人工智能需要什么樣的大數(shù)據(jù)？

 當(dāng)今，隨著物聯(lián)網(wǎng)、云計(jì)算、5G等新一代高新技術(shù)的快速發(fā)展，人工智能和大數(shù)據(jù)技術(shù)也得到了很大的發(fā)展。然而，隨著人工智能的不斷發(fā)展，我們不得不面臨一些問題，例如：我們真的準(zhǔn)備好與人工智能共同發(fā)展了嗎?我們該如何規(guī)劃人工智能時(shí)代的未來生活?等。

本月底，2019世界人工智能大會將在黃浦江畔揭開序幕。李開復(fù)、王詠剛將著作《人工智能》精編為系列短文，試析與AI相關(guān)的若干關(guān)鍵問題。

目前的深度學(xué)習(xí)主要是建立在大數(shù)據(jù)的基礎(chǔ)上，即對大數(shù)據(jù)進(jìn)行訓(xùn)練，并從中歸納出可以被計(jì)算機(jī)運(yùn)用在類似數(shù)據(jù)上的知識或規(guī)律。那么，到底什么是大數(shù)據(jù)呢?

人們經(jīng)?；\統(tǒng)地說，大數(shù)據(jù)就是大規(guī)模的數(shù)據(jù)。

這個(gè)說法并不準(zhǔn)確。“大規(guī)模”只是指數(shù)據(jù)的量而言。數(shù)據(jù)量大，并不代表著數(shù)據(jù)一定有可以被深度學(xué)習(xí)算法利用的價(jià)值。例如，地球繞太陽運(yùn)轉(zhuǎn)的過程中，每一秒鐘記錄一次地球相對太陽的運(yùn)動(dòng)速度、位置，這積累多年，得到的數(shù)據(jù)量不可謂不大，但是，如果只有這樣的數(shù)據(jù)，其實(shí)并沒有太多可以挖掘的價(jià)值，因?yàn)榈厍驀@太陽運(yùn)轉(zhuǎn)的物理規(guī)律，人們已經(jīng)研究得比較清楚了，不需要由計(jì)算機(jī)再次總結(jié)出萬有引力定律或廣義相對論來。

那么.大數(shù)據(jù)到底是什么?大數(shù)據(jù)是如何產(chǎn)生的?什么樣的數(shù)據(jù)才最有價(jià)值，最適合作為計(jì)算機(jī)的學(xué)習(xí)對象呢?

根據(jù)馬丁•希爾伯特(Martin Hilbert)的總結(jié)，今天我們常說的大數(shù)據(jù)其實(shí)是在2010年后，因?yàn)樾畔⒔粨Q、信息存儲、信息處理三個(gè)方面能力的大幅增長而產(chǎn)生的數(shù)據(jù)。

從應(yīng)用角度來說，今天的大數(shù)據(jù)越來越多地呈現(xiàn)出以下一種特性：

大數(shù)據(jù)越來越多地來源于生產(chǎn)或服務(wù)過程的副產(chǎn)品，但在價(jià)值上卻往往超過了為了特定目的專門采集的數(shù)據(jù)。

例如，谷歌的大數(shù)據(jù)雖然主要從搜索引擎的日常使用中獲得，但如果深入挖掘，這些數(shù)據(jù)往往具有非常高的價(jià)值。谷歌曾利用全球用戶查詢中，涉及流行性感冒的關(guān)鍵詞的出現(xiàn)頻率變化情況，對2003年到2008年全球季節(jié)性流感的分布和傳播進(jìn)行跟蹤與預(yù)測。這一預(yù)測的覆蓋規(guī)模和價(jià)值甚至超出了各國衛(wèi)生部門專門收集相關(guān)數(shù)據(jù)所做的預(yù)測。

大數(shù)據(jù)往往可以取代傳統(tǒng)意義上的抽樣調(diào)查。例如，按照傳統(tǒng)方式，電視臺某個(gè)節(jié)目的收視率往往要由專業(yè)調(diào)查公司通過抽樣調(diào)查的方式，通過電話拜訪等渠道獲得抽樣數(shù)據(jù)，再估算收視率?，F(xiàn)在，有了微博或類似的社交網(wǎng)絡(luò)，我們可以直接利用微博上每時(shí)每刻產(chǎn)生的大數(shù)據(jù)，對電視節(jié)目、電影、網(wǎng)絡(luò)節(jié)目的熱門程度進(jìn)行分析，其準(zhǔn)確性往往超過傳統(tǒng)的抽樣調(diào)查方式。

許多大數(shù)據(jù)都可以實(shí)時(shí)獲取。例如，每年雙十一，在阿里的淘寶、天貓這樣的電子商務(wù)平臺上，每時(shí)每刻都有成千上萬筆交易正在進(jìn)行，所有這些交易數(shù)據(jù)在阿里交易平臺的內(nèi)部，都可以實(shí)時(shí)匯總，供人們對雙十一當(dāng)天的交易情況進(jìn)行監(jiān)控、管理或分析、匯總。一部分?jǐn)?shù)據(jù)的時(shí)效性非常強(qiáng)，如果不能實(shí)時(shí)利用，則數(shù)據(jù)的附加值會大幅降低。大數(shù)據(jù)的實(shí)時(shí)性為大數(shù)據(jù)的應(yīng)用提供了更多的選擇，為大數(shù)據(jù)更快產(chǎn)生應(yīng)用價(jià)值提供了基礎(chǔ)。

大數(shù)據(jù)往往混合了來自多個(gè)數(shù)據(jù)源的多維度信息。一份微博用戶的ID列表雖然很有價(jià)值，但并不容易轉(zhuǎn)換成商業(yè)應(yīng)用所需要的完整信息。假如能利用用戶ID，將用戶在微博上的社交行為，和用戶在電子商務(wù)平臺如淘寶、京東等的購買行為關(guān)聯(lián)起來，通過對不同來源的大數(shù)據(jù)的整合，采集到更多維度的數(shù)據(jù)，就可以向微博用戶更準(zhǔn)確地推薦他最喜歡的商品。聚合更多數(shù)據(jù)源，增加數(shù)據(jù)維度，這是提高大數(shù)據(jù)價(jià)值的好辦法。

有大數(shù)據(jù)就有人工智能的機(jī)會

人工智能時(shí)代，深度學(xué)習(xí)和大數(shù)據(jù)成了密不可分的一對兒。深度學(xué)習(xí)可以從大數(shù)據(jù)中挖掘出以往難以想象的有價(jià)值的數(shù)據(jù)、知識或規(guī)律。簡單來說，有足夠的數(shù)據(jù)作為深度學(xué)習(xí)的輸入，計(jì)算機(jī)就可以學(xué)會以往只有人類才能理解的概念或知識，然后再將這些概念或知識應(yīng)用到之前從來沒有看見過的新數(shù)據(jù)上。

谷歌的圍棋程序AlphaGo已經(jīng)達(dá)到了人類圍棋選手無法達(dá)到的境界，沒有人可以與之競爭，這是因?yàn)锳lphaGo在不斷進(jìn)行學(xué)習(xí)。AlphaGo不但從人員專業(yè)選手以往的數(shù)百萬份棋譜中學(xué)習(xí)，還可以從自己和自己的對弈棋譜中學(xué)習(xí)。

基于大數(shù)據(jù)的深度學(xué)習(xí)到底如何在現(xiàn)實(shí)生活中發(fā)揮作用呢?一個(gè)非常好的例子是，計(jì)算機(jī)可以通過預(yù)先學(xué)習(xí)成千上萬張脫敏的人臉圖片，掌握認(rèn)識和分辨人臉的基本規(guī)律。然后，計(jì)算機(jī)可以記住全國所有通緝犯的長相。沒有一個(gè)單獨(dú)的人類警察可以做到這一點(diǎn)。這樣一來，全國的安防系統(tǒng)只要接入了這套會識別通緝犯相貌的計(jì)算機(jī)程序，通緝犯在公共場合一露面，計(jì)算機(jī)就可以通過監(jiān)控?cái)z像頭采集的圖像將通緝犯辨認(rèn)出來。大數(shù)據(jù)和深度學(xué)習(xí)一起，可以完成以前也許需要數(shù)萬名人類警察才能完成的任務(wù)

任何擁有大數(shù)據(jù)的領(lǐng)域，我們都可以找到深度學(xué)習(xí)一展身手的空間，都可以做出高質(zhì)量的人工智能應(yīng)用。任何有大數(shù)據(jù)的領(lǐng)域，在合法合規(guī)的前提下，都有創(chuàng)業(yè)的機(jī)會。