大数据应用于人工智能领域需解决的两个问题

　　如今，每个行业多少都会涉及到人工智能，仿佛人工智能处在一个大爆发的阶段。但是人工智能专家、加州大学伯克利分校教授迈克尔•乔丹表示，人工智能目前还处于非常初级的阶段。很多事情我们还不了解，现状并不是一个“人工智能的神奇大爆炸时代”。乔丹教授在人工智能领域非常有名气，他也是前百度首席科学家吴恩达的导师。9月9日，乔丹教授在混沌大学的的课堂上，分析了人工智能的发展现状即该领域内关于大数据方面两个值得担心的问题。

　　首先，乔丹教授说，想要准确地理解人工智能，就要了解一下人工智能目前有哪些可能性，以及哪些技术还不太可能实现。比如人脸识别技术，计算机能做到在可视场景中标记对象，但没办法做到对视觉场景的常识理解。就拿开会来说，在一个会议室里面放上联网的摄像头，计算机能区分出来哪些是人脸，但却不能理解开会这个场景。再比如，机器只能做到死记硬背，却没有办法真正地回答问题。当你和电脑交流的时候，它可以回答你“中国最大的城市是哪一个”，那是它通过“中国”“城市”“最大”三个关键词，搜索出来的答案。但如果你问“中国不在河边的第二大城市是哪一个”，电脑就不一定能答上来。因为之前可能没有人做过这个问题的相关数据，所以就没有这个问题答案的数据列表。

　　乔丹教授说，未来十年，以上这些没办法实现的部分，或许能做到基本的实现，而且会做得越来越好。但他还是坚持认为，我们不太可能看到和人有同等智力的人工智能系统。因为人类在讲话的时候，是可以不断讲新内容、新理念的。同时人类还擅长进行新的抽象推理。这些人工智能系统就做不到，它需要反复、重复用海量的数据才能得出一个答案。人工智能系统可以知道世界所有的城市、餐厅、电影院，然而它也只知道这些事实而已。人工智能很难有灵活性和创造性。

　　不过，乔丹教授说，虽然我们不用担心出现超级人工智能的出现，但是反过来说，目前看似智能，实则不够智能的这些系统却是值得我们警惕的。尤其是在未来，涉及到城市规划、推荐系统、医学诊断等领域，都不再是传统单一机器人的问题。如果用过去传统算法去应用到这些领域，就会出现很多问题。

　　接着，乔丹教授分析人工智能领域大数据应用所遇到的问题。

　　首先，如何在竞争环境中共享数据。乔丹教授说，很多掌握数据的公司都不愿意和别人分享。他认为，数据分享的好处是，我们可以从整个行业的角度去考虑问题。比如一个黑客攻击了一家公司，这家公司就会从这次受攻击的事件中学到新东西。但因为当初只有这家公司受到了攻击，其他公司并不知道。如果这家公司把这个案例的数据分享给所有人，整个行业就可以一起去改善这个算法。而现在大家都不愿进行分享，一方面是技术原因，另一方面也有法律的原因。

　　其次，公平和多元化的问题。乔丹教授认为，搜集大量数据没问题，但这些数据是可能产生偏差的。比如，如果数据人员因为不喜欢某类人而不把这类人纳入样本，用这样的样本做预测本身就是有偏差和偏见的。

　　大数据处理信息服务商金盛网聚WJFabric认为，大数据处理与应用无疑已成为人工智能发展的重要基础建设之一，但对于实操中出现的问题尚待合理的解决方案，例如大数据的开源以及在保护隐私前提下的开发等。事实上，任何一项新技术的演进，利弊总是相伴而行的，重要的是在达成大部分参与者共识的前提下进行利大于弊的操作。以大数据为例，脱离监管而置之于法外自然是不被允许的，在用户乐于分享其数据的基础上进行产品化的服务，这样对于行业而言才有可持续发展的可能。

　　金盛网聚（北京）科技有限公司成立于2012年，是一家数据处理与信息咨询服务商，公司拥有自主核心技术与服务咨询的团队， 公司“WJFbaric-互联网大数据信息监测SaaS平台”目前注册使用客户将近上万个，为企业、政府、学术机构、成功人士等提供在线信息收集、展示、阅读、存储的免费平台，公司远景致力于通过数据+计算形成可视化的人工智能决策平台。