雲計算、大數據、人工智慧,誰將開啟下一個時代?

互聯網的已經經歷了PC時代和移動互聯網時代,不可否認僅僅4年,移動互聯網在某種程度上已經達到飽和。那麼哪種技術可以開啟下一個時代?


人工智慧、大數據及雲計算,三者可以稱之為鐵三角關係!

半個多世紀的某個夏天,麥卡錫、明斯基等眾科學家們舉辦了一次Party,共同研究用機器模擬智能的問題,也是在那時,「人工智慧(AI)」的理念正式被提出!

人工智慧(Artificial Intelligence)簡稱AI,AI能根據大量的歷史資料和實時觀察(real-time observation)找出對於未來預測性的洞察(predictive insights)。

如今人工智慧商業化正在快速推進中,比如我們所知道和了解的人像識別、圖像識別技術、語音識別、自然語言理解、用戶畫像等。此類技術也現階段已經在金融、物聯網等行業得到應用!

對於未來而言,人工智慧會在人類生活的方方面面,發揮越來越多的作用,也會刷更多的存在感,慢慢的更會懂我們很多!

不遠的將來會有越來越多的自動化的系統出現,比如刷臉支付已經在來的路上了!

先以人工智慧為例,拋棄其他任何,也便不會有今天大紅大紫的人工智慧!

不得不說的人工智慧背後的基石:大數據

大數據是人工智慧的基石,目前的深度學習主要是建立在大數據的基礎上,即對大數據進行訓練,並從中歸納出可以被計算機運用在類似數據上的知識或規律。

簡單而言何為大數據?

雖然很多人將其定義為「大數據就是大規模的數據」。

但是,這個說法並不準確!

「大規模」只是指數據的量而言!

數據量大,並不代表著數據一定有可以被深度學習演算法利用的價值!

例如:地球繞太陽運轉的過程中,每一秒鐘記錄一次地球相對太陽的運動速度、位置,可以得到大量數據。可如果只有這樣的數據,其實並沒有太多可以挖掘的價值!

大數據這裡我們參閱馬丁·希爾伯特的總結,今天我們常說的大數據其實是在2000年後,因為信息交換、信息存儲、信息處理三個方面能力的大幅增長而產生的數據:

信息交換:據估算,從1986年到2007年這20年間,地球上每天可以通過既有信息通道交換的信息數量增長了約217倍,這些信息的數字化程度,則從1986年的約20%增長到2007年的約99.9%。在數字化信息爆炸式增長的過程里,每個參與信息交換的節點都可以在短時間內接收並存儲大量數據。

信息存儲:全球信息存儲能力大約每3年翻一番。從1986年到2007年這20年間,全球信息存儲能力增加了約120倍,所存儲信息的數字化程度也從1986年的約1%增長到2007年的約94%。1986年時,即便用上我們所有的信息載體、存儲手段,我們也不過能存儲全世界所交換信息的大約1%,而2007年這個數字已經增長到大約16%。信息存儲能力的增加為我們利用大數據提供了近乎無限的想像空間。

信息處理:有了海量的信息獲取能力和信息存儲能力,我們也必須有對這些信息進行整理、加工和分析的能力。谷歌、Facebook等公司在數據量逐漸增大的同時,也相應建立了靈活、強大的分散式數據處理集群。

大數據在應用層面:大數據往往可以取代傳統意義上的抽樣調查、大數據都可以實時獲取、大數據往往混合了來自多個數據源的多維度信息、大數據的價值在於數據分析以及分析基礎上的數據挖掘和智能決策。

美國《大西洋月刊》公布的一段A.I.聊天記錄截圖

延伸閱讀:聊天機器人竟自創語言「對話」 臉書將其緊急關停

實際上人工智慧的發展,離不開海量數據進行訓練,究其根本大數據的循環往複無數次的訓練和深度學習才有了人工+智能!

人工智慧背後強大的助推器:雲計算

雲計算(詳情參閱之前回答:什麼是雲計算?)是將我們傳統的IT工作轉為以網路為依託的雲平台運行,NIST(美國國家標準與技術研究院)在2011年下半年公布了雲計算定義的最終稿,給出了雲計算模式所具備的5個基本特徵(按需自助服務、廣泛的網路訪問、資源共享、快速的可伸縮性和可度量的服務)、3種服務模式(SaaS(軟體即服務)、PaaS(平台即服務)和IaaS(基礎設施即服務))和4種部署方式(私有雲、社區雲、公有雲和混合雲)

雲計算髮展較早,經過10年發展,國內已經擁有超百億規模,雲計算也不再只是充當存儲與計算的工具而已!

未來可以預見的是,雲計算將在助力人工智慧發展層面意義深遠!

而反之,人工智慧的迅猛發展、巨大數據的積累,也將會為雲計算帶來的未知和可能性!

人工智慧也好、大數據也好、雲計算也好,彼此依附相互助力,藕不斷絲且相連!

三者合力搭檔在一起,組合拳出擊才更有力量,才能給未來多一些可能,給未知多一些可能性,給不可能多一些可能!

詳情參閱之前分享:人工智慧、大數據、雲計算、物聯網,彼此之間有哪些內在聯繫?


有這樣一種說法深度學習(人工智慧關鍵技術)這台火箭,燃料為大數據,而雲計算則是引擎。

三者的聯繫確實非常緊密。人工智慧之所以歷經這
么多年後才於近年大紅大紫,原因歸根於2006年出現的人工智慧關鍵技術——「深度學習」,人工智慧至此才有了實用價值,而深度學習正式在雲計算和大數據
日趨成熟的背景下才取得的實質性進展。2006年之所以是人工智慧的一個拐點,因為數據量越來越大,計算能力越來越強,過去不實用的,到2006年逐步進
入了實用階段。這意味著,在通往人工智慧的路上,兩個不可或缺的角色:大數據、雲計算,三者幾乎是「鐵三角」的關係。

AlphaGo就是通過大量自我對弈的棋局,獲取大量的數據,然後統計出各種走法與勝負的相關性(概率),AlphaGo通過自我對弈調整演算法,就是用到了大數據的思想,即它並不知道這麼調整在棋理上的根本原因是什麼,只是知道這樣調整與贏棋的相關性大。雖然這種方法並不是百分百準確,但通過大量數據的統計,就可以使得它的調整達到足夠戰勝人類九段棋手的準確性。

據Economist雜誌發表於2016年3月12日的文章中說,對李世石的版本使用的是1920個CPU和280個GPU。比賽中,古力9段曝料,AlphaGo每下一盤成本是3000美元,其中的費用主要是電費。


從目前來看,這個問題不會是單選題,而是多選題。最有可能出現的情況是:三者齊頭並進。至少在很多公司,比如BAT,再比如我們daydao,已經在整合三方優勢。

雲計算髮展較早,經過10年發展,國內已經擁有超過被百億規模,國外接近2000萬美元市場規模,在企業上雲、大部分應用採用雲端部署,數據普遍存儲雲端的大趨勢下,它已經是一個掘金點,而且改變了人們的工作和生活方式。

大數據,在這個信息爆發的年代很有優勢。不管是總結社會知識文化圖譜,實現營銷自動化,還是壓縮價值信息,給注意力分散的人們創造便利,它的存在,也不可或缺。不過從用途上看,它比較適合作為搭檔,協同發揮作用。獨立存在,意義不大。

人工智慧在解放人類的體力和腦力上都有很大價值,有開啟新時代的潛質。不過首先得看它的成熟度,目前人工智慧存在50多年,還不溫不火,歸根到底就是還不夠智能,當做噱頭,自己沒法獨擋一面,終歸起不來。

人工智慧最大的優勢是自我學習,深度學習,這離不開大數據的支撐,也離不開雲計算的服務基礎。在現有技術不夠強大的情況下,人工智慧和大數據扮演了「用」的角色,隨著它和硬體、軟體的深度結合,很有可能成為「體」,一個獨立發展的大產業。

目前的政策導向就是這樣引導的,至於2020年能否實現萬億級規模,還有待考驗。


個人觀點,不一定正確。。。。

人工智慧需要數據支持,而雲計算提供了良好的數據分析工具和平台,因此人工智慧的發展離不開二者的支撐。為什麼現在的深度學習這麼火?一方面是因為硬體的發展,另外一方面由於海量的數據,也就是上述的兩個方面。如果沒有海量數據,深度學習就會嚴重過擬合,效果也不會如此之好。話說AlphaGo沒事會跟自己下棋不斷產生棋譜一樣。。。。

Anyway,相信人工智慧會逐步改變人們的生活。


雲計算、大數據、人工智慧三大技術被認為是當今互聯網爭奪的關鍵點。而三大技術中爭議最多的在於大數據技術,被誇大的效果和局限性的應用,很可能會讓大數據成為ABC三大技術中最先掉隊的一個。雲計技術從一點孤星閃爍,到如今萬家燈火通明的局面。雲計算產業的拉動已經造就了多個大型互聯網企業的再次爆發,強如軟體巨頭微軟也已經在近幾年全力轉型雲計算並且大獲成功,可以說雲計算的力量在如今已經達到了鼎盛,而且未來依然有發展的空間。人工智慧技術一直被認為是離現實頗遠的一種,但是2016年,谷歌用一盤棋把世人驚醒,原來悄然發展的AI智慧程度已經達到了如此的境界。從監督學習到自主學習,人工智慧的發展就像坐了火箭一樣不斷攀升,能夠涉足的領域也日益增多,而更可怕的還在於,人工智慧現如今的狀態遠談不上成熟,未來第一大技術送給人工智慧相信不會有太多人質疑。

相比之下,大數據就面臨了一個很尷尬的局面。起步雖說比雲計算略遲,但好在發展夠迅猛,在去年大數據風頭正勁,阿里雲方面提出2016年是萬億大數據產業元年,各類大數據處理平台、處理技術紛紛呈現,大數據產業在各個行業應用,乍看之下並不存在任何問題。

但大數據的發展雖然足夠強悍,卻遠不能與AI和雲計算相提並論。就像BAT三巨頭中,百度雖強,可與阿里騰訊畢竟不是同一等級的體量。

最後推薦一個經常發布相關信息的公眾號,從那裡可以了解很多關於雲計算、大數據、人工智慧的內容。微信搜索公眾號:IGNITE進行關注。


雲計算

當摩爾定律走到盡頭,量子計算開闢江山前,也許會有一個空檔期。屆時群雄爭霸,計算能力就如同軍隊,掌握的計算能力就是自己的實力


人工智慧終將開啟一個無人時代。

其實人工智慧不是拔網線或拔插頭就能解除威脅的。人工智慧產生於雲計算和大數據的基礎之上,天生就是聯網的,不是單機遊戲。甚至人類根本無法意識到人工智慧已經產生,已經開始在人類眼皮子底下積聚力量,醞釀著對人類的致命一擊。

底層代碼能限制人工智慧對人類的情感和行為模式?別做夢了,基因片段能決定你的思想,你的動作嗎?即使有性染色體,還是有很多人性冷淡。


你排的順序很好,依次都會成為高潮。不過不存在飽和,技術都在發展,就拿十多年前的雲計算來說,已經今非昔比,它們之間都是相輔相成的關係。


謝邀,正如樓主所言,移動互聯網確實飽和了。PC互聯網和移動互聯網更多是應用層的跑馬圈地,應用層實現基本連接的效果之後呢?

一定是效率,底層生產力級的效率提升。

雲計算和大數據為下一步生產力提升提供了計算資源和燃料,數據挖掘實際上是利用計算資源和燃料來獲取知識,從嶄新的角度來提升整體社會效率。

目前各領域人工智慧雖然離理想意義上強人工智慧還很遠,但從提升生產力角度考慮,已經進入了跑馬圈地的階段。

雲計算、大數據、人工智慧都在圍繞生產力提升共同起作用,相輔相成互相依賴。


海量數據計算必須要用雲計算才有意義…人工智慧核心演算法要依靠海量數據的計算…這三者其實本質上是一樣的啊。就跟問app和智能手機哪個會火一樣…


我在雲平台上做一個包含大數據分析的人工AI有問題(O_O)?


大數據+人工智慧


推薦閱讀:

如何通俗的解釋雲計算 公有雲 私有雲 混合雲?
有哪些比較好的OpenStack的學習資源?
雲計算和虛擬機(VMWare)有什麼區別?
雲、CDN、IDC 三個概念的區別是什麼?有什麼相互包含和影響。。
BaaS與IaaS、PaaS、SaaS的區別和關係要如何理解?

TAG:雲計算 | 互聯網 | 人工智慧 | 大數據 |