益。对于AI来说，从数据开始并通过从中学习来发挥其优势是有意义的。在数据量大、速度快的时代，用数据训练人工智能非常方便。企业做商业智能由来已久，很多工作都是围绕数据展开的。人工智能也不例外。原始数据一般是通过数据采集得到的，后续的数据清洗和数据标注等同于对数据进行加工处理，然后交给人工智能算法和模型进行调用。如果不能保证用于人工智能训练的数据足够多样化和无偏见，就可能会出现人为的“AI偏见”等问题。国内的京东众智、百度众包、阿里众包都是专注于AI数据的智能众包平台。算法了解算法相对于自然静态数据的优势非常重要。事实上，组织可以通过优化其业务的算法获得优势。找到正确的公式、统计模型或预测是真正的商业艺术。这些算法受到组织的保护，通常被认为是成功的秘诀。虽然它们依赖于干净的数据，但数学或逻辑的基本规则才是真正区分许多行业的因素。如果没有精算师和他们宝贵的算法，保险业将何去何从？人工智能也不例外。机器学习常用的算法有决策树、随机森林算法、逻辑回归、SVM、朴素贝叶斯、K近邻算法、K-means算法、Adaboost算法、神经网络、马尔可夫算法。人工智能算法可以根据模型训练方法和所要解决的不同任务分为几类。需要考虑的因素包括数据本身的数量、质量和特性、特定业务场景中的问题、计算时间和精度要求等。以适当的方式处理流程的正确步骤或任务，对质量至关重要获得的结果。流程是静态的、可重复的还是动态的、紧迫的，都没有区别。了解下一个最佳行动方案是获得最佳业务成果的关键。好的处理就是在正确的时间使用正确的数据和算法。由于流程的精确性，业务结果肯定是准确的，并且可以通过使用各种形式的监督的透明反馈周期进行适当调整。三个没有一个？真正的底线是你需要这三者才能获得长期成功。可以从这些元素之一开始，然后添加其他元素。随着机器学习发挥其威力，许多AI项目都从数据开始。但随着人工智能的发展，算法和处理程序也将成为不可忽视的要素。基于数据的人工智能目前运行良好，但随着问题的复杂性和范围扩大，算法和处理的重要性将更加突出。正如三角形需要三个边来稳定其形状一样，人工智能也需要所有这三个元素来完善自己。
