大数据与人工智能相结合

付雯 孔渝 王玉珍 李晓青

摘要：大数据和人工智能是今天计算机科学的两个重要分支。近年来，有关大數据和人工智能折两个领域所进行的研究一直从为间断。其实，大数据和人工智能得联系千丝万缕。首先，大数据的发展依靠人工智能，应为它使用了许多人工智能的理论和方法。其次，人工智能的发展页必须依托大数据技术，需要大数据进行支撑。本文从简述大数据与人工智能的概念，区别以及它们相结合的目的与应用。

关键词：大数据 人工智能 结合

一、大数据与人工智能概念

1.大数据是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。

2.人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。典型的交叉学科，研究的内容集中在机器学习、自然语言处理、计算机视觉、机器人学、自动推理和知识表示等六大方向，目前机器学习的应用范围还是比较广泛的，人工智能的核心在于“思考”和“决策”，如何进行合理的思考和合理的行动是目前人工智能研究的主流方向。

3.大数据与人工智能

大数据和人工智能虽然关注点并不相同，但是却有密切的联系，一方面人工智能需要大量的数据作为“思考”和“决策”的基础，另一方面大数据也需要人工智能技术进行数据价值化操作。在大数据价值的两个主要体现当中，数据应用的主要渠道之一就是智能体，为智能体提供的数据量越大，智能体运行的效果就会越好，因为智能体通常需要大量的数据进行“训练”和“验证”，从而保障运行的可靠性和稳定性。

二、人工智能和大数据的区别

人工智能是基于大数据的支持和采集，运用于人工设定的特定性能和运算方式来实现的，大数据是不断采集、沉淀、分类等数据积累。

与以前的众多数据分析技术相比，人工智能技术立足于神经网络，同时发展出多层神经网络，从而可以进行深度机器学习。与以外传统的算法相比，这一算法并无多余的假设前提，而是完全利用输入的数据自行模拟和构建相应的模型结构。这一算法特点决定了它是更为灵活的、且可以根据不同的训练数据而拥有自优化的能力。

三、大数据与人工智能相结合的目的

1.通过大数据来完成算法训练

人工智能技术的研发核心是算法设计，而一个算法从设计到最终的应用，还需要经历算法训练和算法验证这两个阶段，而算法训练和算法验证就离不开大数据的支撑。从这个角度来看，大数据技术的发展对于人工智能技术的发展有非常直接的作用。

2.通过大数据来辅助决策

人工智能的应用有多种不同的层次要求，其中智能决策是人工智能技术最为重要的应用之一，人工智能要想完成更加合理的决策，一定离不开大数据的支撑，从目前的技术体系结构来看，智能决策层之下就是大数据分析层。

3.通过大数据来扩展智能体的应用边界

人工智能未来要想被广泛采用，一定要全面拓展自身的应用边界，而大数据技术的发展能够在很大程度上拓展智能体的应用边界。简单地说，一个行业要想进行智能化改造，首先要完成大数据改造。

4.物联网对于大数据技术和人工智能技术的发展有非常重要的作用。

四、应用于大数据的人工智能技术

1.外推

外推是在原始观测范围之外，根据变量与其它变量的关系来评估变量的值的过程。并非所有的趋势都是线性的。线性趋势很简单;一个简单的直线图就足够了。非线性的趋势需要更多地参与，这就是外推函数有用处的地方。这些算法是基于多项式、圆锥曲线或曲线方程的。

2.异常检测

异常检测也被称为异常值检测。它包括标识不符合预期模式的识别数据项、事件或观测，或数据集中的其它项。异常检测可以识别诸如银行欺诈之类的事件。它也适用于几个其它领域，包括：故障检测、系统健康监测、传感器网络和生态系统干扰。

3.贝叶斯定理

在概率论和数理统计学之中，贝叶斯原理描述了一个事件的概率，它是基于与事件相关的条件前验知识。这是基于先前事件来预测未来的一种方式。假设一个公司希望知道哪些客户有流失的风险。使用贝叶斯方法，可以收集满意度不足的客户的历史数据，并用于预测以后有可能流失的客户。这是一个非常适合应用大数据的例子，因为更多的历史数据被馈送到贝叶斯算法里，其预测结果变得更准确。

在某些情况下，人类有可能分析大量的数据，但随着时间的推移，这很繁琐，就需要人工智能来帮忙。基于规则的系统可以用来从人类这里提取、存储和操纵知识，以便以有用的方式来解释数据。

4.图形原理

在数学中，图形原理是用来模拟对象之间成对关系的数学结构的研究。在此上下文中的图形由顶点、节点或由边、圆弧和线段连接的点组成，并且可以相当复杂和庞大。利用图形原理，可以很容易地了解数据之间的关系。

5.模式识别

模式识别用于检测数据中的模式和规律，它是机器学习的一种形式。模式识别系统利用数据训练的过程被称为监督学习。它们还可以被用来发现以前未知的数据模式，这个过程称为无监督学习。与基于单个数据类型的潜在异常的异常检测方法不同，模式识别可以发现以前在多个数据片中未知的模式，并考虑数据之间的模式。

五、结论

科技的进步互联网的不断加速，人工智能已经是人们生活中不可或缺的部分，电子机器没有身体上的极限已超越了人的单一劳动能力并且取代人类劳动。

参考文献：

[1]田啸。大数据环境下计算机应用技术研究[J].电脑知识与技术，2019（14）：246-247.

[2]于知言。计算机应用技术在大数据时代的运用前景研究[J].知识文库，2017（15）：107.

[3]侯聪聪。计算机软件技术在大数据时代的应用[J].电脑知识与技术，2018（14）：240-241.

[4]吴荣珍。基于大数据技术的计算机应用人才培养模式的研究[J].计算机时代，2019（3）：65-67+70.

[5]汪鑫。企业管理会计应用大数据分析实例研究[J].商业会计，2018（06）。

[6]吴勇，陈慧，朱卫东。基于大数据分析技术的管理会计系统重构[J].财会月刊，2019，851（07）。

[7]廖敏霞。大数据技术对管理会计的影响及应对[J].企业经济，2018（04）。

[8]王磊。浅议大数据时代企业管理会计面临的问题与解决对策[J].中国经贸，2018（06）。