當AI遇到大數據 聽業界大咖們怎麼說

伴隨著AI應用的興起，大數據獲得了「第二春」。

記得2014年，在經過一番發酵之後，大數據的概念終於成為了IT行業的熱門，也引得眾多企業爭相談論。但是聊來聊去，許多人發現大眾口中的「大數據」還很虛幻，一方面當時大數據應用的基礎架構Hadoop還不是那麼成熟，另一方面對於大數據的應用，業界也沒有拿出切實有效的解決方案。

大數據就是年輕人談性，我說你做過，你說我做過，大家誰都沒有做過。

事實上，在2014年的時候許多大數據的應用就處於這樣的狀態。應該說，這種局面的形成一方面是因為那時候的業務壓力和應用環境遠沒有現在這麼大，另一個原因則是大眾對於數據本身的認知也沒有這麼深刻。但是伴隨著2016年人工智慧浪潮的出現，大數據的概念終於煥發出了新的活力，「數據」這個名詞所代表的不再是冷冰冰的文件或者數字，而是散發著耀眼光芒的一座座金山銀山。

之所以有這樣的變化，恰恰是因為人工智慧技術對於數據的需求量巨大。所謂人工智慧實現的三大要素，即演算法、數據和計算力。這其中，演算法從人工智慧誕生的時代開始就一直存在，而在最近幾年突飛猛進獲得發展的則要數數據和計算力。恰恰是因為有了相對大幅發展的計算力，有了視頻時代的海量的、非結構化的數據，才讓人工智慧有了重新騰飛的可能性。

人工智慧如果是一個孩子的話，數據就是奶粉。孩子吃的越多，長的越大，奶粉的質量越好，孩子智力水平就越好。所以數據越大，數據質量越好，人工智慧所達到的水平就越高——希捷科技全球副總裁暨中國區總裁 孫丹

上面這段話來自在前不久進行的「大數據下的人工智慧」高峰論壇中，當時孫丹女士作為受邀嘉賓，與IDC副總裁蔡垂淦、中科院計算所計算機體系結構國家重點實驗室研究員及博士生導師、國家超算濟南中心主任張雲泉等業界專家一道，對人工智慧與大數據的發展進行了深度交流。也正是這個擬人化的比喻，讓更多人了解到人工智慧當今發展的現狀。

其實從這場論壇的嘉賓配置中，我們就能看出一些端倪。這其中既有來自國際著名分析機構IDC的專家、也有代表中國最高科研水平的中科院研究員，還有包括希捷和百度這樣企業界的代表，是很典型的產學研交流論壇。事實上，在當天的論壇中，各位嘉賓也發表了不少真知灼見，為人工智慧與大數據的發展提供了新的思路。

誠然，雖然人工智慧發展已經有了60多年的歷史，但是就技術與應用來說它的確還處於」嬰兒期「。很明顯的一點是，當今許多應用還是需要藉助於人類的判斷來完成，特別是對於那些需要細微、專註和專業的工作來說，還都是依靠人類的力量。

張雲泉研究員列舉了兩個非常生動的例子——醫療影像的識別和高鐵輪軌磨損鑒定。這兩個項目都需要極其強大的耐心和敏銳的洞察力才能完成。無論是每天盯著X光片還是每天盯著軌道的縫隙查看，都是一項非常耗費精力的工作。相對來說，這也恰恰是人工智慧的強項。

「如果可以提供高質量標準數據的話，我們經過深度學習演算法應用，是可以學出來的。學出來以後就可以大量的把人工換掉，現在從測試結果來看……這個效果現在已經不錯了，已經減少了70-80%的人力」，張雲泉研究員說。

相比科學家從人類發展與行業應用的角度來說，百度公司主任系統架構師、百度系統部技術委員會主席崔永新則更關注實際應用中的人工智慧與大數據應用相結合。他特別以百度為案例，說明了人工智慧預測的重要性：

「百度的數據中心中，硬碟數量是以百萬計的。每年1%的硬碟故障率已經非常低，但是對於百度來說發生一個數據丟失或者損壞就可能造成非常可怕的後果。於是在經過多方考量之後，百度採用了希捷智能硬碟。這款硬碟可以每2秒鐘採集十幾個關鍵指標，之後通過分析這些數據對故障表現進行預判，進而實現在故障發生之前進行替換。」

「現在我們可以預測到50%的故障損壞。當一塊硬碟即將損壞的時候，我們就讓運維人員馬上將業務轉移、將把關鍵數據備份」。毫無疑問，當面對一座數據中心成千上萬台伺服器的時候，依靠個人是無法準確預測硬碟故障時間的。但是有了希捷智能硬碟的數據分析，有了人工智慧的系統，百度數據丟失的問題大大降低了。

但是，類似百度這樣的企業還是少數，對於大多數企業來說，數據問題依然是困擾他們的焦點。「企業都面臨最大的一個挑戰，到底應該存什麼？不存什麼？我存下來的是不是我需要的？」，孫丹女士在演講中提到的這個問題或許每個企業都遇到過，但是並非所有企業都能提供有效的解決辦法。

但是AI的出現給了這些企業新的選擇方向。據權威分析機構IDC預測，在未來十年間，全球數據圈將達到現在的10倍，而認知系統/人工智慧「觸及」的分析數據總量將增長至原來的100倍。「人工智慧可以有效優化我們的工作流程」，蔡垂淦表示。他同時列舉了花旗銀行和美國洛杉磯電力監測的案例，來說明藉助於人工智慧技術，可以有效的將人類從繁瑣的、單調的甄別工作中解脫出來，從而實現更高附加值的勞動。

現場嘉賓、至頂網總經理兼總編輯高飛也從企業業務的角度提煉出智能決策的量大核心方向：「第一個就是你自己掌握的資產是什麼樣的，第二個就是你要解決的問題是什麼，把這兩個做最有效的關聯是這些企業決策者優先要考慮的問題。」

「人工智慧現在的環境適合解決兩類問題，第一類問題是高度重複的問題，第二個問題就是有經驗的人用一秒鐘就可以判斷的問題，但是沒有經驗的人很難判斷的問題」，崔永新援引某位人工智慧專家的話，對於人工智慧應用環境與模型進行了總結。

最終，這場訪談在嘉賓們愉快的討論中接近尾聲。其實對於人工智慧的話題，對於數據驅動人工智慧的現狀，在場嘉賓從科研、應用等層面進行了多角度的分析和展望，談到未來的時候，孫丹女士還提出了3D列印器官和生物機器人的概念。無論如何，伴隨著數據的積累和人工智慧應用的發展，我們的生活應該會變得更好。

後記：目前，人工智慧還達不到類似好萊塢電影中那樣的智能效果，哪怕是《終結者2》的場景都難以實現。但是就如張雲泉研究員提到的， 對於那些有固定規則、有準確方法的判斷類工作，人工智慧完全可以實現比人類更高的效率、更準確的識別率。

畢竟，人會疲勞會懈怠，而且需要吃飯喝水上廁所，但是機器完全不需要。並且在這個過程中，機器還可以不斷的學習和完善，實現知識的快速積累和迭代，最終超過人類。

機器超過人類的這個問題，許多人不願意承認，但是自從谷歌的Alpha Go經過不斷迭代打敗了李世石、聶衛平和柯潔之後，證明了具備人工智慧的機器確實可以在某些方面超過人類，這樣的結果也引起了許多人的恐慌。其實仔細想起來，這個結果一點都不奇怪，甚至可以說是必然的。

不信你想想——說起玩遊戲，你連當年的小霸王打不過，何況是如今最先進的電腦？

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！