趙方宇

（北京景山學(xué)校遠洋分校，北京 100040）

1 大數(shù)據(jù)和人工智能的基本概念

隨著計算機技術(shù)的發(fā)展，人們希望計算機能夠在某些方面達到人類水平從而替代人類以改善我們的生產(chǎn)或生活。比如，工業(yè)機器人可以替代工人在流水線上持續(xù)工作，自動駕駛汽車可以解放駕駛?cè)说碾p手。這些應(yīng)用都離不開人工智能技術(shù)的發(fā)展。目前，計算機只能實現(xiàn)針對某些特定領(lǐng)域的人工智能，比如AlphaGo在圍棋領(lǐng)域能夠戰(zhàn)勝人類高手。人工智能取得的成績離不開對海量歷史數(shù)據(jù)的分析和挖掘。而這些數(shù)據(jù)通常具有容量大、更新速度快、格式多樣、信息價值密度低等大數(shù)據(jù)特點，因此采用傳統(tǒng)的數(shù)據(jù)處理方法難以有效地獲取、存儲、管理和分析這些數(shù)據(jù)，這就需要開發(fā)大數(shù)據(jù)技術(shù)去處理這些問題。此外，大數(shù)據(jù)技術(shù)在處理海量數(shù)據(jù)過程中需要相應(yīng)的人工智能技術(shù)提供輔助，比如通過傳統(tǒng)的統(tǒng)計機器學(xué)習(xí)方法對數(shù)據(jù)進行分類?？傊?，大數(shù)據(jù)技術(shù)中的信息處理，需要人工智能的幫助；而人工智能技術(shù)中的數(shù)據(jù)處理，又需要大數(shù)據(jù)技術(shù)的幫助。

2 大數(shù)據(jù)和人工智能的關(guān)系分析

2.1 大數(shù)據(jù)的必然性分析

大數(shù)據(jù)技術(shù)的發(fā)展提高了計算機處理海量數(shù)據(jù)的能力，同時加快了人工智能相關(guān)技術(shù)的變革，尤其是深度學(xué)習(xí)技術(shù)在多個領(lǐng)域廣泛有效的應(yīng)用，包括語音識別、計算機視覺、自然語言處理等。人工智能技術(shù)及其應(yīng)用的廣度與深度都發(fā)生了深刻變革，而這些變革的重要推動力主要源于大數(shù)據(jù)技術(shù)發(fā)展帶來的必然性影響。

具體來說，從早期圖靈對機器智能的探索到后來與認(rèn)知科學(xué)、心理學(xué)的結(jié)合再到現(xiàn)在深度神經(jīng)網(wǎng)絡(luò)的應(yīng)用，其研究發(fā)展方向慢慢轉(zhuǎn)向?qū)Υ髷?shù)據(jù)的依賴。早期人類對人工智能的認(rèn)識局限于直接打造具有人類思維的機器人，但是這種純粹模仿人類的方式忽略了機器的本質(zhì)特征，因為機器尤其是計算機的優(yōu)勢在于能夠快速且可靠地進行計算和處理數(shù)據(jù)。隨著大數(shù)據(jù)的發(fā)展，海量數(shù)據(jù)獲取的能力不斷提高，深度學(xué)習(xí)技術(shù)的發(fā)展得到了很大改善。深度學(xué)習(xí)在語音、視覺、文字等相關(guān)領(lǐng)域的優(yōu)秀表現(xiàn)充分展現(xiàn)了其強大的學(xué)習(xí)能力，即從大規(guī)模的數(shù)據(jù)中學(xué)習(xí)調(diào)整自身的參數(shù)，從而準(zhǔn)確的表達相應(yīng)的數(shù)據(jù)分布，實現(xiàn)相關(guān)的分類或者預(yù)測任務(wù)。其中，數(shù)據(jù)在其中發(fā)揮了原材料的作用，尤其是神經(jīng)網(wǎng)絡(luò)層數(shù)的增多需要的數(shù)據(jù)量也會成指數(shù)級增長。比如AlphaGo使用的強化學(xué)習(xí)技術(shù)，該技術(shù)需要機器算法自我更新迭代。AlphaGo需要從大量的人類對戰(zhàn)棋局中學(xué)習(xí)出何種對弈方式會大概率取勝從而不斷調(diào)整落子的決策，這對于人類來說是不可能完成的學(xué)習(xí)任務(wù)。具體來說，AlphaGo主要分為兩大部分，分別是落子決策網(wǎng)絡(luò)和價值評估網(wǎng)絡(luò)。落子決策網(wǎng)絡(luò)通過每個落子后可能的結(jié)局預(yù)測下一步應(yīng)該落在哪個位置勝率更大，而價值評估網(wǎng)絡(luò)則是用于預(yù)測對手可能的決策，從而更加準(zhǔn)確地預(yù)測棋局走向。這些網(wǎng)絡(luò)模型的訓(xùn)練過程需要大量人類對戰(zhàn)棋局作為訓(xùn)練集，從而學(xué)習(xí)出更加準(zhǔn)確的模型參數(shù)。此外，深度學(xué)習(xí)技術(shù)在計算機視覺領(lǐng)域的突出表現(xiàn)也是源于海量數(shù)據(jù)的獲取和處理。比如人臉識別中使用的卷積神經(jīng)網(wǎng)絡(luò)就是通過大量人臉圖片訓(xùn)練出網(wǎng)絡(luò)的參數(shù)。這些參數(shù)從不同層面表現(xiàn)了人臉圖片的內(nèi)在信息，比如是否是長頭發(fā)，是否是黑眼睛以及是否戴眼鏡等等。最后，大數(shù)據(jù)技術(shù)也在人工智能的一些新興應(yīng)用中發(fā)揮著巨大的作用。比如智能制造業(yè)中需要完成智能管理，智能裝配，智能營銷等過程，每個過程都需要大數(shù)據(jù)技術(shù)提供支撐，因為從海量數(shù)據(jù)中挖掘的有效信息可以指導(dǎo)制造過程，使管理更加便捷，使制造的產(chǎn)品更少出現(xiàn)殘次品。因此，大數(shù)據(jù)為人工智能技術(shù)的發(fā)展與應(yīng)用提供了強有力支持。

2.2 人工智能的促進作用分析

大數(shù)據(jù)技術(shù)主要針對大規(guī)模無規(guī)則數(shù)據(jù)的處理，包括數(shù)據(jù)的采集、存儲、管理以及挖掘使用。同時，這些處理過程的改善越來越依賴于人工智能技術(shù)的的參與，可以說大數(shù)據(jù)的一些關(guān)鍵技術(shù)也屬于人工智能的范疇。因此，人工智能的快速發(fā)展也促進了大數(shù)據(jù)相關(guān)技術(shù)的發(fā)展。

首先，人工智能技術(shù)的使用可以加快大規(guī)模數(shù)據(jù)的采集過程以及提高采集到的數(shù)據(jù)質(zhì)量。傳統(tǒng)的數(shù)據(jù)采集只能按照某種匹配模式抓取數(shù)據(jù)，但是不能實時監(jiān)控數(shù)據(jù)質(zhì)量，造成采集到大量無效或者低價值密度的數(shù)據(jù)。人工智能技術(shù)的應(yīng)用可以通過分析數(shù)據(jù)分布去除冗余數(shù)據(jù)，通過精確定位數(shù)據(jù)來源有針對性地提取重要數(shù)據(jù)。其次，人工智能技術(shù)優(yōu)化了大數(shù)據(jù)的存儲過程。通過人工智能相關(guān)技術(shù)分析存儲好的大數(shù)據(jù)，我們可以提煉大數(shù)據(jù)的內(nèi)在特征并壓縮大數(shù)據(jù)從而用更少的數(shù)據(jù)存儲空間表示更大規(guī)模的數(shù)據(jù)。比如，谷歌大腦團隊針對數(shù)據(jù)庫中的索引結(jié)構(gòu)提出相應(yīng)的深度學(xué)習(xí)模型，即分別用深度學(xué)習(xí)模型替換B-tree，HashTable以及BloomFilter等索引。簡單來說，通過學(xué)習(xí)欲存儲的數(shù)據(jù)的分布情況，他們分別得到相應(yīng)的深度學(xué)習(xí)模型的參數(shù)，然后用訓(xùn)練好的模型替代數(shù)據(jù)庫的索引，雖然損失了一些查找的精確度，但是大大降低了查找的時間以及空間復(fù)雜度，從而提高了存儲效率。最后，人工智能技術(shù)在大數(shù)據(jù)的使用挖掘中發(fā)揮了不可替代的作用，使大數(shù)據(jù)的應(yīng)用效率不斷提高。例如，基于人們出行的軌跡大數(shù)據(jù)，一些打車軟件會利用人工智能技術(shù)分析乘客出行數(shù)據(jù)特征并對用戶進行畫像，然后針對乘車需求規(guī)劃路徑以及給司機派單，從而可以針對不同的訂單數(shù)據(jù)合理分配車輛滿足人們的出行需求。此外，我們?nèi)粘Ｊ褂玫男侣勍扑]軟件、電商購物軟件等，都是通過大量用戶使用情況的數(shù)據(jù)給用戶精準(zhǔn)定位，分析用戶的喜好，然后個性化推薦相應(yīng)的服務(wù)，其中這種個性化推薦流程離不開人工智能技術(shù)的應(yīng)用?？傊?，大數(shù)據(jù)發(fā)揮價值的重要手段就是使用先進的人工智能技術(shù)不斷地從數(shù)據(jù)中挖掘有效信息然后表示為相應(yīng)的知識并用這些知識更好地服務(wù)于人。

3 結(jié)束語

近年來，人工智能技術(shù)在多個領(lǐng)域的應(yīng)用中取得了良好的效果。通過分析人工智能的發(fā)展歷史，我們發(fā)現(xiàn)其在特定領(lǐng)域取得良好的效果離不開大數(shù)據(jù)的支撐。本文通過分析發(fā)現(xiàn)，大數(shù)據(jù)在人工智能的一些關(guān)鍵技術(shù)以及應(yīng)用中起到了必然性作用，而人工智能技術(shù)也同時促進了大數(shù)據(jù)處理技術(shù)的發(fā)展。但是，大數(shù)據(jù)技術(shù)在人工智能中的應(yīng)用中依然面臨著一些挑戰(zhàn)，比如以深度學(xué)習(xí)為代表的神經(jīng)網(wǎng)絡(luò)技術(shù)對數(shù)據(jù)的可解釋性差。其次，人工智能技術(shù)在使用大數(shù)據(jù)的過程中需要更多地考慮數(shù)據(jù)安全以及用戶隱私保護，所以需要進一步規(guī)范數(shù)據(jù)的使用以及完善相應(yīng)的安全策略?？傊?，大數(shù)據(jù)和人工智能的結(jié)合，是實現(xiàn)計算機達到人類智能水平目標(biāo)的有效手段。