京公网安备 11010802034615号
经营许可证编号:京B2-20210330
深度学习+大数据? “人工智能”标准有待厘清
人工智能现在是一个大热的词儿,彭博信息研究公司的调查结果表明,最近两年,人工智能在很多公司的电话会议记录中出现的频率大幅上升,收购人工智能的意向也开始增多。不过,人们对人工智能的认识却莫衷一是,但凡和自动化沾边的软件、机器等,常常被放进人工智能这个大筐里。
当地时间2017年6月7日,瑞士日内瓦,在国际电信联盟(ITU)举办的“人工智能”全球峰会上,汉森机器人公司研发的类人机器人Sophia亮相。
目前人们对人工智能的认识,其实大多来自小说、电影中的艺术形象,从电影《异形》中的冷血仿真人大卫,到《星球大战》中萌感十足的机器人C—3PO。这些形象往往具有与人类相仿的外形、思维方式甚至感情,并且在力量等方面超过人类。基于这种认识,人工智能常常被等同于机器人;“阿尔法狗”则让一些人把人工智能与计算机程序画上了等号;甚至推特之前对内容进行简单的优化,也被一些人认为推特在努力“让人工智能变得更加智能”……
讨论人工智能的标准,得从计算机的诞生说起。上世纪50年代以来,“图灵测试”普遍被认为是判断机器能否称为人工智能的标准。但在很长一段时间里,人工智能仅停留在研究阶段,2006年开始的第三次人工智能热潮,将人工智能从实验室推向了实际应用,并创造出真正的价值,人工智能成为一个新的投资风口。
人工智能的核心在于三大技术汇流:一是以深度学习为核心的算法的演进;二是计算机处理能力和运算速度的提高,能高效识别文字,能听声辨图;三是互联网技术的发展,产生广泛、海量的数据。“机器”凭借卓越的计算能力、利用深度学习方法、以海量数据为素材进行训练,智能程度显著提高。就如美国佐治亚理工学院研究者查尔斯·伊斯贝尔所描述的:真正的人工智能要求计算机程序或机器展示出自我管理能力、表达情绪和创新性。因此,当前的人工智能=深度学习+大数据,这是一个最具时代精神、也最为普遍接受的认识。
人工智能并不总以机器人的形态出现,在很多情况下,它甚至是以不可视的形态存在的。苹果手机的语音助手“Siri”就是只闻其声、不见其形。相反,以机器人甚至人形机器人形态出现的机器,有许多并未达到人工智能的程度,而且,人工智能也不是超级人脑,因为它与人类大脑的工作原理存在巨大差别。
明确界定人工智能,为的是让人工智能更加有序地发展。我们既不能将人工智能泛神化,让产业失去起码的准入门槛,企业可以随便蹭“热点”,随心所欲为自己五花八门的产品贴上“人工智能”的标签;另一方面也无需将其妖魔化,至少在可见的未来,人工智能并不能凌驾于人类之上,更不会出现毁灭人类的可怕后果。在人工智能本性问题的讨论上,佐治亚理工学院交互计算教授伊恩·博戈斯特的观点或许更加接近真相:它们是人类制造的装置,运行人类编写的软件,充斥着二者的优缺点。当然,这样的观点并不能改变人工智能成为下一个技术前沿和产业风口的现实,也削弱不了其打破世界秩序的潜力。
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14