智能时代：大数据与人工智能

数据与人工智能

过去与现在的人工智能

20世纪70年代，人类开始走上了机器智能的另一条道路，即利用数据训练机器的方法。
过去，科学家们所研究的机器智能，有相当一部分是模仿人类的学习方法，即通过规则比如说语法来提升识别的准确率。
但是数据训练有区别于传统的方法，数据训练是利用数据来提高机器模型的精度。

最早开创者

贾里尼克在IBM做学术休假时负责起了开发“聪明的计算机”的项目，选择了识别语音作为他的任务。他的团队花了四年的时间，做出了一个基于统计方法的语音识别，准确率高达90%，规模也达到了两万多词。
贾里尼克和他的同事无意中开创的方法依然被现在所沿用。因为这种方法需要大量的数据，所以又被称为数据驱动方法。

大数据与人工智能

使用大数据的成果

2005年，由NIST(美国国家标准与技术研究院，National Institute of Standards and Technology)主持的机器翻译测评和交流中，第一次参加的Google团队取得了阿拉伯到英语领先5%，中文到英语17%的好成绩。
很大程度上，Google所取得的好成绩依赖于它的数据量。因为Google使用了比其他研究所多几千倍甚至上万倍的数据，导致能训练出一个更为准确的模型。

何为大数据

大数据最明显的特征就是体量很大。但是除此之外，还有很多其他特征，最明显的特征就是：有用。就好比说一本书包括纸的厚度都是一种信息，但是对于我们来说，只有里面的内容才是有用信息。
但是有一点需要明确，有用是否并不能简单断定，就好比仍然是一本书，文字是对读者有用的信息，而重量是对运输人员有用的信息。不同的模型需要的数据可能是不一样的，这时候数据的分类与整理就显得尤为重要了。

深蓝与AlphaGo

IBM深蓝

1996年2月10日，IBM超级计算机深蓝与当时的国际象棋冠军卡斯帕罗夫进行六番棋比赛，以1.5:3.5惜败。
1997年5月11日，深蓝卷土从来，在仅仅一年的时间里。深蓝以3.5比2.5打败了卡斯帕罗夫。
事实上，深蓝是利用了以往所有卡斯帕罗夫的棋盘数据建立了模型，从而走出对自己最有利的一步。而一年的升级，不仅提升了计算速度，还找来了其他大师的棋谱，来进行学习。

AlphaGo

AlphaGo结合了数百万围棋专家的棋谱，以及监督学习进行了自我训练。

AlphaGoZero

AlphaGoZero的能力则在AlphaGo的基础上有了质的飞跃。最大的区别是，它不再需要人类的数据。也就是说，它一开始就是与自身对弈。这样做的好处就是数据量更加庞大了，而且更加全面了。

参考资料：《智能时代 大数据与智能革命重新定义未来》