第二章 AI复兴：深度学习+大数据=人工智能（第18/20页）

大数据往往可以取代传统意义上的抽样调查。例如，按照传统方式，电视台某个节目的收视率往往要由专业调查公司通过抽样调查的方式，通过电话拜访等渠道获得抽样数据，再估算收视率。现在，有了微博或类似的社交网络，我们可以直接利用微博上每时每刻产生的大数据，对电视节目、电影、网络节目的热门程度进行分析，其准确性往往超过传统的抽样调查方式。

许多大数据都可以实时获取。例如，每年双十一，在阿里的淘宝、天猫这样的电子商务平台上，每时每刻都有成千上万笔交易正在进行，所有这些交易数据在阿里交易平台的内部，都可以实时汇总，供人们对双十一当天的交易情况进行监控、管理或分析、汇总。一部分数据的时效性非常强，如果不能实时利用，则数据的附加值会大幅降低。大数据的实时性为大数据的应用提供了更多的选择，为大数据更快产生应用价值提供了基础。

大数据往往混合了来自多个数据源的多维度信息。一份微博用户的ID列表虽然很有价值，但并不容易转换成商业应用所需要的完整信息。假如能利用用户ID，将用户在微博上的社交行为，和用户在电子商务平台如淘宝、京东等的购买行为关联起来，通过对不同来源的大数据的整合，采集到更多维度的数据，就可以向微博用户更准确地推荐他最喜欢的商品。聚合更多数据源，增加数据维度，这是提高大数据价值的好办法。

大数据的价值在于数据分析以及分析基础上的数据挖掘和智能决策。大数据的拥有者只有基于大数据建立有效的模型和工具，才能充分发挥大数据的价值。例如，图30是利用谷歌趋势（Google Trends）对过去5年全球地震分布进行分析汇总。我们很容易根据用户查询地震相关关键词的频率，看出过去5年内主要地震的发生时间和地点。在这里，谷歌趋势就是一个利用已有大数据建模、分析、汇总的有效工具。

图30　利用谷歌趋势（Google Trends）分析全球近5年来的地震分布

有大数据就有人工智能的机会

人工智能时代，深度学习和大数据成了密不可分的一对儿。深度学习可以从大数据中挖掘出以往难以想象的有价值的数据、知识或规律。简单来说，有足够的数据作为深度学习的输入，计算机就可以学会以往只有人类才能理解的概念或知识，然后再将这些概念或知识应用到之前从来没有看见过的新数据上。

《智能时代》的作者吴军博士说：“在方法论的层面，大数据是一种全新的思维方式。按照大数据的思维方式，我们做事情的方式与方法需要从根本上改变。”52

谷歌的围棋程序Alpha Go已经达到了人类围棋选手无法达到的境界。没有人可以与之竞争，这是因为Alpha Go在不断进行学习。Alpha Go不但从人类专业选手以往的数百万份棋谱中学习，还可以从自己和自己的对弈棋谱中学习。人类专业选手的对局、Alpha Go自己与自己的对局，这些都是Alpha Go赖以学习提高的大数据。

基于大数据的深度学习到底如何在现实生活中发挥作用呢？一个非常好的例子是，计算机可以通过预先学习成千上万张人脸图片，掌握认识和分辨人脸的基本规律。然后，计算机可以记住全国所有通缉犯的长相。没有一个单独的人类警察可以做到这一点。这样一来，全国的安防系统只要接入了这套会识别通缉犯相貌的计算机程序，通缉犯在公共场合一露面，计算机就可以通过监控摄像头采集的图像将通缉犯辨认出来。大数据和深度学习一起，可以完成以前也许需要数万名人类警察才能完成的任务。

任何拥有大数据的领域，我们都可以找到深度学习一展身手的空间，都可以做出高质量的人工智能应用。任何有大数据的领域，都有创业的机会。

金融行业有大量客户的交易数据，基于这些数据的深度学习模型可以让金融行业更好地对客户进行风险防控，或针对特定客户进行精准营销；电子商务企业有大量商家的产品数据和客户的交易数据，基于这些数据的人工智能系统可以让商家更好地预测每月甚至每天的销售情况，并提前做好进货准备；城市交通管理部门拥有大量交通监控数据，在这些数据的基础上开发的智能交通流量预测、智能交通疏导等人工智能应用正在大城市中发挥作用；大型企业的售后服务环节拥有大规模的客服语音和文字数据，这些数据足以将计算机训练成为满足初级客服需要的自动客服员，帮助人工客服减轻工作负担；教育机构拥有海量的课程设计、课程教学数据，针对这些数据训练出来的人工智能模型可以更好地帮助老师发现教学中的不足，并针对每个学生的特点加以改进……