首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

大数据、人工智能与其它的技术彼此的界限日益模糊

大数据观察

了解大数据,从关注大数据观察开始!

任何事物只有放在它所存在的环境中,才能准确理解它的本质。

今天,大数据、人工智能等概念由于商业炒作等多方面的原因,已经变得模糊不清了。许多具体的技术也被罩上了夺目的光环,或有意被赋予了能够引发奇妙想象的名字,如“深度学习”。

下面,我们来看一下信息技术产业中的不同要素,在从科学到应用的这个链条上,各自处于什么样的位置。为了不陷入不必要的细节而又能揭示本质,我们将这个链条分为五个环节:科学原理,基础共性技术,具体应用技术,基础系统原理/技术及具体应用系统,见图1。

图1 从科学原理到应用系统,图片来源:作者供图,下同

科学原理是对基本运动规律的认识总结,而技术是对规律的运用。所以新的科学原理的提出,常常会对社会产生深刻而广泛的影响。正因为科学原理的意义如此之大,所以“科学”也常常被盗用。许多技术性的产出,也被带上了“科学”这个帽子。在计算机领域,图灵机与计算复杂性理论基本上属于科学原理这个范畴。也正因为如此,计算机才被冠以了“科学”的称谓。

从根本上看,人工智能热潮在90年代的冷却,是因为人们在人工智能领域经过了几十年的努力,没有能够理解一般意义上的智能过程的本质,因而也就没有能够取得科学意义上的原理性突破,在理论上抽象出类似数字基本计算那样的基本智能操作,用以支撑更为高级复杂的智能过程。所以人工智能领域的产出,虽然丰富而且影响巨大,但是却始终没有达到科学原理的高度。

其实,用智能体这个概念整合与人工智能相关的技术方法,也是没有办法的办法,显示出了这个领域的一种无奈的现实:只有实用的一些具体技术方法,缺少科学原理或基础共性技术的支撑,也没有基础性系统级的有效理论。这些年被热捧的“深度学习”,也是这个层面的技术。

“深度学习”这个概念包括了深度信念网络、卷积神经网络、循环与递归网络等多种不同的具体网络模型与相应的算法,用来解决不同类型的问题。它们实际上是借助计算机的“暴力”计算能力,用大规模的、含有高达千万以上的可调参数的非线性人工神经网络,使用特定的“学习/训练”算法,通过对大量样本的统计处理,调整这些参数,实现非线性拟合(变换),从而实现对输入数据特征的提取与后续的分类等功能。

它是解决特定类型问题的一些具体的方法,而不是具有像人那样的一般意义上的学习的能力,尽管这个名字确实引发了许多不了解这个技术的人的这方面的想象。其实,信息技术领域内的绝大部分技术,基本都属于这个层面,包括与大数据相关的技术,而且它们也都属于辅助智能性质的技术。所以,大数据、人工智能与其它的技术彼此的界限日益模糊。

这些具体的实用性技术,包括“深度学习”(人工神经网络),常常是实验性技术,在应用于一个新的具体问题之前,我们无法确定它是否能够有效地解决这个问题,或者能够将问题解决到什么程度。

文章与部分图片来源于网络,如有疑问,请联系删除

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20180716B17D7P00?refer=cp_1026
  • 腾讯「腾讯云开发者社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 cloudcommunity@tencent.com 删除。

相关快讯

扫码

添加站长 进交流群

领取专属 10元无门槛券

私享最新 技术干货

扫码加入开发者社群
领券