本來是個笑話，說說也就罷了，但是行業(yè)里面這樣似是而非的說法此起彼伏，不得不擦亮雙眼，否則就被各路大師“忽悠”了。從數(shù)年前的電子病歷“結構化“、”半結構化“，到“虛擬化”和“云計算”，最新的熱點是“云、大數(shù)據(jù)和人工智能”，值得花點時間理一理。
這哥兒倆之間的關系類似于汽車和輪胎
有輪胎的不一定是汽車
云不一定是大數(shù)據(jù)，基礎架構云顯然不是大數(shù)據(jù)，平臺云很大一部分和大數(shù)據(jù)有關系，應用云其中的優(yōu)秀部分一定是基于大數(shù)據(jù)的，但是也不保證應用云都是大數(shù)據(jù)。另一方面，正常的汽車一定有輪胎，且是個不錯的輪胎（相對于自行車、三輪車、電動車）。大數(shù)據(jù)架構本身設計就是用來部署在十幾臺，上百臺服務器支持的云平臺上運行才能發(fā)揮出其卓越性能。雖然，技術上大數(shù)據(jù)系統(tǒng)可以部署在單個物理服務器之上，不用云化也能運行，但是這樣做性能之差，嚴重背離性價比，毫無意義，恐怕只有少數(shù)教學環(huán)境為了練手才會這樣做。
“人工智能”在1950年代就有明確定義和應用探索，從圖靈測試到專家系統(tǒng)、從圖像識別到擊敗卡斯帕羅夫的的“深藍”，這條技術線在上世紀已經(jīng)有波瀾壯闊的歷史。而大數(shù)據(jù)不過是2012年前后，基于非關系型數(shù)據(jù)庫、分布式文件系統(tǒng)和分布式計算框架發(fā)展起來的新型數(shù)據(jù)處理技術。從時間軸線上看都是差著“輩份”的兩個概念。
考慮到人工智能漫長發(fā)展過程中的幾次潮起潮落，幾乎每隔十幾年就有一次跳躍式的“春天”，后面緊跟著無盡的失望和沉默。
1960年代“人工智能”在數(shù)學定理證明方面大獲全勝，尤其是1976年完成“四色猜想”證明并戰(zhàn)勝人類跳棋大師之后，當時輿論樂觀地認為機器在10年內(nèi)會戰(zhàn)勝國際象棋大師，實際上人工智能邁過這個門檻是在1997年。
1970年代中期，人類轉向通過知識工程推動“人工智能”進步，最后卻停滯于自動獲取新知識這一難題。
上世紀80年代出現(xiàn)的深度神經(jīng)網(wǎng)絡算法也因為沒有足夠的數(shù)據(jù)支持而步履維艱。
在上世紀最后的二十年里，人工智能已經(jīng)分裂為：以“深藍”為代表的知識驅動型“符號派”；以神經(jīng)網(wǎng)絡算法為代表基于統(tǒng)計學的“連結派”和以“機器昆蟲”為代表的“行為派”。
到2000年前后，學界已經(jīng)建議放棄“人工智能”這個說法而用更加細分的領域來描述此技術，例如：模式識別、自然語言理解、自動定理證明、計算機視覺處理、機器學習、自動程序設計。
2012年之后的“大數(shù)據(jù)”技術推廣和Web2.0+物聯(lián)網(wǎng)帶來的互聯(lián)網(wǎng)數(shù)據(jù)激增，直接釋放了深度神經(jīng)元算法的巨大生產(chǎn)力。于是，我們看到了人工智能在機器學習、自然語言理解和視覺處理方面的突飛猛進。蘋果的Siri是自然語言處理能力提升的成果，IBM的Watson和Google的AlphaGo是機器學習的案例。
當然“大數(shù)據(jù)”除了助推“人工智能”進入一個新階段之外，其技術應用本身還有其他分支，例如“搜索”和“數(shù)據(jù)可視化”。這兩項脫胎于傳統(tǒng)數(shù)據(jù)庫“全文檢索”和“數(shù)據(jù)圖表”功能的技術，在大數(shù)據(jù)時代脫胎換骨，在靈活性、準確性、計算速度和可靠性方面早已不是上一代技術可望其項背。
有興趣的讀者可以在“阿里云”或者“阿里數(shù)”的官網(wǎng)上翻閱一下“推薦引擎”、“DataV”、“郡縣圖志”這樣的產(chǎn)品說明。這些都是生動真實的大數(shù)據(jù)工具產(chǎn)品樣例，任何數(shù)據(jù)用戶都可以在一個具備完整大數(shù)據(jù)框架的體系支持下得到這樣廉價優(yōu)質(zhì)的工具。
換句話說，就算沒有“人工智能”這樣“高大上”的應用需求，“大數(shù)據(jù)”仍然是個價廉物美的日常工具。
說到這里，關于“云”“大數(shù)據(jù)”“人工智能”的依賴、交叉關系基本理清了。下次再見到方案，不要被“桃園三結義，孤獨一枝”這樣模棱兩可的語句給整迷糊啦。
相關文章
友情鏈接