那些從事機(jī)器學(xué)習(xí)(ML)項(xiàng)目的人都知道機(jī)器學(xué)習(xí)需要大量數(shù)據(jù)來訓(xùn)練算法。有的人會(huì)說數(shù)據(jù)永遠(yuǎn)不嫌多。數(shù)據(jù)量和生成的機(jī)器學(xué)習(xí)模型的復(fù)雜程度之間通常存在著正相關(guān)性。隨著人工智能向著新的領(lǐng)域發(fā)展，用到的人工智能功能變得愈加復(fù)雜，這種對數(shù)據(jù)的饑渴只會(huì)變得更加強(qiáng)烈。除了人工智能的復(fù)雜性，其他一些趨勢也在加劇這一問題，因此組織面前就出現(xiàn)了這樣一個(gè)問題：“他們是否擁有適當(dāng)?shù)臄?shù)據(jù)以成功推動(dòng)人工智能項(xiàng)目?”如果他們沒有足夠的資源，他們是否應(yīng)該為人工智能盛宴做更多的準(zhǔn)備?

圖1：人工智能/數(shù)據(jù)連續(xù)性

組織已經(jīng)收集的所有大數(shù)據(jù)不太可能都是正確的數(shù)據(jù)，但是了解人工智能的發(fā)展方向能夠讓組織獲得“立足點(diǎn)”，在未來幾十年人工智能的發(fā)展過程中篩選和收集更多正確的數(shù)據(jù)。

人工智能的發(fā)展改變了數(shù)據(jù)游戲

雖然機(jī)器學(xué)習(xí)需要大量數(shù)據(jù)對自身行為進(jìn)行修正，但隨著人工智能功能復(fù)雜程度的提高，人工智能對數(shù)據(jù)的需求量也會(huì)迅速增加。從機(jī)器學(xué)習(xí)到深度學(xué)習(xí)(DL)更是向前邁出了一大步，而深度學(xué)習(xí)比機(jī)器學(xué)習(xí)需要的數(shù)據(jù)要多得多。原因在于深度學(xué)習(xí)通常只能識(shí)別神經(jīng)網(wǎng)絡(luò)各層之間的概念差異。當(dāng)暴露在數(shù)百萬個(gè)數(shù)據(jù)點(diǎn)之下時(shí)，深度學(xué)習(xí)可以確定概念的邊界。深度學(xué)習(xí)讓機(jī)器像人的大腦一樣能夠通過神經(jīng)網(wǎng)絡(luò)表示概念，從而能夠解決更復(fù)雜的問題。人工智能還可以解決更為模糊的問題，這些問題的答案通常更加不確定或者是模棱兩可的。這通常是判斷或者識(shí)別類的問題，可以擴(kuò)展到創(chuàng)作或者其他的右腦活動(dòng)。這又導(dǎo)致對數(shù)據(jù)的更多需求，在某些情況下，從本質(zhì)上而言，這些需求可能是迫切或者實(shí)時(shí)的。

從數(shù)據(jù)驅(qū)動(dòng)到結(jié)果驅(qū)動(dòng)的轉(zhuǎn)變

人工智能在協(xié)助或解決的復(fù)雜問題中不斷發(fā)展，隨著這一趨勢，它將成為數(shù)據(jù)驅(qū)動(dòng)和目標(biāo)/結(jié)果驅(qū)動(dòng)。這意味著人工智能可能會(huì)在解決特定問題或者進(jìn)行特定推斷過程中即時(shí)請求數(shù)據(jù)，從而使數(shù)據(jù)管理變得更加復(fù)雜。它可能涉及解決方案的歸納數(shù)據(jù)驅(qū)動(dòng)部分與為了達(dá)到目標(biāo)假設(shè)的數(shù)據(jù)演繹需求的交互。以結(jié)果為導(dǎo)向的問題需要這種類型的動(dòng)態(tài)交互。這與僅僅檢索數(shù)據(jù)以尋找感興趣的事件或模式的做法有很大的不同。決策驅(qū)動(dòng)的方式則正好落在這兩種截然不同的模式之間。通過將數(shù)據(jù)和結(jié)果進(jìn)行匹配，可以聚焦一些決策的運(yùn)行狀況并加以改進(jìn)。無論是歸納還是演繹都會(huì)出現(xiàn)更多的戰(zhàn)略決策。這只是推動(dòng)數(shù)據(jù)使用量需求的源動(dòng)力之一。

不斷變化的問題范圍影響數(shù)據(jù)需求

人工智能解決方案的范圍通常會(huì)從狹窄的領(lǐng)域開始，并隨著時(shí)間的流逝而擴(kuò)大到更大的范圍，因此也就會(huì)需要更多數(shù)據(jù)。復(fù)雜的解決方案通常瞄準(zhǔn)了多個(gè)答案，并且需要更多的數(shù)據(jù)來支持支路解決方案集，從而產(chǎn)生復(fù)雜/混合的結(jié)果。隨著決策、行動(dòng)和結(jié)果的范圍跨越組織內(nèi)部和外部的更多場景，將需要獲取更多的數(shù)據(jù)以了解每種場景及其相互作用。這些場景中的每一個(gè)都可能以不同的速率變化和變形，因此，也就會(huì)需要更多的數(shù)據(jù)。

總結(jié)

顯然，更多數(shù)據(jù)將成為人工智能輔助解決方案的標(biāo)志。對數(shù)據(jù)的渴求可能來自于更具挑戰(zhàn)性的問題、對高級人工智能/分析的更好利用或者是端到端價(jià)值鏈的增長。只有一點(diǎn)是確定無疑的。組織最好為“人工智能/數(shù)據(jù)交互”的新世界做好準(zhǔn)備。它將改變或拓展數(shù)據(jù)管理策略、方法和技術(shù)。