大数据与人工智能结合的难点和瓶颈时啥
巨量样本集零样本学习
■网友
不是复制，应该是创造，让机器能够有意识的思考，有人性的内容，
现在的大数据就是数据展示，AL可以说是过度的营销包装
■网友
那点在于数据的持续真实性，人工智能一旦被市场主导，就会陷入低价低技术，高产量的阶段。现在VR眼镜就是这样，各个厂家一大堆，技术上无差别，越卖越便宜，体验也是一团糟。人工智能要静下心来做，体验好了在面向市场，而不是直接面向市场，由资本主导。。。
■网友
结论 瓶颈在于提出AI本质的好问题我想说目前的电脑计算力对于AI应该可以满足但是如果你要制造目前时间点类似搜索引擎那种所谓的伪AI你把现在电脑的计算力*100万也无法满足伪AI智能的提升人工智能从来不是智能，只是人类逻辑锁的小小闭环不过人工智能可以为真正的AI提供学习进化平台我反感中文常说的人工智能这个词，它局限了对智能探索的想象力我更喜欢AI这个表达式人类从来没有停止对AI的探索。唯一缺的是提出一个关于AI本源的好问题
■网友
基于大量无标签数据的非监督学习。
■网友
没什么难点，各取所长即可，只是没有人来做好这块
■网友
基于大量非结构化数据（也包括错误数据）的自主学习
■网友
目前，AI技术从产业角度来看包括硬件、平台、算法、数据、应用场景。
如图所示我们可以看到，发展的瓶颈主要在于供AI训练应用的数据没有跟上理论和行业需求的快速发展，从而限制了模型的大量落地应用。目前AI训练的数据主要以人工标注为主，导致了AI应用的成本较高。随着深度学习成为AI行业的主流算法，数据的需求量也极大地增加。 训练数据量的增加，对模型的效果永远是有正向作用的。在现有的技术框架下，数据量越大，质量越好，算法模型就表现越好。可以说，数据决定着整个人工智能行业的发展态势。
而当前大规模训练数据的缺失，限制了人工智能的快速发展。究其原因有以下几点：
1）数据生产服务没有跟上AI理论和行业需求的快速发展
2）少数公司垄断了大量数据，形成了数据霸权
3）训练数据效果无法评价，市场交易阻力过大
4）缺乏安全有效的交易机制，保证AI交易的安全
若想真正快速的发展人工智能行业，首先要解决的就是数据方面的问题。数据成为现阶段AI应用发展的关键。
【大数据与人工智能结合的难点和瓶颈时啥】 From：星尘数据 stardust
推荐阅读
- “一部手机读云南”上线力争建成国家方志大数据中心西南中心
- 联合国大数据全球平台中国区域中心在杭州成立
- 银行的数据中心可以跳槽去互联网公司吗
- |大数据赋力 半个多月前拉客的“黑车”精准落网
- 数据采集终端|
- 关于用phpfsocket 写Post， 模拟http 报文怎样写入要传输的处理数据
- 假如把中国电信监测到的3亿人一个月每天上网的所有行为打个包，哪些数据应该被提出从这些数据能得到啥
- 关于人工智能虚拟人的一些问题
- 游戏公司一般咋识别游戏脚本
- 城市数据团是怎么样一个团队