1704804610
1704804611
从百度这个例子可以看出，大数据的不同维度之间有着天然的（而非人为的）联系，因此我们可以从不同角度挖掘出很多有意思的结论。
1704804612
1704804613
如果人工智能了解一个美国人的出身背景、朋友、家庭以及他读的书、看的电影，它就能从这些维度的数据中，推断出他在联邦选举中的投票行为。
1704804614
1704804615
未来农业领域会是依靠多维数据进行决策的。水果蔬菜每天的生长数据、未来的气象数据、新增的订单数据、目标市场的人口变化数据、大宗商品交易行情……智能机器通过分析各种维度的数据，就可以精准决策未来的种植。
1704804616
1704804617
多维数据在医疗领域也大有用武之地。饮食习惯、运动习惯、使用手机的习惯、父母的健康情况、经济情况都可以影响一个人的身心健康，未来这些多元化的数据都能被收集到，并被相应的人工智能算法处理，从而得出更科学的诊断结果。
1704804618
1704804619
顺便说一句，每个维度都需要不少数据，这意味着数据量必须很大——大数据的第二个特征和第一个特征是分不开的。
1704804620
1704804621
大数据还有完备性这个特征。
1704804622
1704804623
完备的数据蕴藏着巨大的威力。比如中国的公安部门把近14亿中国人的面孔或指纹全部收集齐就是典型的完备数据，信息越完备，不确定性就越小，这对于安检工作有很大意义。1997年IBM的深蓝计算机之所以能战胜国际象棋大师卡斯帕罗夫，除了计算力强大，还因为它具备了数据的完备性。它全面收集了卡斯帕罗夫以及世界上其他高手过去的棋局数据，并进行了深入分析。
1704804624
1704804625
再来看美国的一个著名案例。2012年，统计学家纳特·西尔弗用大数据对美国总统大选进行预测，他预测了共和党和民主党分别会在哪些州占优，结果100%准确，这是一个空前的记录。70年来，全球知名的民意测验机构盖普洛一直对美国的总统选举结果进行预测，它对大选最终结果的预测还比较准确，但具体到每一个州，是共和党总统候选人赢还是民主党总统候选人赢，它的预测结果就经常出错了。这说明抽样调查做得再好，也会有疏漏之处。
1704804626
1704804627
为什么纳特·西尔弗单枪匹马就能胜过盖普洛？他搜集了所有能搜集的数据，比如所有的民调结果、博客、微博、Twitter、Facebook、当地新闻等，他就是靠完备的大数据创造了民意预测的神话。
1704804628
1704804629
如果纳特·西尔弗能统计到每个人投票前一天的想法，他的预测就会更加精准。这是有可能做到的，因为移动互联网让人们时刻在线，这使得数据的完备性获得空前的提升。
1704804630
1704804631
完备的大数据有极其广阔的应用空间，比如谷歌无人驾驶汽车就是靠完备的空间大数据来“眼观六路，耳听八方”的。
1704804632
1704804633
开车绝对是个技术活，司机要全盘考虑迎面而来的车辆、交通信号灯、广告牌、树木、交警等一系列因素，判断每一个目标的大小和位置，以及哪一个目标是危险的。因此直至2004年，经济学家们还认为司机是计算机难以取代的。按照传统思路开发的自动驾驶汽车表现得确实很糟糕，在第一届无人驾驶汽车陆地挑战赛中，排第一的悍马只跑了不到20公里，而且时速只有8公里，比自行车还慢。
1704804634
1704804635
但谷歌却在短短几年内就真正实现了汽车的自动驾驶。谷歌同样是把自动驾驶问题变成了一个大数据问题。
1704804636
1704804637
谷歌的街景项目积累了大量空间数据，它的自动驾驶汽车行驶到这些“扫过街”的地方时，对路况是很熟悉的，包括马路道牙的高度、十字路口的宽口、红绿灯的高度、路旁消防栓的位置与高度，甚至弯道的曲线等。相比于那些每到一处都要临时识别目标的自动驾驶汽车，谷歌的自动驾驶汽车具有数据完备的优势，让人感觉它相当聪明。
1704804638
1704804639
此外，基于收集的海量数据，谷歌通过计算机模拟不同的路况条件，也能实现让自动驾驶汽车学习驾驶技能的效果。谷歌自动驾驶汽车每天模拟行驶的里程高达480多万公里，这样的疯狂练习是人类无法比拟的，因此其无人驾驶汽车很快超越了技术精湛的老司机。
1704804640
1704804641
从2009年项目启动到2016年5月31日，谷歌各类自动驾驶汽车已经在自动模式下累计行驶了260万公里，虽然发生了共计12起各种事故，但是谷歌方面表示没有一起事故是由自动驾驶汽车引起的，都是别人的车撞它，没有它撞别人的。谷歌分析认为其自动驾驶软件的驾驶水平相当于一个拥有90年驾龄的人类。
1704804642
1704804643
过去十年间，基于大数据的人工智能已经在各个领域崭露头角，除了前面提到的语音识别、机器翻译、自动回答问题和无人驾驶外，还包括在线广告的精准投放、搜索引擎个性化网页排序、电商的个性化商品推荐、社交网络的好友建议等。未来十年，离钱最近、产生用户最多、产生价值最大的金融、法律、医疗、教育等拥有大数据的行业，也将被人工智能深度再造。
1704804644
1704804645
深度学习算法从大数据中发现“套路”
1704804646
1704804647
在大数据时代，如何有效利用、发掘数据成了关键问题。迄今为止，人工智能领域最先进、应用最广泛的技术解决方案是深度学习算法。
1704804648
1704804649
大数据好比是原材料，深度学习则是原材料加工厂。
1704804650
1704804651
深度学习不再需要人类专家去煞费苦心地提炼模型，机器自己就能从大数据中寻找特征、发现规则、总结模型。通俗点说，深度学习是擅长“发现套路”的行家里手。
1704804652
1704804653
普通人会针对每个具体问题寻找不同的解决方案，费时又费力，而高手擅长看到不同问题的相通之处，可以用同一个套路来处理。
1704804654
1704804655
比如做品牌文案的从业者大多是凭感觉，靠灵感。知名营销专家李叫兽则告诉大家，只要掌握了科学的营销方法，写文案就像做数学题一样套用公式就可以推导出来。掌握了套路，就能始终保持高效率和高质量的输出。
1704804656
1704804657
由于深度学习能处理的数据量远超人类，它发现的“套路”可能比人类更高明。阿尔法狗的好多次非常规落子，都让许多专业棋手表示“看不懂”。阿尔法狗早就不依赖看过的棋谱来决策落子的选择，它对人类的棋局资料进行了一个全新的“分析和总结”，发现了新的“套路”。
1704804658
1704804659
不仅很多体力工作是套路化的，其实很多知识性工作也是套路化的：能否给一个企业提供贷款可以被归结为一种规则，计算机因此能够用于对贷款申请的批准；商业新闻记者和经常做一堆数字分析的体育记者也是按套路写作的。
[
上一页 ]
[ :1.70480461e+09 ]
[
下一页 ]