隨著越來越多的組織采用大數(shù)據技術處理大量、快速、多變的信息資產，通常很快就會面臨如何從中有效地獲得洞察力和商業(yè)價值的問題。

Talend公司產品高級總監(jiān)Jean-Michel Franco為此表示，“大數(shù)據技術自然可以帶來高級分析措施。但當組織可以捕獲有關可以改進業(yè)務主題的大量信息時，不要只是了解事物表面，還想發(fā)現(xiàn)事物本質，找出根本原因，預測將要發(fā)生的事情，并準確地解決問題。而人類在沒有機器幫助的情況下獨自完成是很難做到的?！倍斯ぶ悄芗夹g已經成為一種理解所有信息的方式，并且實際上成為一種需要大量數(shù)據才能實施的學科。

因此，大數(shù)據和人工智能技術總是結合在一起是很自然的。商業(yè)轉型和外包咨詢服務商PaceHarmon公司總監(jiān)JP Baritugo說：“大數(shù)據和人工智能之間存在著牢固的關系。大數(shù)據是燃料，人工智能是手段?！?/span>

但是在這一過程中，人們對人工智能和大數(shù)據如何協(xié)同工作產生了一些誤解，導致潛在的混亂，IT領導者應在采用數(shù)據驅動型策略時進行澄清：

1. 某些類型的人工智能可能不需要大數(shù)據

例如，一些聊天機器人學習的輸入數(shù)據集可能比人工智能技術還要少。

Baritugo說，“‘垃圾輸入，垃圾輸出’的數(shù)據分析理念是適用的，因為組織需要足夠的良好數(shù)據來從其人工智能工作中驅動具有意義的價值。但需要多少數(shù)據可能會有所不同?！?/p>

Everest集團執(zhí)行副總裁兼資深分析師Sarah Burnett為此解釋說：“大數(shù)據意味著由結構化和非結構化數(shù)據組成的大數(shù)據集，可以為人工智能的一些應用提供數(shù)據，例如需要大量數(shù)據來訓練人工智能、分析信息以發(fā)現(xiàn)模式，并用概率來提出問題的答案時，并非所有人工智能都需要大量數(shù)據?！?/p>

Baritugo 說，“通過設計，人工智能通常需要大型的規(guī)范化數(shù)據集(即大數(shù)據的“清理”子集)來有意義地識別模式并生成必要的輸出，其所需的數(shù)據量(包括培訓和評估數(shù)據集)主要由問題的復雜性、需要評估的輸入功能的數(shù)量以及所使用的算法決定。”

例如，機器學習(ML)通常需要比深度學習(機器學習的另一個子集)更少的數(shù)據來進行訓練。

2. 并非所有大數(shù)據都需要人工智能的應用

人工智能可能有助于推動數(shù)據分析，但不一定需要從大數(shù)據中提取價值。ISG公司認知自動化和創(chuàng)新總監(jiān)Wayne Butterfield說，“高級分析已成為大多數(shù)組織多年來利用的概念。這實際上取決于數(shù)據集的大小和需要分析的不同數(shù)據集的數(shù)量。就算專家擁有最聰明的頭腦，也不可能在有限的時間內在一些大型數(shù)據集中找到具有洞察力的模式，因此機器學習在完成繁重工作方面具有一定優(yōu)勢，但是并非所有數(shù)據集都是龐大而多樣的，因此不一定總是需要采用機器學習(ML)才能從中獲得洞察力?！?/p>

IT組織還可以使用商業(yè)智能、分析和數(shù)據倉庫解決方案來分析數(shù)據并可視化見解。

3. 高級分析和人工智能并不一樣

很多時候，人們使用“大數(shù)據”一詞來更廣泛地描述這些信息資產的高級分析，這并沒有什么問題。但是他們可能認為高級分析和人工智能也是可以互換的術語，這種想法是不對的。

Burnett說：“人工智能和高級分析緊密聯(lián)系在一起，但存在一些關鍵區(qū)別。例如，人工智能可以嘗試各種假設、自我學習并增強其分析。盡管人工智能技術可以分析數(shù)據，卻無法自我學習，只能依靠人類來設置其參數(shù)。”

4. 大數(shù)據可能會扭曲人工智能模型

Franco說，“大數(shù)據為人工智能和機器學習奠定了基礎。獲得的數(shù)據越多，模型就越好。但是當數(shù)據不受控制時，也會給人工智能和機器學習帶來偏差。”

過分關注數(shù)據的數(shù)量而不是質量往往是罪魁禍首。Franco說：“當人們無法控制基礎數(shù)據時，人工智能和機器學習不可避免地會遭遇失敗。將大量數(shù)據收集到數(shù)據湖中并不能為人工智能和機器學習的成功奠定足夠的基礎?！?/p>

5. 組織可能已經將人工智能和大數(shù)據結合在一起但卻不知情

Burnett談到智能文檔處理(IDP)軟件時說：“有些軟件解決方案已經內置了人工智能功能，可以隨時安裝、訓練和使用。這些解決方案加速了人工智能的采用，并幫助組織處理特定的業(yè)務需求。在這些情況下，不一定需要了解人工智能技術才能獲得收益?！?/p>

6. 人類證明了將大數(shù)據和人工智能結合起來的必要性

當涉及大數(shù)據和人工智能時，信任和透明度是關鍵。Franco說，“組織需要扎實的數(shù)據基礎，才能使用人工智能獲得正確的見解。而且，組織員工需要參與到數(shù)據治理的過程，以控制數(shù)據(數(shù)據質量、代表性、數(shù)據隱私)和算法(使用可解釋的人工智能能夠理解算法的內容)?！?/p>

7. 并非所有數(shù)據都對人工智能有用

Butterfield說：“與人工智能結合使用時，通常在擁有大量數(shù)據和擁有正確數(shù)據以提供見解之間有著很好的平衡。人工智能并不是解決所有問題的靈丹妙藥，至少到目前為止是這樣。企業(yè)領導者需要意識到這一點?！?/p>