大数据与人工智能在应用层面的融合

在大数据诞生以前，智慧很难通过机器得到。各个行业的智慧发现都是依赖各行业的专家。一个专家的能力与他经验知识的积累密切相关，他所积累的知识越多，做出正确抉择的可能性越大。但人类专家的工作不仅效率低下，而且准确性也较差，特别是在经验或数据缺乏的情况下，专家们往往依靠直觉做判断，更加剧了结果的不准确性。

从数据中获得智能，当前有2个相对独立但又相互关联的技术路线。一是大数据的分析挖掘技术，二是基于机器学习的人工智能（AI）技术。无论是分析挖掘技术还是机器学习技术，都是依托海量数据进行建模，并最终输出智慧。从应用的角度来看，这两种路线逐渐趋向融合，并可以在技术层面做演进与替代。

例如，对于电信领域的智能运维，当前是基于分析挖掘技术对网络数据进行分析大数据智能分析，定位网络故障，形成自动化运维闭环。未来可以采用深度学习技术，对网络数据进行建模，对网络故障进行更加准确的定位。从自动化运维角度看，并不关心底层使用的技术是分析挖掘还是深度学习，所能感知的只是分析准确度的提高。

在未来各类应用系统中，分析挖掘与人工智能并存演进将是普遍存在的现象，当前基于大数据技术构建的大多数应用系统，未来都或多或少地存在向AI系统演进的可能性。例如金融反洗钱反诈骗、智慧医疗、互联网舆情监测等，都可以同时受益于大数据与人工智能（AI）的技术进步，提供越来越智能的分析，提升生产效率。

（编辑：广州站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!