付雯 孔渝 王玉珍 李曉青

摘要：大數(shù)據(jù)和人工智能是今天計(jì)算機(jī)科學(xué)的兩個(gè)重要分支。近年來，有關(guān)大數(shù)據(jù)和人工智能折兩個(gè)領(lǐng)域所進(jìn)行的研究一直從為間斷。其實(shí)，大數(shù)據(jù)和人工智能得聯(lián)系千絲萬縷。首先，大數(shù)據(jù)的發(fā)展依靠人工智能，應(yīng)為它使用了許多人工智能的理論和方法。其次，人工智能的發(fā)展頁必須依托大數(shù)據(jù)技術(shù)，需要大數(shù)據(jù)進(jìn)行支撐。本文從簡述大數(shù)據(jù)與人工智能的概念，區(qū)別以及它們相結(jié)合的目的與應(yīng)用。

關(guān)鍵詞：大數(shù)據(jù) 人工智能 結(jié)合

一、大數(shù)據(jù)與人工智能概念

1.大數(shù)據(jù)是指無法在一定時(shí)間范圍內(nèi)用常規(guī)軟件工具進(jìn)行捕捉、管理和處理的數(shù)據(jù)集合，是需要新處理模式才能具有更強(qiáng)的決策力、洞察發(fā)現(xiàn)力和流程優(yōu)化能力的海量、高增長率和多樣化的信息資產(chǎn)。

2.人工智能是研究、開發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)。典型的交叉學(xué)科，研究的內(nèi)容集中在機(jī)器學(xué)習(xí)、自然語言處理、計(jì)算機(jī)視覺、機(jī)器人學(xué)、自動(dòng)推理和知識(shí)表示等六大方向，目前機(jī)器學(xué)習(xí)的應(yīng)用范圍還是比較廣泛的，人工智能的核心在于“思考”和“決策”，如何進(jìn)行合理的思考和合理的行動(dòng)是目前人工智能研究的主流方向。

3.大數(shù)據(jù)與人工智能

大數(shù)據(jù)和人工智能雖然關(guān)注點(diǎn)并不相同，但是卻有密切的聯(lián)系，一方面人工智能需要大量的數(shù)據(jù)作為“思考”和“決策”的基礎(chǔ)，另一方面大數(shù)據(jù)也需要人工智能技術(shù)進(jìn)行數(shù)據(jù)價(jià)值化操作。在大數(shù)據(jù)價(jià)值的兩個(gè)主要體現(xiàn)當(dāng)中，數(shù)據(jù)應(yīng)用的主要渠道之一就是智能體，為智能體提供的數(shù)據(jù)量越大，智能體運(yùn)行的效果就會(huì)越好，因?yàn)橹悄荏w通常需要大量的數(shù)據(jù)進(jìn)行“訓(xùn)練”和“驗(yàn)證”，從而保障運(yùn)行的可靠性和穩(wěn)定性。

二、人工智能和大數(shù)據(jù)的區(qū)別

人工智能是基于大數(shù)據(jù)的支持和采集，運(yùn)用于人工設(shè)定的特定性能和運(yùn)算方式來實(shí)現(xiàn)的，大數(shù)據(jù)是不斷采集、沉淀、分類等數(shù)據(jù)積累。

與以前的眾多數(shù)據(jù)分析技術(shù)相比，人工智能技術(shù)立足于神經(jīng)網(wǎng)絡(luò)，同時(shí)發(fā)展出多層神經(jīng)網(wǎng)絡(luò)，從而可以進(jìn)行深度機(jī)器學(xué)習(xí)。與以外傳統(tǒng)的算法相比，這一算法并無多余的假設(shè)前提，而是完全利用輸入的數(shù)據(jù)自行模擬和構(gòu)建相應(yīng)的模型結(jié)構(gòu)。這一算法特點(diǎn)決定了它是更為靈活的、且可以根據(jù)不同的訓(xùn)練數(shù)據(jù)而擁有自優(yōu)化的能力。

三、大數(shù)據(jù)與人工智能相結(jié)合的目的

1.通過大數(shù)據(jù)來完成算法訓(xùn)練

人工智能技術(shù)的研發(fā)核心是算法設(shè)計(jì)，而一個(gè)算法從設(shè)計(jì)到最終的應(yīng)用，還需要經(jīng)歷算法訓(xùn)練和算法驗(yàn)證這兩個(gè)階段，而算法訓(xùn)練和算法驗(yàn)證就離不開大數(shù)據(jù)的支撐。從這個(gè)角度來看，大數(shù)據(jù)技術(shù)的發(fā)展對于人工智能技術(shù)的發(fā)展有非常直接的作用。

2.通過大數(shù)據(jù)來輔助決策

人工智能的應(yīng)用有多種不同的層次要求，其中智能決策是人工智能技術(shù)最為重要的應(yīng)用之一，人工智能要想完成更加合理的決策，一定離不開大數(shù)據(jù)的支撐，從目前的技術(shù)體系結(jié)構(gòu)來看，智能決策層之下就是大數(shù)據(jù)分析層。

3.通過大數(shù)據(jù)來擴(kuò)展智能體的應(yīng)用邊界

人工智能未來要想被廣泛采用，一定要全面拓展自身的應(yīng)用邊界，而大數(shù)據(jù)技術(shù)的發(fā)展能夠在很大程度上拓展智能體的應(yīng)用邊界。簡單地說，一個(gè)行業(yè)要想進(jìn)行智能化改造，首先要完成大數(shù)據(jù)改造。

4.物聯(lián)網(wǎng)對于大數(shù)據(jù)技術(shù)和人工智能技術(shù)的發(fā)展有非常重要的作用。

四、應(yīng)用于大數(shù)據(jù)的人工智能技術(shù)

1.外推

外推是在原始觀測范圍之外，根據(jù)變量與其它變量的關(guān)系來評估變量的值的過程。并非所有的趨勢都是線性的。線性趨勢很簡單;一個(gè)簡單的直線圖就足夠了。非線性的趨勢需要更多地參與，這就是外推函數(shù)有用處的地方。這些算法是基于多項(xiàng)式、圓錐曲線或曲線方程的。

2.異常檢測

異常檢測也被稱為異常值檢測。它包括標(biāo)識(shí)不符合預(yù)期模式的識(shí)別數(shù)據(jù)項(xiàng)、事件或觀測，或數(shù)據(jù)集中的其它項(xiàng)。異常檢測可以識(shí)別諸如銀行欺詐之類的事件。它也適用于幾個(gè)其它領(lǐng)域，包括：故障檢測、系統(tǒng)健康監(jiān)測、傳感器網(wǎng)絡(luò)和生態(tài)系統(tǒng)干擾。

3.貝葉斯定理

在概率論和數(shù)理統(tǒng)計(jì)學(xué)之中，貝葉斯原理描述了一個(gè)事件的概率，它是基于與事件相關(guān)的條件前驗(yàn)知識(shí)。這是基于先前事件來預(yù)測未來的一種方式。假設(shè)一個(gè)公司希望知道哪些客戶有流失的風(fēng)險(xiǎn)。使用貝葉斯方法，可以收集滿意度不足的客戶的歷史數(shù)據(jù)，并用于預(yù)測以后有可能流失的客戶。這是一個(gè)非常適合應(yīng)用大數(shù)據(jù)的例子，因?yàn)楦嗟臍v史數(shù)據(jù)被饋送到貝葉斯算法里，其預(yù)測結(jié)果變得更準(zhǔn)確。

在某些情況下，人類有可能分析大量的數(shù)據(jù)，但隨著時(shí)間的推移，這很繁瑣，就需要人工智能來幫忙?；谝?guī)則的系統(tǒng)可以用來從人類這里提取、存儲(chǔ)和操縱知識(shí)，以便以有用的方式來解釋數(shù)據(jù)。

4.圖形原理

在數(shù)學(xué)中，圖形原理是用來模擬對象之間成對關(guān)系的數(shù)學(xué)結(jié)構(gòu)的研究。在此上下文中的圖形由頂點(diǎn)、節(jié)點(diǎn)或由邊、圓弧和線段連接的點(diǎn)組成，并且可以相當(dāng)復(fù)雜和龐大。利用圖形原理，可以很容易地了解數(shù)據(jù)之間的關(guān)系。

5.模式識(shí)別

模式識(shí)別用于檢測數(shù)據(jù)中的模式和規(guī)律，它是機(jī)器學(xué)習(xí)的一種形式。模式識(shí)別系統(tǒng)利用數(shù)據(jù)訓(xùn)練的過程被稱為監(jiān)督學(xué)習(xí)。它們還可以被用來發(fā)現(xiàn)以前未知的數(shù)據(jù)模式，這個(gè)過程稱為無監(jiān)督學(xué)習(xí)。與基于單個(gè)數(shù)據(jù)類型的潛在異常的異常檢測方法不同，模式識(shí)別可以發(fā)現(xiàn)以前在多個(gè)數(shù)據(jù)片中未知的模式，并考慮數(shù)據(jù)之間的模式。

五、結(jié)論

科技的進(jìn)步互聯(lián)網(wǎng)的不斷加速，人工智能已經(jīng)是人們生活中不可或缺的部分，電子機(jī)器沒有身體上的極限已超越了人的單一勞動(dòng)能力并且取代人類勞動(dòng)。

參考文獻(xiàn)：

[1]田嘯。大數(shù)據(jù)環(huán)境下計(jì)算機(jī)應(yīng)用技術(shù)研究[J].電腦知識(shí)與技術(shù)，2019（14）：246-247.

[2]于知言。計(jì)算機(jī)應(yīng)用技術(shù)在大數(shù)據(jù)時(shí)代的運(yùn)用前景研究[J].知識(shí)文庫，2017（15）：107.

[3]侯聰聰。計(jì)算機(jī)軟件技術(shù)在大數(shù)據(jù)時(shí)代的應(yīng)用[J].電腦知識(shí)與技術(shù)，2018（14）：240-241.

[4]吳榮珍。基于大數(shù)據(jù)技術(shù)的計(jì)算機(jī)應(yīng)用人才培養(yǎng)模式的研究[J].計(jì)算機(jī)時(shí)代，2019（3）：65-67+70.

[5]汪鑫。企業(yè)管理會(huì)計(jì)應(yīng)用大數(shù)據(jù)分析實(shí)例研究[J].商業(yè)會(huì)計(jì)，2018（06）。

[6]吳勇，陳慧，朱衛(wèi)東?；诖髷?shù)據(jù)分析技術(shù)的管理會(huì)計(jì)系統(tǒng)重構(gòu)[J].財(cái)會(huì)月刊，2019，851（07）。

[7]廖敏霞。大數(shù)據(jù)技術(shù)對管理會(huì)計(jì)的影響及應(yīng)對[J].企業(yè)經(jīng)濟(jì)，2018（04）。

[8]王磊。淺議大數(shù)據(jù)時(shí)代企業(yè)管理會(huì)計(jì)面臨的問題與解決對策[J].中國經(jīng)貿(mào)，2018（06）。