AI和大数据2017“成长的烦恼”

作者: 佚名 2018-01-02 12:22:36

人工智能和大数据在2017年的发展遇到了以下10个成长的烦恼:

AI和大数据2017“成长的烦恼”

1.人工智能无IQ标准

人工智能领域发展最好的一个领域是无人驾驶,而究其原因不外乎其拥有了从L0到L5的全球通用标准。但是在其他领域,人工智能细分领域过多,标准化相对缺乏,语音识别做到什么境界算成功,图像识别怎样算最好无法定性,人类都有IQ值来评估是否聪明,可AI却没有。行业无标准让市场、厂商和用户都只能摸黑前行。

2.人工智能延伸边缘

人工智能的应用在过去是由中心计算支持的,但是由于应用需求的边缘化扩张,物联网将会是人工智能的下一个发展重地,而边缘计算在智能化领域开始成为主角。

3.AI嵌入超算和云计算

人工智能技术不仅在贴近用户层面的边缘化扩展,也在向更深层次的计算需求扩展。云计算和超算技术的发展正在带领人工智能进入一个前所未有的领域。作为人工智能三大因素之一,计算力的发展让人工智能能涉足的事情变多起来。

4.人工智能得风不得势

人工智能的限制因素在于行业应用依然没有发展,目前的主要应用在搜索、智能语音助手和智能家居等边边角角的小规模运用中,根本没有发挥出自身优势。而无人驾驶至少还需要3年的准备时间,行业规则也尚未定性,总体来看,人工智能只是炒作的噱头还没有利润转化的能力。

5.人工智能就业有误

人工智能与人类就业的冲突已经被提上了日程。不少人担心人工智能的发展会造成人类的大规模失业,而且还有以霍金为首的大批业内人士担心人工智能的发展会让人类毁灭。这些担心尽管不无道理,可是人工智能也会造成另外的就业岗位岗,例如,人工智能设备共享的运营、维修。

6.大数据风口已过

大数据从起风到现在显然风头已经被人工智能盖过,换言之大数据被鼓吹的年代已经过去,甚至曾经鼓吹大数据,必须要设立企业的首席数据官的公司,说了5年之后也对此不了了之。大数据的成效比实在差强人意也是让人们看到了大数据难做的原因之一。

7.数据保鲜难

大数据进入非互联网行业时,面临的主要难题在数据采集。数据采集不全面则可能分析结果无价值,而全方位的采集又可能使得采集成本过高。同时,任何行业的大数据都面临数据保鲜周期短,数据易过期的难题。

8.数据养黑市

大数据行业发展导致数据价值日益提升,因此黑客的主要攻击目标也就被集中到了数据之上。企业不仅需要为采集到的数据及时的进行分类、处理、存储和分析,也需要为数据的安全负责。在网络环境日益复杂的情况中,黑市里的数据正在越来越多,保护数据的成本也在增加。

9.数据量爆发

管理不同步大数据在经历了一轮轮爆发之后,企业在处理数据时所面对的海量数据需要进行数据筛选和数据清洗,但是数据清洗过程正在让数据管理变得复杂化,非结构化数据包含的意义正在增多,数据清洗可能去掉有用的信息只留下想看到的不完整信息,这种数据管理方式会导致最终处理结果的偏差。

10.大数据商业化孤岛形成

每一家企业都有自己的数据,而这些数据在进行商业化应用时,出于对个人隐私和竞争关系等因素考虑,并不会相互沟通,数据缺乏流通性和及时更新直接的结果就是导致不同企业的数据互不相同,孤岛化数据成型,这种孤岛化数据缺乏全面性,从而让多数企业只能在自身偏颇的分析结果里获取答案,远谈不上真正的大数据。

人工智能 大数据 IQ
上一篇:美国科学家开发新技术:让机器人也能三思后行 下一篇:2018年值得关注的10种机器学习工具
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

AI行业寒潮下,智能物流机器人产业迎来“风口”

“人工智能,前景很好,但‘钱’景不好 ” 、“2018年,人工智能的进展就是没有进展”、“2019年的AI行业已如石墨烯一样,尽显疲态”……一篇《投资人逃离人工智能》文章又给人工智能行业泼了一身冷水。人工智能融资难、“寒冬论”再一次戳痛每个人工智能从业者的心,激起大众的焦虑情绪。

AI报道 ·  22h前
人工智能应用在智慧社区五大场景

物联网、云计算、大数据、人工智能正逐步从概念走向应用。越来越多的传统产业也开始探索和创新,积极拥抱互联网和新技术。未来,人工智能技术可能会颠覆社区管理。

有熊 ·  23h前
基于PyTorch的CV模型框架,北大学生出品TorchCV

在机器学习带来的所有颠覆性技术中,计算机视觉领域吸引了业内人士和学术界最大的关注。

张倩、泽南 ·  1天前
高位截瘫患者重新行走:靠意念指挥外骨骼,法国脑机接口新突破

依靠介入头部的 2 个传感器,法国里昂的一名瘫痪男子 Thibault 实现了操控外骨骼装备来助力行走。

孙滔 ·  1天前
2008 年预测 2020 年生活方式:基本都实现了

美国皮尤研究中心曾在 2008 年预测 2020 年的生活方式,目前来看,该研究的预测基本已经实现。而对于未来 10 年,也就是 2030 年左右人们的生活,在 2017 年底的世界经济论坛上,800 多名信息和通讯技术领域的技术高管和专家给出了如下预测。

佚名 ·  1天前
机器学习的正则化是什么意思?

正则化的好处是当特征很多时,每一个特征都会对预测y贡献一份合适的力量;所以说,使用正则化的目的就是为了防止过拟合。

佚名 ·  1天前
为什么我的CV模型不好用?没想到原因竟如此简单……

机器学习专家 Adam Geitgey 近日发布了一篇文章探讨了这一简单却又让很多人头痛的问题,并分享了他为解决这一问题编写的自动图像旋转程序。

机器之心 ·  1天前
中文自动转SQL,准确率高达92%,这位Kaggle大师刷新世界纪录

首届中文NL2SQL挑战赛上,又一项超越国外水平的NLP研究成果诞生了。在NL2SQL这项任务上,比赛中的最佳成绩达到了92.19%的准确率,超过英文NL2SQL数据集WikiSQL目前完全匹配精度86.0%,执行匹配精度91.8%的最高成绩。

郭一璞 ·  1天前
Copyright©2005-2019 51CTO.COM 版权所有 未经许可 请勿转载