人工智慧和大資料論文
現在是網際網路大資料時代，大家知道大資料和人工智慧如何相互結合嗎？以下是小編精心準備的人工智慧和大資料論文，大家可以參考以下內容哦！
摘 要：大資料和人工智慧是今天計算機學科的兩個重要的分支。近年來，有關大資料和人工智慧這兩個領域所進行的研究一直從未間斷。其實，大資料和人工智慧的聯絡千絲萬縷。首先，大資料技術的發展依靠人工智慧，因為它使用了許多人工智慧的理論和方法。其次，人工智慧的發展也必須依託大資料技術，需要大資料進行支撐。大資料時代背景下，未來人工智慧會有哪些創新和發展，大家拭目以待。
關鍵詞：大資料 人工智慧 雲計算 資料探勘 機器人 人工神經網路
1 什麼是大資料
1.1 大資料的定義
大資料是一個數據體量和資料類別都十分龐大的資料集。這個龐大的資料集，我們今天還無法用傳統的資料庫工具對它的內容進行獲取和處理。整體概括起來，大資料具有資料型別多、資料規模大、資料真實性高、資料處理快等四大特徵。
大資料的特徵：第一，是指資料型別非常多，它的資料來自多種資料來源，而非單一的一種資料來源，資料的種類和資料的格式日漸豐富；第二，是指資料規模非常大，通常在10TB左右，規模非常龐大；第三，是指資料的真實性非常高，一些新的資料來源漸漸興起，打破了之前傳統的資料來源，今天的企業愈發需要這些有效的資訊，以確保其真實性及安全性；第四，是指資料處理的速度非常快，能夠做到資料的及時快速處理。
1.2 大資料的發展歷程
“大資料”一詞最早提出的是麥肯錫研究院於2011年釋出的研究報告《大資料》。之後，經美國高德納公司和美國一些科學家的宣傳推廣，漸漸地大資料概念開始流行起來。
大資料發展的萌芽期，是20世紀90年代至21世紀初，此時處於資料探勘技術階段。這一時期，隨著資料探勘理論和技術的一步步成熟，已開始有一些與商業相關的智慧工具開始被人們所應用，如專家系統、資料倉庫和知識管理系統等。
大資料發展的突破期，是2003―2006年，此時處於自由探索非結構化資料階段。這一時期，非結構化資料的迅猛發展帶動了大資料技術的快速發展。此時，可以以2004年的創立為標誌，此時是大資料發展的突破期。
大資料發展的成熟期，是2006―2009年，此時大資料技術形成並行運算與分散式系統。
到了2010年，智慧手機開始大量湧現，其應用日益廣泛。此時，資料的碎片化、流媒體、分散式等特徵更加凸顯，移動資料開始急劇增長。
近年來，大資料技術的發展十分迅猛，開始不斷向社會各行各業步步滲透，從而導致大資料的技術領域和行業邊界越來越不明顯，也越來越模糊，大資料的應用創新已經超越了大資料技術的本身，越來越受到各行各業的熱捧和青睞。
今天，可以毫不誇張地說，大資料技術能夠改變一個領域，為每一個領域帶來變革性和創新。
2 什麼是人工智慧
2.1 人工智慧的`定義
人工智慧是一門新的技術科學，它主要研究和開發用於模擬人類的智慧的理論、方法和技術的應用系統，它同樣也是計算機學科的一個重要分支。人工智慧的終極目的是掌握智慧的根本實質，從而生產出一種全新的能以人類智慧相似和相近的方式快速做出反應的智慧機器。可以說人工智慧的發展與計算機科學與技術的發展緊密相連，密不可分。
2.2 人工智慧的發展歷程
“人工智慧”一詞最初是在1956年美國達特茅斯學院提出的。
人工智慧的發展經歷了半個多世紀，它的發展歷程十分曲折，大致可分為三個發展階段：
20世紀40年代中期到50年代中期為第一階段，被稱為人工智慧啟蒙探索時期。1950年，英國數學家圖靈發表了《計算的機器與智慧》，提出了機器可以思維進而幫助人類的問題，直接推動了現代人工智慧的發展。
20世紀50年代中期到80年代末期為第二階段，被稱為人工智慧經典符號時期。人工智慧與認知科學、認知心理學等三門學科開始了相依為命的發展歷程。
20世紀80年代末期到現在為第三階段，被稱為人工智慧聯結主義時期。這一時期，主要採用分佈處理的方法透過人工神經網路來模擬人腦的智力活動。
3 大資料與人工智慧的關係
大資料和人工智慧，近年來這兩個領域的研究相互交叉促進，產生了很多新的方法、應用和價值。
今天，人類擁有了對資料規模大、資料型別多、資料流轉快和資料真實性高的大資料進行存取、檢索、分類和統計的能力，完全得益於大資料技術的發展。而且，人工智慧領域的一些理論和方法，已經開始用於大資料分析方面，並取得了一定的效果。
研究發現，解決人工智慧的擴充套件性和成長性問題，離不開大資料技術。
以前，人工智慧技術還不能實現與人類相似的學習研究能力。原因在於，人工智慧看似簡單，實際上是一件非常繁瑣和複雜的事情，產生人工智慧的兩個必要條件要有海量資料的支撐和對這些資料的極強處理能力，而以前的機器都不具備這兩個條件。
人工智慧其實就像人類一樣，是需要擁有大量的知識和豐富的經驗。在這些知識和經驗的背後是需要大量的資料支撐。大資料技術的進一步發展，為儲存、分析大量的資料提供了一定的技術支援，使機器得到的資料量和擁有的資料處理能力，與形成人工智慧所需要的資料量和資料處理能力相匹配。只有這樣，人工智慧才能得到發展。人工智慧的發展，反過來進一步推動大資料技術的向前發展，形成有效的相互推動作用。
與其說人工智慧的發展依靠大資料，不如說大資料開啟人工智慧新篇章。人工智慧領域的一些理論和方法，能夠有效地提升大資料的使用價值。與此同時，大資料技術的發展也將在為人工智慧提供一個用武之地。
4 未來人工智慧的發展 隨著大資料技術和計算機科學技術的不斷髮展，未來人工智慧的發展主要會在以下幾個方面：模式識別、專家系統、符號計算、人工神經網路和機器情感。
4.1 模式識別
模式識別，顧名思義，是指透過計算機採用數學計算的方法來研究模式的自動判讀、處理等識別功能。
可以斷定，隨著計算機技術的不斷向前發展，人類一定能對複雜的資訊處理過程做深入的進一步的研究。與此同時，模式識別功能也為人類認識自身智慧創造了可行的線索和提供了必要的幫助。
在現實生活中，對人類來說最重要的是對光學資訊以及聲學資訊的判斷和識別。大家知道，準確、高效是計算機識別的最大特點。例如，今天已經應用很廣的指紋識別功能就是一個典型的案例。
人類每個人的指紋獨一無二，具有唯一性。早在很多年前，我國有關專家就對數字影象的離散幾何性質進行了深入的觀察和研究，進而建立了從人類指紋的灰度影象精確計算紋線區域性方向，從而提取了人類指紋特徵資訊的相關理論與演算法。
這一研究發現，隨後就被用於全自動指紋鑑定系統，從而開創了我國指紋自動識別系統應用的先河。
4.2 專家系統
專家系統，是未來人工智慧發展的一個重要方向。專家系統在今天的生活中已被廣泛應用。其實，專家系統是指一個具有大量的行業或領域專門的知識與經驗的程式系統。它主要利用計算機科學技術和人工智慧技術為基礎，先根據某一行業或領域一些權威專家或多個專家所提供的一些相關知識和相關經驗，再進行深入推理和判斷，進而可以模擬人類專家的判斷決策過程。透過這個過程，從而來幫助人們解決現實中一些需要人類專家來處理的一些複雜的問題。
實現專家系統必須要有兩個條件：一是要擁有類似於該領域專家解決實際問題的推理機制，二是建立一個完善的儲存有該領域中經過專家事先總結、分析並按某種模式表示的專家知識庫。這兩個條件缺一不可，否則無法進行專家識別。
研究發現，專家系統能對人類輸入的資訊進行快速處理，並運用相關的行業和領域知識進行推理判斷，進而作出相應的判斷和決策。
科學家們對專家系統的研究由來已久，一直以來被科學家們所重視。今天，各種各樣的專家系統已遍佈了各行各業的不同領域，並且取得巨大的成功。
目前，專家系統可以分為十種型別：教育型、預測型、解釋型、維修型、規劃型、診斷型、除錯型、設計型、控制型等。
4.3 符號計算
科學計算是計算機發明以來最基本和主要的用途之一。科學計算可分為兩類：一類是純數值的計算，另一類是符號計算。符號計算與傳統的純數值計算不同，它是一種智慧化的計算，主要透過處理相應的符號來進行的計算。
在符號計算中，符號可以代表的種類非常非常多，如實數、複數、整數、有理數等，還可以用符號來代表函式、多項式、集合等。
很久以前，人類就希望能有一個可以進行符號計算的計算機軟體系統來幫助人們進行計算。可以追溯到20世紀50年代末，人們就開始對此進行研究。今天，隨著計算機科學技術和人工智慧技術的進一步發展，已相繼出現了多種可以進行符號計算的計算機系統軟體。
這些符號計算軟體功能齊全，且具有共同的特點：一是人機介面友好，命令輸入方便靈活，反應快捷，操作便捷；二是在操作介面上，一般都支援互動式處理，人透過鍵盤輸入命令，計算機處理後即顯示結果。
雖然計算機只是在執行人給它的指令，具有一定的侷限性，但是在符號計算中已經有了相當大的突破，相信在未來的符號計算領域會有更大的進步和發展。
4.4 人工神經網路和機器情感
計算機技術發展到今天，人工智慧的基本思想已經在許多領域中得到應用。未來人工智慧應用最重要的一個新領域就是人工神經網路。
研究表明，情感屬於智慧的一部分，而並不是與智慧相分離的。因此，可以斷言人工智慧未來發展的下一個突破就是要賦予計算機情感能力，讓智慧情感化。
人工智慧進入21世紀的今天，正醞釀著新的突破，創造新的奇蹟。
未來人工智慧的應用將會為人類創造出更多更高階的智慧“產品”來服務人類自身，而且人工智慧將會在越來越多的領域會超越人類智慧。
大資料時代背景下，相信人工智慧將會得到長足的發展，更多的發現、發明和成果將會出現在大家面前。彷彿可以看到，與人類水平相同甚至超越人類自身智慧就快要實現。
相信這一刻就在不遠的將來，讓大家拭目以待。
參考文獻
[1] 蔡自興，徐光v.人工智慧及其應用[M].4版.清華大學出版社，2010.
[2] （加）海金.神經網路與機器學習[M].3版.北京：機械工業出版社，2011.
[3] （美）庫茲韋爾.奇點臨近[M].北京：機械工業出版社，2011.
[4] （英）邁爾-舍恩伯格.大資料時代[M].杭州：浙江人民出版社，2013.
[5] 塗子沛.資料之巔[M].北京：中信出版社，2014.