文档介绍：该【大数据和人工智能的概念 】是由【青山代下】上传分享，文档一共【5】页，该文档可以免费在线阅读，需要了解更多关于【大数据和人工智能的概念 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。:..?数据和??智能的概念?数据和??智能的概念概述?数据和??智能领域的?些热门趋势。我们将看到世界如何通过数字化?改变,从?导致消费和?业领域的?数据现象;了解到数据量呈指数级增长,从太字节到艾字节再到泽字节;意识到计算机的处理能?增加了成百上千倍;讨论软件随着??智能的应?变得更加智能,?如IBM的Watson在《危险边缘》节?中击败?类冠军,Facebook在照?中?动为你标记朋友,还有?歌的?动驾驶汽车;最后阐释分析技术的类型,并介绍?个简单?例:构建由分析驱动的系统来交付结果。数据是新?油,??智能是新电?我们?活在互联?时代。在亚马逊?站上购物、通过优步打车、在Netflix?站上刷剧,所有这些都是通过互联?实现的。在这背后,?量数据不断地从我们的计算设备上传和下载到云中的远程服务器。计算设备本?不再局限于个?计算机、笔记本计算机和移动电话。今天,我们有更多智能设备或“物”连接到互联?上,?如电视、空调、洗?机等,且与?俱增。这些设备就像计算机?样,由微处理器驱动,并具有将数据传输到云的通信接?。这些设备可以使?Wi-Fi、蓝?和蜂窝通信协议将数据上传到云中,还可以从远程服务器下载最新的内容,包括最新的软件更新。物联?的出现改变了我们的?活,其现状可能?常符合10年前的科幻?说。我们有可以根据我们的?活?式建议?常锻炼的健??环,有可以监测?脏异常的?表,有可以收听语?指令的家?电?设备,当然还有著名的?动驾驶汽车和卡车。这些联?设备?够智能,可以分析图像、视频和?频等复杂数据,了解其环境,预测可能的结果,执?所建议的?动或指定?个?动。Fitbit检查我?天内的运动量是否?够,并礼貌地“要求”我起来开始锻炼。我们有传感器可以感应任何没有运动的情况,如果房间没?了,灯就会?动关闭。苹果?表4有?个基本的?电图(EKG)功能,可以测量?脏状况。特斯拉汽车的消费者通过软件更新直接获得新功能,不需要去服务商店。现代物联?设备不仅是互联的,?且有实现?些惊?成果的智能,?这些在?年前只有科幻?说中才有描述。物联??命的影响如此巨?,以?于我们现在习惯于期待这样的结果。这项技术会?直存在下去。前?天,我4岁的??问家?的亚马逊Echo设备:“Alexa,你可以帮我做作业吗?”现代消费者期望设备能够提供此类新功能,任何不?都是不可接受的!Alexa,你可以帮我做作业吗?:..虽然结果各不相同,但这些物联?设备或“物”有?种共同模式:?传感器来“观察”环境并收集数据。这些数据可能是简单的传感器读数,如温度;也可能是复杂的?结构化数据类型,如声?和视频。有些处理是在设备端本?完成的,叫作边缘处理(edgeprocessing)。物联?设备由于成本低,处理和存储能?通常很有限。为了进?更?规模的处理并与历史数据进??较,这些设备将数据上传到远程服务器即云端。较新的?级物联?设备具有内置的云连接功能,可选择Wi-Fi、蓝?或蜂窝通信协议。低功耗(和低成本)设备通常使??关连接到云并上传数据。在云中,数据可以在更?、更快的计算机上进?处理,这些计算机通常安放在数据中?的?型集群中。此外,可以将设备数据与来?同?设备和许多其他设备的历史数据结合起来处理,这可能会产?新的、更复杂的结果,这些结果仅凭边缘处理是不可能产?的。产?的结果随后使?相同的连接选项下载回设备。这些物联?设备可能还需要通过及时的软件更新和配置进?远程管理,这也是通过云实现的。图1-2从宏观上显?了每个级别处理数据的规模。我们正将数?亿的智能互联设备放在互联?上。我们有智能?机录制、存储和传输太字节级别的照?和视频。监控摄像机全天候收集视频。GPS设备、射频识别标签和健?跟踪器持续监控、跟踪和报告运动状态。我们已经把图书馆从书架“搬”到了拥有成百上千本电?书的Kindle上。磁带和光盘转变成了MP3格式?件,?变成应?程序,供我们下载?flix使?了世界互联?带宽的15%。?这?切仅仅是消费互联?。消费互联?上的数据量:..机器的崛起?业界正在发??场并?数据的?命,其成果甚?更显著。这是?个由GE、西门?、博世等公司倡导的全新互联?,主要?向?业应?,在欧洲叫作?业互联?或?。燃?轮机、机车和核磁共振成像仪(MRImachine)等重型机械,?不是?型消费设备,被升级成智能设备并连接到互联?。这些机器通过升级先进的传感器、连接和处理能?,实现边缘分析和与?业云的连接。?业机器每天产?太字节和拍字节级的数据,?消费设备多得多。这些数据需要实时处理,以了解机器在告诉我们什么,以及我们如何提?其性能。我们需要能够通过观察传感器数据,确定?架飞机服务年限已到,不应该再执?飞?任务。核磁共振扫描仪应该具有极?的精确度,能够捕捉图像,为医?诊断病症提供?够的证据。从图1-3中可以清楚地看到,随着?业界中数据规模的增加,及时处理数据、?成结果?益重要。如果?家?常喜欢的《?镜》剧集要缓冲,那么我们可以等上?秒钟。但是,医?晚?秒钟拿到核磁共振结果,对病?来说可能是致命的!?业互联?上的数据量处理能?的指数级增长这是?场?数据?命,?我们?处其中。除?有办法及时处理数据并从中提取价值,不然这些数据没什么?。我们看到计算设备的处理能?出现了前所未有的增长,存储容量也出现了类似的增长。摩尔定律指出,由于电?学的进步,计算设备的处理能?每两年翻?番。基本上,我们可以在相同尺?下封装两倍数量的晶体管,处理能?也随之翻倍。现代计算技术正在使这条定律变得过时。我们看到,使?先进的处理器[如NVIDIAGPU、?歌TPU和使??上系统(SoC)技术集成的专?FPGA],处理能?每年增长10~100倍。当我们想到计算机时,它不再是桌?上有着键盘和中央处理器塔的笨重屏幕。我们在电视、空调、洗?机、?车、飞机等设备中都安装了微处理器。数据存储量从太字节上升到拍字节再到艾字节,现在我们还有了?个描述?数据的新术语——泽字节。我们越来越擅长提升设备(边缘)的处理能?,并将更密集的存储和处理转移到云上。数据和处理能?的增长正推动着我们改进数据分析类型。传统上,我们会按照特定的指令对计算设备进?编程,它们会毫?疑问地运?这些算法。现在我们期望这些设备更智能,并使??数据来获得更好的结果。我们不仅仅希望预定义的规则?直运?,还希望实现之前谈到的预期结果。这些设备需要像?类?样思考。我们期望计算机通过声?和光学传感器发展出对世界的视觉感知和听觉感知能?。我们期望计算机像?类助??样规划我们的?程——提前告诉我们汽车是否会因为发动机过热?出现问题,并像?类?样回答我们提出的问题。?种新的分析?法:..所有这些都需要在概念化和构建分析的?式上有?个全新的范式转变。我们正在从预定义的基于规则的?法转向在处理系统中构建??智能。这些系统处理的数处理速度都在?幅增加,?于构建分析的传统算法?法已?法应对。现在我们需要专门的应?程序,迄今为?这些应?程序只能由?类?脑来完成,?不是?计算机来编程。如今,我们有计算机学习执?智能任务,甚?它们在这些任务上的表现超过?类。斯坦福?学教授、Coursera创始?吴恩达博?有句名?:“??智能是新电?。”在?业?命期间,正如电?影响每个?业和?类?活的每个??,并彻底改变了?切那样,我们看到??智能正在做着同样的事情。??智能正影响着?活中的很多领域,并使计算机得以实现以前?法实现的结果。?数据和??智能正在改变?活的????,改变世界!??智能执?智能任务的?例包括识别照?中的?(?歌Photos)、响应语?命令(Alexa)、玩视频游戏、查看核磁共振扫描结果以诊断患者、回复聊天信息、?动驾驶汽车、检测信?卡欺诈交易,等等。这些曾被认为是只有?类才能完成的特殊任务,但我们现在有了??类做得更出?的计算机系统。我们有像IBM的Watson这样的?例,这是?台打败?类专家的??智能计算机。?动驾驶卡车可以在美国进?越野旅?。亚马逊Alexa可以听你的命令、解释命令并回答,这只需要?秒钟。?业互联?也是如此。最近有许多?例,?如?动卡车和?车,发电?转向预测性维护,航空公司能够在起飞前预测延误——可以看到??智能推动了?业界的主要成果,如图1-4所?。铁道交叉?的计算机视觉??智能??智能开始在两三年前?类没有想到的领域发挥作?。最近有消息称,?幅纯粹由??智能创作的画售价?达432500美元。佳?得纽约拍卖?出售的这幅画名为“EdmonddeBelamy,fromLaFamilledeBelamy”,是由?种叫作?成对抗?络(GAN)的??智能算法?成的。另?个有趣的??智能项?是由NVIDIA的研究?员完成的,?的是拍摄名?的?部图像并?成新图像。结果是?些惊?的新图像看起来?常真实,但不属于任何名?,它们都是假的。超级聪明的??智能利?通过“观看”真实的名?照??获得的随机数和模式,能够制造出难以辨别的假名?照?。是什么让??智能如此特别想想铁道路?的监控摄像系统。它从多台全天候摄像机捕捉太字节的视频源,同步来??台摄像机的视频,并在屏幕上显?它们以及每个视频的时间信息。现在,?类可以实时查看视频源或者回放来了解发?了什么。在这种情况下,计算机系统以正确的格式处理数据的捕获和存储,同步?个视频源并在公共仪表板上显?。它?常?效地完成这些任务,不会感到疲倦,也不会抱怨。接下来,由?来对视频进?实际的解释。如果我们想在?车即将到达时检查是否有?穿越铁轨,就需要依靠??查看视频,并反馈信息。类似的监视系统?于检测公共场所的可疑?为、船上的?灾危险或机场??看管的?李。最终的分析需要由?来完成,以提取感兴趣的模式并据此采取?动。?脑具有惊?的处理能?和内置智能,每秒能够处理并解释数百幅图像,以找出感兴趣的项(?物、?等),但缺点是随着时间的推移,?类容易疲劳也容易出错。如果?名保安连续观看实时视频,他?定会感到疲倦,并可能错过重要事件。:..??智能就是把类似?类的智能构建到计算系统中。以监控视频源为例,除了显?同步的视频源外,系统还可以识别重?活动,从?构建了??智能系统。为此,系统需要的不仅仅是?数据和处理能?,它还需要?些智能算法来理解和提取数据中的模式,并利?这些模式对新数据进?预测。这些智能算法构成了??智能系统的“?脑”,并帮助它像?类?样执?活动。普通的计算机系统?常擅长执?重复性的任务。它们需要?精确的指令明确编程,以便对数据执?操作,并且它们会对系统中的新数据持续执?这些操作。我们?代码编写这些指令,计算机执?这些代码?数次都没问题。现代计算系统也可以通过在多核处理器上同时运?多个作业进?并?处理。然?,每个作业仍然是预先确定的程序。这对于早期处理视频输?并在显?器上显??常合适。只要计算资源(CPU、内存和存储)充?,就可以同时向系统提供来?数百台摄像机的素材,系统会保持视频的格式设置并将其存储和显?在屏幕上,?不会有任何损失。我们可以将数百个视频源输?系统中,系统会很好地存储、同步,并在屏幕上显?它们。然?,为了理解这些视频并从中提取有价值的知识,系统需要?种完全不同的能?。我们?类认为理所当然的这种能?叫作智?……但对计算机来说是件?事。智?帮助我们看视频,了解视频?发?了什么;帮助我们阅读数百页的书,并??句话向朋友总结中?思想;帮助我们学会下棋,随着时间的推移提升棋艺。如果我们能以某种?式把这种智?推送进计算机,那么就有了速度和智能的完美结合,这能帮助我们做?些了不起的事情。以上就是??智能的全部内容。待续……