【呼多多百應機器人】從融合洞見AI未來，看雲端計算、大資料與AI之間的關係
導讀： 在黑科技層出不窮的AI行業，各種新技術常常令人眼花繚亂。或者你已經瞭解了AI與大資料之間的關係，也弄明白了什麼是ML和DL，但是一個新的概念又要重新整理你的知識庫——AI與雲端計算的融合。
在黑科技層出不窮的AI行業，各種新技術常常令人眼花繚亂。或者你已經瞭解了AI與大資料之間的關係，也弄明白了什麼是ML和DL，但是一個新的概念又要重新整理你的知識庫——AI與雲端計算的融合。
AI是什麼？
這個問題其實還是比較複雜的，簡單的說AI（Artificial Intelligence）是利用計算機來對人的意識、思維資訊過程、智慧行為進行模擬（如學習、推理、思考、規劃等）和延伸，使計算機能實現更高層次的應用。ML（Machine Learing）是AI下的一個子集，簡單的理解一下就是從資料中學習的AI叫做機器學習，機器學習是指從一系列的原始資料中提取人們可以識別的特徵，然後通過學習這些特徵，最終產生一個模型。而DL（Deep Learning）是ML的一個子集，用複雜、龐大的神經網路進行機器學習，也是機器學習裡面現在比較火的一個Topic，目前在影象、語音等富媒體的分類和識別上取得了非常好的效果。
綜合來說，可以理解為：所有的機器學習都是人工智慧，但不是所有的人工智慧都是機器學習。例如，符號邏輯、規則引擎、專家系統和知識圖都可以被描述為人工智慧，它們都不是機器學習。將機器學習與知識圖和專家系統分開的一個方面是它在暴露於更多資料時修改自身的能力；即機器學習是動態的，不需要人為干預來做出某些改變。這使得它不那麼脆弱，更不依賴於人類專家。
AI作為人工智慧未來最大的變革之一，是否能成為一種“趨勢”還未知，因為AI技術需要的資料樣本和硬體投入都非常高，只有那些滲透到生活場景中的科技公司才有能力去經營這一事業，就比如Facebook的DeepFace人臉庫、2018世界人工智慧大會中BAT對於人工智慧的佈局、科大訊飛的智慧語音平臺、極鏈科技Video＋＋的ASMP等。能積累到龐大資料規模的企業屈指可數，所以與其說AI與雲端計算融合是一個科技趨勢，不如說這是一場企業與企業之間逐漸拉開距離的長跑。
而在實際應用方面，AI主要應用在機器視覺、生物識別、編碼遺傳、專家系統、機器人學上。雲端計算則是將伺服器、儲存器、儲存裝置以及網路等資源打包成雲端，為客戶提供相關的按使用量付費的模式，大資料則是將結構化資料和非結構化資料形成的所有資料整合起來，用以分析發現數據背後相關關係的資訊資產。
大資料與雲端計算是原料與機器之間的關係，光有大資料，那麼就只是一堆單純的資料而已，而有了雲端計算，則可以對這些資料進行分析，從而變成有用的資訊。AI與雲端計算就是這樣的一種存在，兩者都可以進行計算，但AI進行學習，雲端計算則負責進行分析。AI現在之所以火爆，就是因為其關鍵的技術，那就是深度學習，而這項技術恰恰是在雲端計算與大資料日趨成熟之後才得到實質性進展的。2006年是人工智慧的一個拐點，因為資料量越來越大，計算能力越來越強，過去不實用的到了2006年都逐步進入了實用階段，在通往人工智慧的這條路上，大資料和雲端計算則成為了堅固的三角關係。