人工智能概念在全球盛行的今天，经历过资本寒冬的创业者们也纷纷进入该领域，行业内超过80%的投资人开始在这一领域物色项目。现在的AI能做什么？让我们先来看看人工智能的两大核心要素——数据和算法。
请先把人工智能想象成为一辆奔跑的汽车，数据可以理解成为它的汽油，这是AI行驶的动力之源，如果没有数据，再好的车也没法启程。而算法可以理解为它的发动机，随着科技进步，发动机的性能会越来越强；即使同一时期，不同开发者设计的算法也有优劣之分，优秀的算法驱动能力强，汽车跑得快，就可以同算法差一些的对手拉开差距。所以，有大数据和好的算法，才能够让“AI汽车”一路狂奔。
数据要有多大才能叫“大数据”？
科技行业的“大数据”形容的不仅仅是数据的数量，它包含三个特征：数量、维度和完备程度。
关于大数据需要多“大”，维基百科上说：指所涉及的数据量规模巨大到无法通过人工，在合理时间内解读和处理的信息。这个量级目前业内普遍认为需要至少1T（1T=1024GB，1GB=1024MB），相当于至少数千万上亿条数据信息。由此可推断，并不是所有规模的公司都适合谈使用大数据，如果你的企业刚创立不久，需要谨慎对待数据，因为在数量不达到足够多之前，数据分析可能会将你领向偏见的误区。
除了数据的数量要足够大之外，数据信息的多维度和完备程度对于人工智能的学习也非常重要。IBM的研究员萨姆·亚当斯曾经做过一个思维演练，如果先给机器一个数据：39，它可能并不能够从数字中有任何发现，这只不过是一个大于38而小于40的数，除此以外并不能获得更多信息；接着，如果再给多一点儿的信息：39度，那么这个数据表示的可能是角度或者是温度；然后，再添加一个具体信息：39摄氏度，这显然是温度，而且是比较高的温度；最后，再告诉你这是某个人的口腔温度读数，于是这时候，机器才能够知道这个人的体温超过了39摄氏度，说明他生病了。亚当斯认为，数据信息每多增加一个维度，机器对数据的理解就可能会发生显著的变化；因此，数据维度越多，完备程度越高，传递的信息就越具体，机器才能“把所有点连成线”，形成有利于我们理解的数据，从而做出有价值的成果。
智能时代，算法百家争鸣
所谓算法，是指研发工程师精心设计的一套数学模型，它就像一个解决方案，描述了解决某类问题的一系列操作步骤。而对于同一类问题，解决方案可以存在多种，在不同的情况下解决方案各有优劣；所以现阶段人工智能领域的算法层出不穷，适用的范围也不尽相同。
经典的人工智能算法已有数十种，比如决策树、随机森林、逻辑回归、贝叶斯、蚁群、神经网络等，未来还将创新更多。在实际应用中解决一个问题往往会运用到1或N种算法，比如战胜李世石的AlaphaGo就使用了基于神经网络算法的深度学习技术，以及蒙特卡洛树搜索算法才能实现超越人类棋手。
想在人工智能领域寻求商机的创业者，以及AI产品经理而言，学习理解和选择算法，将比写出算法本身更重要。就好像互联网时代优秀的产品经理虽然不需要coding（写程序代码），但必须要懂得技术如何实现，以及选择什么样的技术方案最合适；在未来的人工智能时代，对算法边界的理解（即什么算法适合用于什么场景），将会变成优秀创业者和AI产品经理重要的技能之一。
小结：
今天我们讲了人工智能的两大核心要素：数据和算法。
其中，数据必须具备量大（至少达到千万条以上），多维度和高完备程度三大特征才能称为大数据；这意味着你需要根据行业所处的规模判断数据分析的价值，规模越大价值越大，规模较小数据分析仅能做参考。
算法是解决问题的方案，它有很多种，如何使用需要根据不同情况具体分析；所以你现在适宜开始学习理解和选择算法，这将是未来优秀AI人才的必备技能之一。
预告：
下一篇文章，我们会以AlphaGo为例子，介绍一下机器学习和深度学习，如果你感兴趣，请留意关注微信公众号：智能加研究院
