大數據驅動的人工智慧時代，如何成為2%不被淘汰的人？

由於前段時間阿爾法狗與李世石的對戰，人工智慧被推上風口浪尖，2016年也被成為稱為人工智慧元年，人工智慧的研究其實很早就開始，但為何今天才實現大爆發呢？

吳軍老師在《智能時代》給了我們答案：因為大數據。

因為有了大數據，人工智慧才能在數據的驅動下，實現深度學習，不斷迭代模型，變得越來越智能。

一、那麼大數據又是如何爆發的呢？

人工智慧是因為大數據實現而爆發，而大數據又是為什麼近年來實現爆發呢？

1、數據採集

以智能手機為代表的各種數據採集設備的普及，電腦、攝像頭、可穿戴設備、智能汽車等等，尤其是RFID晶元普及之後，實現物聯網，數據採集越來越方便，量越來越多，維度越來越多，採集的實時性越來越強。

2、數據存儲

摩爾定律導致存儲成本不斷降低，硬碟代替磁碟，使得數據調用更快捷，尤其是是SSD固態硬碟的出現，速度更快。如今，雲儲存功能更是方便。

3、數據傳輸

寬頻的不斷提速，加上移動通信技術的提速，從2G到如今4G普及，數據傳輸速度加快，5G也即將到來。

4、數據計算

得益於摩爾定律，處理器的性能和成本降低，使得大數據的計算越來越便捷，雲計算，更是可以輕鬆藉助大公司提供的計算能力。

二、大數據的特性

大數據使得人工智慧成為可能，所以我們必須了解大數據的特性才能更好的了解人工智慧。

1、完備性：整體即樣本

傳統統計學中，我們想要使用數據，常常採用抽樣的方式，抽樣就會存在誤差，但是大數據不用擔心這點，因為大數據的完備性，導致數據整體又是數據的樣本，這樣的結果更真實。

2、多維度：交叉驗證（復現），要相關性不要因果性

以前數據的使用，多是單維度，大數據時代的數據維度更多，而且可以交叉復現，好比盲人摸象，每個維度摸到的是一個方面，但是交叉復現後，就越接近事物的真相。

在傳統思維中，數據的使用非常注重數據的因果關係，但是，在大數據中，我們更強調相關性，就像我們知道啤酒和尿布放在一起好賣就行了，不需要去挖掘背後的因果聯繫。

大數據相關性的學科基礎，資訊理論裡面互信息，互信息越大，相關性越強，互信息為零，則沒有相關性。

3、及時性：實時採集與使用

大數據的實時採集才支持數據模型的實時指導性，比如百度地圖正式因為地圖數據實時採集，才能實時告知路況，指導決策。

三、大數據的使用

1、數據驅動：採集物意識，使用無目的

根據最大熵原理：當我們對未知的事件尋找概率模型時，這個模型應當滿足我們所有已經看到的數據，但是對未知的情況不要做任何主觀假設。

也就是說，想比傳統思維我們用先預設目的，再通過數據來驗證，大數據思維要求我們對數據的使用是不預設目的，而是通過對數據的驅動，使模型自己湧現。

在數據的採集方面，也是在用戶無意識使用過程中採集來的更為真實可靠，比如搜索數據。

2、熵增及不確定的世界觀

大數據時代，我們需要拋棄牛頓的機械宇宙世界觀，重新塑造不確定的世界觀，世界的不確定性主要因為以下兩個原因。

1）隨著對世界認識的加深，影響世界的變數非常之多。

2）客觀世界本身的不確性，測量會影響測量結果，詳見量子力學波粒二象性。

根據熱力學第二定律，一個系統內部總是從有序到無序的過程，也就是熵增加的過程，熵就是無序的度量，所以也叫熵增定律。

在資訊理論裡面，上代表著不確性，信息時負熵，就是引入越多的信息，就能降低系統的不確定性。

智能問題，從根本上就是消除不確定性的問題。

四、大數據時代我們如何應對？

根據吳軍老師預測，當人工智慧真正來臨之時，只有2%的人超越，其他人都會被淘汰。

那我們改怎麼辦呢？

是不是都要去學習大數據和人工智慧的專業知識？

不需要，關注是擁有大數據思維，和不確性的世界觀，懂得使用和藉助大數據和人工智慧。

關於大家關心的人工智慧會不會超越人類？會不會替代人的工作？可以查看我上一篇關於人工智慧的文章：

《人工智慧可怕之處不是搶飯碗，而是....》

推薦閱讀：