大数据在AI技术中的重要性
要说AI是大数据，就是有些夸大其词。但是，如果没有大数据，人工智能将不会像今天这样。在过去的几十年中，这两种技术已经同步发展。很大程度上是因为没有大数据，无论AI程序员多么聪明，他们都无法超越理论阶段。
主要是取决于大数据的用途。通过数据，可以训练AI，从而为他们提供学习知识的机会。可用的数据越多，学习的机会就越多，而所学的课程就越细微。
处理数据的不同方式
当然，这与我们学习事物的方式根本不同。与现代技术相比，我们不太擅长处理数据。根据麻省理工学院的一项研究，我们仅以每秒60位的速度处理数据。相反，我们使用经验法则，假设和模式识别从我们可以实际处理的有限数据量中快速得出结论。
计算机通常以相反的方式工作。他们首先需要处理大量数据，只有最后才能得出结论。之后，这些结论可以转化为可操作的规则，可以在其他数据集上放开这些规则。  
因此，他们正在学习不同属性之间的关系。自然地，随着时间的流逝，下一步将紧随其后，采用今天建立的框架，该框架能够提供棘手的功能，通过该框架，未来的AI软件可以在我们目前正在构建的基础上抢先一步。
实际上，人工智能将自学我们已经内置的启发式方法，但随后进化的速度大大提高。这就是说，我们要提供的数据在给定的时间范围内需要成倍增长，以便学习正确的课程。
反向关系同样重要
当然，从大数据中受益的不仅仅是AI。反之亦然。随着AI更好地理解数字，他们将能够从我们自己从未发现的数据集中挑出关系。
在这里，AI可以正常工作的方式是一个巨大的优势。只是要看一下数字之间的相关性，无论它是否有意义。实际上，“感觉”一词对AI没有任何意义。他们（尚未）从事这种更高层次的思考。
对于我们来说，是不同的。我们的经验法则是内置的，不能轻易关闭。因此，大量的偏见充斥着我们解释世界的方式。
在一起更好
最终，这意味着它大于其各个部分的总和。不仅如此，我不仅指人工智能和大数据，还包括人为因素。每个组件都为表带来了一个独特的元素，从而释放了其他两个组件的功能。人类产生大数据，人工智能探索数字之间的关系，然后人们可以反过来运用他们的高级思维来得出所有含义。
取出其中一个片段，这种关系在很大程度上破裂了。我们努力理解大数据集。AI尚无法给出原因。没有大数据，我们就无法为AI提供建立联系所需的动力。
所以说真的，AI出现了这么长时间也就不足为奇了。这些碎片根本就没摆过。
题库