在大數據土壤中培育智能應用
人工智能的應用有四個關鍵要素:算法、算力、數據和應用場景。對於人工智能來說，大數據技術的發展是人工智能技術探索和進步的基礎。自20世紀90年代以來，互聯網技術和高速計算機的發展導致了信息的爆炸式增長，大數據技術的創新研究取得了很大進展。IBM認為，大數據具有海量、高速、多樣性和低價值密度四大特征，而海量和低價值密度的結合無疑放大了大數據在價值挖掘過程中的難度。
另壹方面，2006年Jeffrey Hinton等人提出了深度學習的概念，開啟了民族智能發展的新浪潮。近年來，機器學習、深度學習等算法在人工智能領域得到廣泛應用，也推動了計算機視覺、自然語言處理等領域的發展。
在中國新壹代人工智能發展戰略研究院執行院長龔克看來，數據對於人工智能的意義在於，數據采集是深度學習的基礎，算法的訓練和驗證都離不開數據采集。由此，大數據和人工智能通過深度學習建立了緊密的聯系。
以日常網購場景為例，購物網站的每壹次點擊，甚至在不同網頁上停留的時間，都會產生大量的行為數據。對於平臺方來說，從這些數據中發現消費者的興趣愛好和購買習慣是最迫切的需求。如果僅僅依靠工作人員的經驗和判斷從這些數據中獲取所需的信息，無論工作量有多大，都很難保證準確性和及時性。這時候就需要發揮人工智能的優勢，設計相應的機器學習算法，在大量的網購行為數據中進行訓練。然後根據反饋不斷優化算法，最終找到最符合消費者心理的產品推送方案和網站設計思路，從而達到提升平臺交易效率的目的。
在疫情防控過程中，日常生活中的各種場景中都布置了攝像頭、紅外探測器等傳感器。隨著復工復課的有序進行，人們的出行活動也變得更加頻繁。這些傳感器每天都會產生海量的圖像和文本數據，靠人力從這些數據中分析出疫情信息顯然是“不可能完成的任務”。近年來，計算機視覺技術在智能安防、環境監控等場景中得到了充分的訓練。因此，面對疫情，可以快速定制算法，結合後臺數據庫，及時準確地抓取體溫、行程、疫苗接種等參數，為疫情防控提供保障。
此外，隨著中國信息基礎設施建設的推進和5G網絡的領先發展，大數據將迎來持續的爆發式增長，這將為人工智能技術的發展帶來好處。根據國家互聯網信息辦公室發布的《數字中國發展報告(2020)》，中國建成了全球最大的光纖網絡和4G網絡；5G網絡建設速度和規模全球第壹，建成5G基站71.8萬個，5G終端連接數超過2億個。移動互聯網用戶訪問流量將從2015年底的41.9億GB增長到2020年的1.6.56億GB。
結合這些情況，我們不妨把大數據比作壹片廣袤而厚實的土地，但它也是覆蓋著碎石和巖石的沃土。人工智能就像耕作的工具，不僅在勞動的過程中提高了土地的質量，還優化了自身工作的方法和機制，從而培育出功能多樣的智能應用。
從大數據應用到智能應用
根據技術進化原理，大數據應用在某種程度上等同於智能應用。但現實中，從大數據應用到真正意義上的智能應用，看似自然的發展過程，卻是壹個又壹個大數據企業經過實踐反復磨練，最終摸索出來的方向。
2013被稱為大數據元年，是以大數據企業數量快速增加、資本快速湧入為標誌的產業發展起點。在此之前，技術層面的大數據和人工智能其實已經有了壹些跨越式的進展。比如早在2006年就提出了人工智能技術支持的深度學習算法。
經過近十年的發展，從大數據熱潮到人工智能熱潮，從最早的大數據企業到今天還活著的人工智能企業。我們看到的不再是早先預期的壹個新行業的崛起，而是大數據公司和傳統行業在共同探索行業的新解決方案。
可以看到，現在發展起來的人工智能公司，很多都是大數據公司發展起來的。有趣的現象是，曾經的大數據公司，越來越傾向於把自己介紹成壹家智能企業，甚至有的公司還改了名字，在企業名稱中加上智能，以突出“智能”。
壹些原本定位為大數據公司的企業，在大數據解決方案中加入了智能技術，讓原有的數據模型更高效、更快速、更準確。比如成都數聯科技有限公司，成立於2012，是壹家專註於數據治理、數據分析可視化、數據挖掘的大數據服務商，現在的解決方案專註於智能服務解決方案。據數聯負責人介紹，現在推出的工業制造服務產品可以達到毫秒級在線檢測速度，檢測準確率高於95%，釋放20%-80%的人力，幫助客戶大幅提升產能。這些能力的背後是集成了深度學習和機器視覺算法的智能機器視覺。
在智慧監管業務領域，數盟在多年積累的智能監管數據倉庫支持下，結合機器學習技術，推出了能夠為監管部門提供業務洞察和輔助決策的智能產品。目前已應用於食品安全、廣告監管、投訴信息挖掘、特種設備監控等場景。
隨著智能應用的普及，人們逐漸認識到智能的核心其實是讓數據發揮作用。從認識到大數據的重要性，到發現大數據的價值，這是壹個認識逐漸轉變的過程，也是大數據應用到智能應用的必然過程。
智能進化仍然面臨人才缺口。
根據2021高考誌願統計，人工智能成為新的熱門專業。壹方面不難看出人工智能行業的前景正在被廣泛認可，另壹方面也反映出人工智能人才的短缺正逐漸成為大眾的認知。從行業的觀察來看，人工智能人才的缺口主要來自兩個方面。
壹個是對技術研究專業人員的大量需求。眾所周知，行業的創新離不開底層技術的發展。隨著“智能”的呼聲越來越高，人工智能需要在深化現有研究的基礎上取得新的進展。
據了解，人工智能理論可分為計算、感知和認知三個階段，技術上分別對應操作智能、感知智能和認知智能。科大訊飛高級副總裁、研究院院長胡在AI WORLD 2018峰會上指出:計算智能是讓機器能夠保存和計算；感知智能是讓機器能聽、能說、能看、能識別；認知智能是解決機器能夠理解和思考的問題。
阿裏巴巴達摩院發布的《2020年十大技術趨勢》報告中提到，人工智能在“聽、說、看”等感知智能領域已經達到或超過人類水平，但在需要外部知識、邏輯推理或領域轉移的認知智能領域仍處於起步階段。
從行業觀察，感知智能仍是現階段行業應用的主流技術，多用於語音識別、文本分析、智能圖像處理等領域。，並在智能制造、智能家居、智能交通、智能監管等場景的應用中取得了良好的效果。但從服務人類、替代人類勞動的角度來看，能夠賦予機器像人類壹樣學習和思考的能力，從而自主決策和采取行動的認知智能，顯然是更符合理念的技術工具。讓機器學會思考是壹條充滿未知和坎坷的道路，預計將長期保持對專業技術人員的旺盛需求。
根據天眼查APP提供的數據，近五年來，中國人工智能相關企業數量持續高速增長，年增長率保持在35%以上。其中，2020年將新增相關企業40余萬家，增速42%，為歷史最高。截至今年6月27日，中國人工智能相關企業超過1.43萬家，業務範圍包括“人工智能、機器人、數據處理、雲計算、語言識別、圖像識別、自然語言處理”。在這種趨勢下，對復合型人才的需求將不斷擴大，人工智能的人才缺口需要國家、企業和高校的共同努力來填補。(數據雜誌/袁曉東)轉載請註明出處。