大數據與人工智能相結合

付雯 孔渝 王玉珍 李曉青

摘要：大數據和人工智能是今天計算機科學的兩個重要分支。近年來，有關大數據和人工智能折兩個領域所進行的研究一直從為間斷。其實，大數據和人工智能得聯系千絲萬縷。首先，大數據的發展依靠人工智能，應為它使用了許多人工智能的理論和方法。其次，人工智能的發展頁必須依托大數據技術，需要大數據進行支撐。本文從簡述大數據與人工智能的概念，區別以及它們相結合的目的與應用。

關鍵詞：大數據 人工智能 結合

一、大數據與人工智能概念

1.大數據是指無法在一定時間范圍內用常規軟件工具進行捕捉、管理和處理的數據集合，是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產。

2.人工智能是研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。典型的交叉學科，研究的內容集中在機器學習、自然語言處理、計算機視覺、機器人學、自動推理和知識表示等六大方向，目前機器學習的應用范圍還是比較廣泛的，人工智能的核心在于“思考”和“決策”，如何進行合理的思考和合理的行動是目前人工智能研究的主流方向。

3.大數據與人工智能

大數據和人工智能雖然關注點并不相同，但是卻有密切的聯系，一方面人工智能需要大量的數據作為“思考”和“決策”的基礎，另一方面大數據也需要人工智能技術進行數據價值化操作。在大數據價值的兩個主要體現當中，數據應用的主要渠道之一就是智能體，為智能體提供的數據量越大，智能體運行的效果就會越好，因為智能體通常需要大量的數據進行“訓練”和“驗證”，從而保障運行的可靠性和穩定性。

二、人工智能和大數據的區別

人工智能是基于大數據的支持和采集，運用于人工設定的特定性能和運算方式來實現的，大數據是不斷采集、沉淀、分類等數據積累。

與以前的眾多數據分析技術相比，人工智能技術立足于神經網絡，同時發展出多層神經網絡，從而可以進行深度機器學習。與以外傳統的算法相比，這一算法并無多余的假設前提，而是完全利用輸入的數據自行模擬和構建相應的模型結構。這一算法特點決定了它是更為靈活的、且可以根據不同的訓練數據而擁有自優化的能力。

三、大數據與人工智能相結合的目的

1.通過大數據來完成算法訓練

人工智能技術的研發核心是算法設計，而一個算法從設計到最終的應用，還需要經歷算法訓練和算法驗證這兩個階段，而算法訓練和算法驗證就離不開大數據的支撐。從這個角度來看，大數據技術的發展對于人工智能技術的發展有非常直接的作用。

2.通過大數據來輔助決策

人工智能的應用有多種不同的層次要求，其中智能決策是人工智能技術最為重要的應用之一，人工智能要想完成更加合理的決策，一定離不開大數據的支撐，從目前的技術體系結構來看，智能決策層之下就是大數據分析層。

3.通過大數據來擴展智能體的應用邊界

人工智能未來要想被廣泛采用，一定要全面拓展自身的應用邊界，而大數據技術的發展能夠在很大程度上拓展智能體的應用邊界。簡單地說，一個行業要想進行智能化改造，首先要完成大數據改造。

4.物聯網對于大數據技術和人工智能技術的發展有非常重要的作用。

四、應用于大數據的人工智能技術

1.外推

外推是在原始觀測范圍之外，根據變量與其它變量的關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，這就是外推函數有用處的地方。這些算法是基于多項式、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。它包括標識不符合預期模式的識別數據項、事件或觀測，或數據集中的其它項。異常檢測可以識別諸如銀行欺詐之類的事件。它也適用于幾個其它領域，包括：故障檢測、系統健康監測、傳感器網絡和生態系統干擾。

3.貝葉斯定理

在概率論和數理統計學之中，貝葉斯原理描述了一個事件的概率，它是基于與事件相關的條件前驗知識。這是基于先前事件來預測未來的一種方式。假設一個公司希望知道哪些客戶有流失的風險。使用貝葉斯方法，可以收集滿意度不足的客戶的歷史數據，并用于預測以后有可能流失的客戶。這是一個非常適合應用大數據的例子，因為更多的歷史數據被饋送到貝葉斯算法里，其預測結果變得更準確。

在某些情況下，人類有可能分析大量的數據，但隨著時間的推移，這很繁瑣，就需要人工智能來幫忙?；谝巹t的系統可以用來從人類這里提取、存儲和操縱知識，以便以有用的方式來解釋數據。

4.圖形原理

在數學中，圖形原理是用來模擬對象之間成對關系的數學結構的研究。在此上下文中的圖形由頂點、節點或由邊、圓弧和線段連接的點組成，并且可以相當復雜和龐大。利用圖形原理，可以很容易地了解數據之間的關系。

5.模式識別

模式識別用于檢測數據中的模式和規律，它是機器學習的一種形式。模式識別系統利用數據訓練的過程被稱為監督學習。它們還可以被用來發現以前未知的數據模式，這個過程稱為無監督學習。與基于單個數據類型的潛在異常的異常檢測方法不同，模式識別可以發現以前在多個數據片中未知的模式，并考慮數據之間的模式。

五、結論

科技的進步互聯網的不斷加速，人工智能已經是人們生活中不可或缺的部分，電子機器沒有身體上的極限已超越了人的單一勞動能力并且取代人類勞動。

參考文獻：

[1]田嘯。大數據環境下計算機應用技術研究[J].電腦知識與技術，2019（14）：246-247.

[2]于知言。計算機應用技術在大數據時代的運用前景研究[J].知識文庫，2017（15）：107.

[3]侯聰聰。計算機軟件技術在大數據時代的應用[J].電腦知識與技術，2018（14）：240-241.

[4]吳榮珍?；诖髷祿夹g的計算機應用人才培養模式的研究[J].計算機時代，2019（3）：65-67+70.

[5]汪鑫。企業管理會計應用大數據分析實例研究[J].商業會計，2018（06）。

[6]吳勇，陳慧，朱衛東。基于大數據分析技術的管理會計系統重構[J].財會月刊，2019，851（07）。

[7]廖敏霞。大數據技術對管理會計的影響及應對[J].企業經濟，2018（04）。

[8]王磊。淺議大數據時代企業管理會計面臨的問題與解決對策[J].中國經貿，2018（06）。