数据、大数据与人工智能学习笔记

知识，是可用于指导行动的信息。

信息，是提供决策的有效数据。

数据，是关于自然、社会现象和科学实验的定量或定性的记录。

例子1

不是大数据。

英国《卫报》利用维基解密的数据做了一篇“数据新闻”。将伊拉克战争中所有的人员伤亡情况均标注于地图之上。地图上一个红点便代表一次死伤事件，鼠标点击红点后弹出的窗口则有详细的说明：伤亡人数、时间，造成伤亡的具体原因。密布的红点多达39万，显得格外触目惊心。一经刊出立即引起朝野震动，推动英国最终做出撤出驻伊拉克军队的决定。

分析：伤亡人数不是价值密度低的数据，而是价值高的数据，所以它属于传统数据的范畴，它只是改变了传统数据呈现的方式，也就是说，它通过这样一个在地图上标注红点的方式，把这个统计数据呈现在我们的面前，它只是一个数据呈现方式上的创新。

例子2

是大数据。

2009年，Google通过分析5000万条美国人最频繁检索的词汇，将之和美国疾病中心在2003年到2008年间季节性流感传播时期的数进行比较，并建立一个特定的数学模型。最终Google成功预测了2009冬季流感的传播情况，时间比美国疾控中心提前了一周。

大数据与人工智能相关误区

结论：

1.大数据不能用来训练AI 。

2.AI会成为处理大数据的利器。

3.机器人将是大数据的重要来源。

分析：

1.大数据不能用来训练AI

大数据是价值较低的数据，而训练AI的数据是非常纯净的数据。比如训练深度学习机器去准确识别一根香肠，类似香肠的东西可能有香蕉、茄子等，要让机器准确识别出香肠，那必须由人工筛选出只包含单一香肠的数据图片，通过这些纯净的香肠图片，让机器分析图片的相似点，进而让机器达到高准确度的判断和识别。

2.AI会成为处理大数据的利器。

未来的数据将是成千上万，单靠人工是无法胜任这么庞大的数据量，而依靠机器协助能够更快的处理冗杂的数据，以便对其进行深入分析。

3.机器人将是大数据的重要来源。

未来如智能坐便通过收集患者便秘、痔疮等生理状况，给患者就医建议，并通过物联网实现在家就医，这也避免了因羞于隐私而耽误疾病的情况发生。

这类疾病数据被合理收集和利用，也将有利于医学行业的良性发展。

未来如智能睡枕可以收集使用者睡眠习惯，记录使用者打鼾、呼吸频率等数据，帮助使用者减少因为咽喉结构畸变导致的呼吸暂停等危险情况，还有其他应用，这里不再赘述。