有人以为将人工智能与大数据结合在一起是一个很天然的过错，其部分原因是两者实际上是一致的。但它们是完结相同使命的不同东西。但首先要做的事是先弄清二者的界说。很多人并不知道这些。
人工智能与大数据一个首要的差异是大数据是需求在数据变得有用之前进行整理、结构化和集成的原始输入，而人工智能则是输出，即处理数据发生的智能。这使得两者有着本质上的不同。
人工智能是一种核算方式，它答应机器履行认知功能，例如对输入起作用或作出反响，类似于人类的做法。传统的核算应用程序也会对数据做出反响，但反响和呼应都必须选用人工编码。假如呈现任何类型的过失，就像意外的成果一样，应用程序无法做出反响。而人工智能体系不断改动它们的行为，以适应调查成果的改变并修改它们的反响。
支撑人工智能的机器旨在分析和解释数据，然后依据这些解释解决问题。经过机器学习，核算时机学习一次怎么对某个成果采纳举动或做出反响，并在未来知道采纳相同的举动。
大数据是一种传统核算。它不会依据成果采纳举动，而仅仅寻觅成果。它界说了非常大的数据集，但也可所以极端多样的数据。在大数据会集，能够存在结构化数据，如联系数据库中的业务数据，以及结构化或非结构化数据，例如图画、电子邮件数据、传感器数据等。
它们在运用上也有差异。大数据首要是为了取得洞察力，例如Netflix网站能够依据人们观看的内容了解电影或电视节目，并向观众推荐哪些内容。由于它考虑了客户的习气以及他们喜爱的内容，推断出客户可能会有相同的感觉。
人工智能是关于决策和学习做出更好的决议。无论是自我调整软件、自动驾驶轿车仍是查看医学样本，人工智能都会在人类之前完结相同的使命，但速度更快，过错更少。
尽管它们有很大的差异，但人工智能和大数据依然能够很好地协同作业。这是由于人工智能需求数据来树立其智能，特别是机器学习。例如，机器学习图画识别应用程序能够查看数以万计的飞机图画，以了解飞机的构成，以便将来能够识别出它们。
人工智能完成最大的腾跃是大规模并行处理器的呈现，特别是GPU，它是具有数千个内核的大规模并行处理单元，而不是CPU中的几十个并行处理单元。这大大加快了现有的人工智能算法的速度，现在现已使它们可行。
大数据能够选用这些处理器，机器学习算法能够学习怎么重现某种行为，包含搜集数据以加速机器。人工智能不会像人类那样推断出定论。它经过实验和过错学习，这需求很多的数据来教授和训练人工智能。
人工智能应用的数据越多，其取得的成果就越精确。在曩昔，人工智能由于处理器速度慢、数据量小而不能很好地作业。也没有像当今先进的传感器，而且其时互联网还没有广泛运用，所以很难供给实时数据。人们具有所需求的全部：快速的处理器、输入设备、网络和很多的数据集。毫无疑问，没有大数据就没有人工智能。
来自 “ ITPUB博客 ” ，链接：https://blog.itpub.net/31549219/viewspace-2212361/ ，如需转载，请注明出处，否则将追究法律责任。
