大咖周语录 | 沃森也是弱人工智能，强人工智能时代至少要等500年

数据猿导读

对于大数据的概念以及大数据在各行业的应用，每个人心中都有不同的看法。小编每周都会整理大数据牛人们的精彩观点，让你在最短的时间获得最精的思想荟萃。后续，数据猿也会邀请更多行业大牛通过线上线下等形式，对目前大数据行业的现状进行深度交流，汇集更多“大咖语录”给大家

来源：数据猿 作者：jean

数据堂创始人齐红威：数据交易这门生意做不起来

我们从来不提数据交易，也不会去做数据交易，因为个人觉得，数据交易做不起来，原因如下：

1、数据所有权无法确定、数据隐私、安全问题还未能解决；

2、数据交易的是结果，而不是原始数据。需求方拿到原始数据是不知道如何使用的，只有将原始数据进行加工处理、分析挖掘，产生的结果才可以交易的；

3、单一数据的价值有限，容易形成数据孤岛，通过平台将多种数据融合的数据才会有价值。

原文链接：

http://www.datayuan.cn/article/8523.htm

青域基金执行总裁牟颖：能源大数据短期内不会爆发性增长，但封闭传统的能源行业创新创业机会更大！

能源行业的创业门槛很高：

1、能源行业系统较为封闭，市场化程度低，企业决策受政策影响大，创新创业气氛不活跃；

2、重资产、重积累。创业者不仅要有好头脑，还要有产业资源、一定规模的启动资金、人脉和产业认知方面的深厚积累；

3、需要复合型人才。不仅懂能源系统，还要对互联网、大数据技术熟练掌握。

所以，能源大数据行业并不会在短期内出现爆发式的增长。但是，能源行业开放是大势所趋，在与互联网和大数据的不断融合进程中，从封闭的计划体制逐渐开始拥抱开放的市场。在这个过程中，一定会涌现出许多创新机会、前所未见的商业模式，形成新的能源生态。

原文链接：

http://www.datayuan.cn/profile/8557.htm

族谱科技CEO张力铭：对大数据的看法，很多企业都扭曲了

国内很多企业对大数据的看法都出现了扭曲：会用Hadoop的=大数据公司？印度电线杆上面都贴着Hadoop培训的广告。一个数据挖掘的工具在印度都已经普及到这种程度，国内却把Hadoop捧上天，这对大数据整体发展不是个好现象。

大数据可远没有那么简单，要经过不同阶段的发展：

第一阶段基础数据服务。通过挖掘不同维度的数据帮助企业解决业务问题，但绝大多数企业会面临商业壁垒问题。

第二阶段场景化构建。很快有更多细分领域的业务需要场景化工具，但是，数据维度不够、经验不足，不能打动客户的就只有死路一条。

第三阶段人工智能。人工智能在未来将会成为数据行业发展最核心的支撑点。现阶段的人工智能一定要基于场景化片段才能真正实现为人类服务。

原文链接：

http://www.datayuan.cn/profile/8560.htm

海致BDP联合创始人胡嵩：这4种企业，很难找到合适的大数据服务

1、规模不够大。这些企业钱不够多，不舍得购买数据服务；数据也不够多，靠excel就能解决的事儿何必搞得麻烦。

2、数据类型单一。比如很多传统企业，ERP或者CRM就能满足绝大多数的现阶段需求，这些企业意识不到数据服务的重要性。

3、管理层本身的数据意识还没建立起来。这些企业长久以来依靠控制成本或者引入资本就能实现盈利，管理层还不了解数据驱动经营的重要性，不特别追求效率。

4、人员素质没达到相应程度。不是说人员素质低，而是数据意识不足，互联网意识不足，对数据操作、分析比较麻木。这种企业会有需求，甚至会付费购买服务，但是买了以后，使用频率很低，而且经常热乎劲儿一过就不用了。因为用产品的最终还是人。

原文链接：

http://www.datayuan.cn/article/8685.htm

能源基金会工业节能项目主任何平：能源信息化管理在企业端难以落地的四个原因

1、企业实施层面拖后腿。国家在大力推动，但企业之间的资源利用没有具体数据研究，整个能源系统的能源投入量、使用量、产出量和能源品种得不到梳理。

2、成功案例少。能源领域很少见到成功的解决方案，通过大数据技术能达到什么效果，降低多少成本，企业无从参考。

3、需要巨额资金。由于能源业信息化建设需要花费巨额成本，对中小型企业而言，难度很大。

4、管理层不重视。即使国家再怎么推广，最终还是要落到企业的头上，管理层的不重视会阻碍企业发展。

原文链接：

http://www.datayuan.cn/profile/8586.htm

微软全球资深副总裁洪小文：现在是弱人工智能时代，由弱到强至少要等500年

美国哲学家约翰·塞尔的“中文房间”思维实验形象的诠释了计算机的工具性本质——只是机械性的完成任务，而非理解问题本身。这几乎是目前所有AI的真实写照，都属于弱人工智能，Watson也是。

弱人工智能并不弱，并且正在与机器学习和大数据构成一个足以改变未来的技术“铁三角”。但是，人类真正担心的不应该是人工智能颠覆人类，而是即便人工智能被企业寄予厚望、不吝资源而加速研发，但迄今为止相关领域的技术进步仍不足以孵化出真正拥有创造力、能够通过自我学习解决未知问题、提出新思维的机器。

原文链接：

http://www.datayuan.cn/article/8684.htm

来源：数据猿