
数据安全成网友最大担忧
过去一周,人工智能领域很热闹:先是百度推出智能秘书服务“度秘”,以其呆萌的性格和强大的信息搜集筛选能力掀起了新一波的“调戏机器人”热潮;紧接着,腾讯财经用机器算法自动生成了一则新闻,其速度与效率让人惊叹。
在这些人工智能的背后,是基于大数据及智能算法的机器学习。尽管当前仍然更像是可有可无的玩具,但舆论普遍认为,人工智能的发展将改变人类的生活。
就在人工智能汹涌来袭的同时,我国大数据产业发展也正迎来春天。国务院印发《促进大数据发展行动纲要》,对我国大数据发展进行了顶层设计和统筹部署。而工信部正在制定中的《大数据产业“十三五”发展规划》也呼之欲出。而无论是人工智能还是数据产业的发展,数据安全都将成为最主要的担忧。
大数据将重构产业格局
9月10日,工信部信息化和软件服务业司司长陈伟透露,工信部正在制定《大数据产业“十三五”发展规划》,支持大数据技术和产业创新发展,提升大产业支撑能力,培育新业态新模式。
此前,国务院印发了《促进大数据发展行动纲要》,对我国大数据发展进行了顶层设计和统筹部署。纲要提出,在未来10—15年逐步实现以下目标:打造精准治理、多方协作的社会治理新模式,2017年底前形成跨部门数据资源共享共用格局;建立运行平稳、安全高效的经济运行新机制。
舆论对行动纲要的解读认为,随着我国经济发展进入新常态,大数据将在稳增长、促改革、调结构、惠民生中承担越来越重要的角色,在经济社会发展中的基础性、战略性、先导性地位也将越来越突出。同时,大数据也将重构信息技术体系和产业格局,为我国信息技术产业的发展提供巨大机遇。行动纲要的出台,赋予了大数据作为建设数据强国、提升政府治理能力推动经济转型升级的战略地位。
国家对于大数据的重视,也获得了网友的热评。网友“夏日之阳”指出:“政府和企业利用大数据,可以获得反馈,从而更好地指导政府和企业的活动,这是大数据发展纲要的真义。”
而令网友感到担忧的,是数据信息开放共享之后带来的安全问题,尤其是隐私问题。对此陈伟介绍,工信部已经在组织起草《大数据标准化白皮书》,制定大数据标准体系,未来将研究制定网络数据采集、传输、存储、使用管理的标准规范,加大对隐私信息保护、网络安全保障、跨境数据流动的管理。
人工智能渗透生活服务
基于云端大数据和深度算法的优化结合,人工智能也正在呈现出越来越实用的表现。
9月8日,百度推出的人工智能“度秘”,也火了一把。在此之前,广为网友所知晓的智能机器人是微软推出的“小冰”,以及苹果公司的Siri。网友通过语音或文字输入,就可以实现和智能程序的对话、或者下达命令。
有网友对上述三款人工智能程序进行了评测,发现基于算法,机器人们都已具备了一定的智商和情商。其中,“小冰”被网友戏称为“为唠嗑而生”的机器人,不仅能实现连续性的模拟交互对话,甚至还具备或“傲娇”或逗趣的个性,卖萌、吐槽无所不能;而Siri由于作为苹果电子产品的内置程序而存在,更多地像一个中规中矩的机器人,以执行系统内指令为主;而百度此番推出的“度秘”,则“人”如其名,更接近一位私人秘书的即视感,提供餐饮、电影、酒店等场景的信息筛选服务。
无独有偶,就在百度的“度秘”出尽风头之时,腾讯财经一篇号称“由机器人自动写作”的新闻稿件出炉,在这篇题为《8月CPI涨2%创12个月新高》的新闻中,既拥有最新发布的经济统计数据,还有着专家的分析,而这些内容,都是由基于大数据的算法自动从网络上抓取信息并罗列而成。
对于人工智能的汹涌来袭,舆论纷纷予以关注,称“人工智能已经开始从实验室爬出来,渗透生活的方方面面”。尽管不少严谨的科技派网友指出当前的人工智能还更多的只是作为“可有可无的玩具”而存在,距离实用应用还很遥远,未来的发展更存在数据安全的隐患。
不过,舆论普遍认同人工智能即将为人类生活带来的更美好未来。“习惯的改变与技术本身的进化相伴而行,最终带来市场应用的质变,毫无疑问人工智能改变我们生活的过程将远比许多人所认为的要迅速。比如5年前,你哪里想得到打车、吃饭、购物所有事项都可以用手机轻松支付的时代会来得这么快呢?”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10