Rexroth MKD071B-061-KG0-KN

Rexroth MKD071B-061-KG0-KN

Rexroth MKD071B-061-KG0-KN 　在没有能力处理的情况下，大数据本身并没有太大的重要性，其重要性在于它是一部分人工智能发展的基础。除了中国、美国以及俄罗斯***外，世界上几乎所有的发达***也都高度关注人工智能的发展，其原因就是现在各国***已经清楚地意识到，人工智能是一场全新的、目前处在起步阶段的第四次工业革命的基础或者核心部分。这场工业革命引发的后果包括无人工厂、无人服务，可能是***的超***率，同时也可能引发大量失业。
　　在前三次工业革命中，人类***重要的资源是原材料，是能源，也就是地球上的自然资源。随着人工智能的发展，大数据开始变成了一种基本资源。一大类的人工智能用数据训练机器。因此，有数据才有训练，才有智能；没有数据就没有训练，就没有智能。数据越多，量越大，资源也就越大。于是，大数据逐渐成为和原材料、能源并列的基本资源，但是这一资源本质上不同于其他的基本资源。在此之前的资源大多是天然的，而大数据是人造的，自然资源越用越少，数据却越用越多。
　　人造的资源就意味着这一资源的性质、质量和数量都取决于其被制造的环境，尤其是相关的制度安排。例如，在许多意见不能表达的制度下，大数据的性质就是这些表达的缺失。而在意见能自由表达的制度下，收集到的就是所有意见表达的数据。比如“大跃进”时期大饥荒产生的一个基本原因就是信息无法传递，这不是技术问题，而是制度问题。所以，大数据不仅受制度约束，更取决于制度。
　　在人工智能中，所谓智能的核心部分是算法。早在20世纪50年代，科学家就开始了这方面的探索。“人工智能”这个词、算法和其他想法，甚至一些指导性意见是几个创始人在1956年的一次会议上确定下来的。其中，重要的奠基人之一是经济学家赫伯特·西蒙***（1916—2001），1978年诺贝尔经济学奖得主，他既是经济学***，也是计算机和心理学***。确切地说，人工智能从诞生之日起，就是这三个领域的联合产物。
　　在各种算法当中，如今应用方面发展得***突出的，是所谓的人工***模型。这种模型使机器可以在人的指导下学习，包括所谓的深度学习。人工智能另外一个普遍使用和探索的方法是统计算法。无论使用深度学习还是统计算法，都必须有大量的数据。这就是为什么大数据是人工智能的基础。
　　人工智能的第二个基础是计算能力。在过去的半个世纪里，计算速度和存储能力基本上每两年提高一倍。现在，***的计算能力使得无论基于哪一种算法的人工智能，在某些领域里机器都可以超过人类，而且远远超过人类。
　　以上概括了为什么人工智能的基础是大数据。那么，大数据本身的技术基础是什么？这是一个关键问题，因为弄清楚大数据的技术基础，能帮助我们了解人工智能可以做什么、不可以做什么的界限。
　　大数据的核心是收集、传输、存储和处理所有可度量的数据。度量的技术基础是传感器（包括录音机、摄像机等）和移动设备。通过这些设备检测到具体数据，通过互联网、物联网传送和集中，形成大数据。这里，传感器的“可度量”是大数据的关键所在，它决定了人工智能可以做什么、不可以做什么。另一类大数据是利用历***积累的大量文献，其中包括各个学科积累的文献，比如图书馆里的文字、图形、音频、视频记录，供机器学习分析。
　　所有可以通过传感器和移动设备度量的数据，都可以收集、传输和存储，但可度量是非常重要的技术条件。任何不可度量的对象，都无法变成数据，机器也就无法处理。
　　在应用方面，目前人们认为***有前途的是所谓深度学习，用大数据训练机器，让它产生识别、推理和规划的能力。实际上，从开始创造人工智能学科起，人工智能就包括规划。在英语里，规划和计划是同一个单词planning。从事工程的人和其他非经济学者，往往会把这两个概念混作一团，把规划的概念混作为计划经济。
　　人工智能就是用机器模仿人的推理和规划，在科学领域里，研究人的推理和规划的学科叫作决策理论（decision theory），它在很大程度上是经济学的一个部分。从这个角度讲，人工智能和经济学讨论的对象是相似的。但是，经济学讨论的是人的推理和规划，人工智能讨论的是让机器模仿人的推理和规划。

Rexroth MKD071B-061-KG0-KN 

1C31197G01
1C31219G01
1C31224G01
1C31227G01
1C31233G04
1C31234G01
1C31238H01
1X00024H01
3A99132G02
3A99158G01
3A99190G01
3A99200G01
4D33942G01
5A26391H24
5X00070G04
5X00105G07
5X00119G01
5X00121G01
5X00241G01
5X00301G01

1C31129G03