人工智能是指計算機系統(tǒng)具備的能力，該能力可以履行原本只有依靠人類智慧才能完成的復雜任務。硬件體系能力的不足加上發(fā)展道路上曾經出現(xiàn)偏差，以及算法的缺陷，使得人工智能技術的發(fā)展在上世紀80—90年代曾經一度低迷。近年來，成本低廉的大規(guī)模并行計算、大數(shù)據(jù)、深度學習算法、人腦芯片4大催化劑的齊備，導致人工智能的發(fā)展出現(xiàn)了向上的拐點。

　　大數(shù)據(jù)（big data），指無法在一定時間范圍內用常規(guī)軟件工具進行捕捉、管理和處理的數(shù)據(jù)集合，是需要新處理模式才能具有更強的決策力、洞察發(fā)現(xiàn)力和流程優(yōu)化能力的海量、高增長率和多樣化的信息資產。

　　對于“大數(shù)據(jù)”（Big data）研究機構Gartner給出了這樣的定義。“大數(shù)據(jù)”是需要新處理模式才能具有更強的決策力、洞察發(fā)現(xiàn)力和流程優(yōu)化能力來適應海量、高增長率和多樣化的信息資產。

　　大數(shù)據(jù)相當于人的大腦從小學到大學記憶和存儲的海量知識，這些知識只有通過消化，吸收、再造才能創(chuàng)造出更大的價值。

　　人工智能打個比喻為一個人吸收了人類大量的知識，不斷的深度學習、進化成為一方高人。人工智能離不開大數(shù)據(jù)，更是基于云計算平臺完成深度學習進化。

　　人工智能是基于大數(shù)據(jù)的支持和采集，運用于人工設定的特定性能和運算方式來實現(xiàn)的，大數(shù)據(jù)是不斷采集、沉淀、分類等數(shù)據(jù)積累。

　　與以前的眾多數(shù)據(jù)分析技術相比，人工智能技術立足于神經網(wǎng)絡，同時發(fā)展出多層神經網(wǎng)絡，從而可以進行深度機器學習。與以外傳統(tǒng)的算法相比，這一算法并無多余的假設前提（比如線性建模需要假設數(shù)據(jù)之間的線性關系），而是完全利用輸入的數(shù)據(jù)自行模擬和構建相應的模型結構。這一算法特點決定了它是更為靈活的、且可以根據(jù)不同的訓練數(shù)據(jù)而擁有自優(yōu)化的能力。

　　但這一顯著的優(yōu)點帶來的便是顯著增加的運算量。在計算機運算能力取得突破以前，這樣的算法幾乎沒有實際應用的價值。大概十幾年前，我們嘗試用神經網(wǎng)絡運算一組并不海量的數(shù)據(jù)，整整等待三天都不一定會有結果。但今天的情況卻大大不同了。高速并行運算、海量數(shù)據(jù)、更優(yōu)化的算法共同促成了人工智能發(fā)展的突破。這一突破，如果我們在三十年以后回頭來看，將會是不弱于互聯(lián)網(wǎng)對人類產生深遠影響的另一項技術，它所釋放的力量將再次徹底改變我們的生活。

　　人工智能涉及的領域非常廣泛，工業(yè)、航天、商業(yè)都有應用，并且已經深入人們的生活，打開手機中的Cortana或者Siri，這就是AI的產物。要知道，在幾十年前，這種超前的技術是不受認可的，教授相關課程的學校也是寥寥無幾。究其原因，主要就是數(shù)據(jù)的積累和應用。高容量存儲設備豐富了數(shù)據(jù)量的留存，隨著數(shù)據(jù)的不斷增加，人們開始在其中發(fā)現(xiàn)某種規(guī)律，引發(fā)了分析的需求。

　　分析讓大量的數(shù)據(jù)有了價值，機器開始懂得用戶想要什么，可以預測未來的天氣和球賽的比分，這種人工智能與場景的結合，要實現(xiàn)的就是改變生活方式和解放生產力。具體來說，很多過去只有人能做的事情，現(xiàn)在更多的情況下能夠通過機器實現(xiàn)，典型的例子包括語音助手、無人駕駛汽車。更重要的是，當硬件性能逐漸提升、計算資源越來越強大時，成本卻越來越低廉。

　　所以說各有各的好。