ZD至顶网软件频道消息:今年是人工智能大火之年,不仅有3月份AlphaGo 与李世石的人机大战让普罗大众知道了人工智能的巨大进步,更有各种有关自动驾驶、无人汽车的新闻不断给人工智能“添柴加火”。人工智能的大火似乎让大数据有些相形见绌。不过,在大数据专业人士TalkingData CEO崔晓波看来,人工智能这一轮“行情”也可以纳入大数据的发展轨道,标志着大数据进入“后大数据时代”,也称智能数据时代——这是TalkingData主办的“T11 2016暨TalkingData智能数据峰会”上提出的一个新提法。
TalkingData CEO崔晓波
“如果说在大数据演进的第一个阶段,人们侧重于从数据中发现价值,那么在智能数据时代,人们注重在数据分析的同时会加入智能,即融合人类的智能和人工智能。”崔晓波在“T11 2016暨TalkingData智能数据峰会”的主题演讲时表示。
崔晓波说,智能数据时代有三大要素缺一不可,即数据、AI(人工智能)和人类自己的智慧。崔晓波用人体的血液、心脏和大脑来比喻这三者的关系:数据相当于人的血液;人工智能相当于人的心脏;人的智慧是就是大脑。心脏需要靠血液供给,但同时它还会根据人的心跳,把血液再输回给人体,形成一个正循环,而大脑来最终统一掌控一切。
为了帮助企业应对智能数据时代面临的挑战,TalkingData在大会上首次推出了“智能数据平台(SmartDP)”。这是一个基于智能数据应用探索商业价值的平台,具有数据管理、数据工程和数据科学的能力。崔晓波表示,这是TalkingData用5年来在数据科学、数据管理、数据工程方面的各项积累,以及横跨互联网、移动互联网、传统行业等领域的积累,有机整合并产品化后的结果。
实际上,在此前在数据处理方面已经有很多平台,比如,为大众所熟知的BI(商业智能)。那么,这个智能数据平台和传统的BI有区别?
崔晓波解释说,两者有着本质的区别。BI等传统平台是以业务为中心的,数据只是处理业务过程时的副产品,而智能数据平台是以数据为中心的,数据才是真正核心资产,而业务只是附属,有些业务甚至就是为了获得数据而开展的。智能数据平台与传统BI的另一个区别在于,智能数据平台不是一个简单的平台或者一个工具,其中会附加了大量领域知识,特别是融入了更多人的智慧在其中。
TalkingData副总裁林逸飞
TalkingData副总裁林逸飞在接受ZD至顶网记者采访时做了进一步的解释。他说,与其它大数据的处理平台相比,TalkingData推出的智能数据平台会特别重视“智慧”,将智慧融入到数据处理过程之中。
第一,人的智慧。TalkingData认为,今天在企业数据应用上人的智慧不可获缺,包括数据科学家的智慧、业务专家的智慧。“人的智慧怎么跟数据结合起来,这其实不是软件平台的问题,而是怎么有效做人机互动的问题。”林逸飞说。
第二,数据本身的智慧。林逸飞提醒说,今天很多数据本身就具备智能,比如手机里通过各种传感器提供的数据就已经具有非常丰富的信息,带有一定程度的智能。处理这样的智能数据要用以人为本,以属性+场景+动作组合来利用,这一点也不同于一般的软件平台。
林逸飞表示,在实践中不少企业并没有意识到要融入人的智慧和人工智能等,而是陷入对工具或者软件平台的盲目信任中。他总结了大数据应用过程中几个典型的误区:企业会买很好的软件平台,平台看起来很花哨,但仅仅是个空架子,没有数据,没法用;采了很多数据回来,背负着很大的成本保存起来却没用;盲目信赖外部数据,完全忽略自己其实就有不少的数据。
“实际上,很多企业自己就有海量的数据,这些用好就能产生巨大的经济价值。比如,平安集团月活就1亿多,丝毫不弱于很多互联网企业(支付宝的月活数据也就两亿)。”林逸飞说。
林逸飞指出,数据的利用分为两个阶段,即数据运营和运营数据。前者是指根据数据等各种指标来进行科学决策,而后者是把数据作为企业的核心资产,像企业业务一样进行运营,是主动运营。只有到这个阶段数据的价值才算真正得到体现,而之前只是牛刀小试。目前大多数企业还停留在第一个阶段。从这个意义上说,数据的价值还有待深挖。
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。