雷·库兹韦尔在《奇点临近》一书中预测，计算机智能全面超越人类的“奇点”将会在2045年到来。从这个不算遥远的时间节点倒推，现阶段的智能化应用应当处于全面推进、多点爆发的“前奏”阶段。从事实来看也是如此，金融、医疗、交通、工业制造……不同领域的智能改造在几年间飞速铺开，而这一进程的底层推动力正是大数据的积累和发展。
于大数据土壤中培植智能应用
人工智能应用有四个关键要素：算法、算力、数据和应用场景。对人工智能而言，大数据技术的发展，是人工智能技术 探索 和进步的基础。从20世纪90年代起，互联网技术和高速计算机的发展带动了信息的爆炸式增长，由此大数据技术的创新研究取得跨越式发展。据IBM公司总结，大数据具备大量、高速、多样和低价值密度四个特征，而大量和低价值密度这对组合无疑放大了大数据在价值挖掘过程中的难度。
另一方面，在2006年，杰弗里·辛顿等人提出深度学习概念，开启了人种智能发展的新一轮浪潮。近年来，机器学习和深度学习等算法在人工智能领域广泛应用，同时带动了计算机视觉、自然语言处理等领域的发展。
根据中国新一代人工智能发展战略研究院执行院长龚克的观点，数据对人工智能的意义在于：数据收集是深度学习的基础，算法的训练和验证都离不开数据的收集。由此，大数据和人工智能通过深度学习这座桥梁建立起紧密的联结。
以日常的网购场景为例，消费者在购物网站中的每一次点击乃至在不同网页停留时间都会生成大量的行为数据。对于平台方而言，从这些数据中发掘消费者的兴趣爱好和购买习惯是其最为迫切的需求。如果仅凭工作人员的经验判断来从这些数据中获得所需信息，抛开繁重的工作负担不谈，在准确度和时效性上也难以保障。这时就需要发挥人工智能的优势，设计相应的机器学习算法，并在大量的网购行为数据中进行训练。后续根据得到的反馈不断优化算法，最终找到最贴合消费者心理的商品推送方案和网站设计思路，实现提升平台交易效率的目标。
在疫情防控过程中，摄像头、红外检测仪等传感器被布置到日常生活中的各个场景中。随着复工复产复课的有序推进，人们的出行活动变得频繁起来，这些传感器每天都会产生海量的图像、文本数据，靠人力从这些数据中分析得出疫情相关信息显然是“不可能完成的任务”。而近年来，计算机视觉技术已经在智慧安防、环境监控等场景中得到充分的训练，因此面对疫情得以迅速定制算法，结合后台数据库，对体温、行程、疫苗接种情况等参数进行及时准确的捕捉，为疫情防控提供保障。
此外，随着我国信息基础设施建设的推进以及5G网络的领先发展，大数据将迎来持续的爆发式增长，为人工智能技术的发展带来利好。据国家互联网信息办公室发布的《数字中国发展报告（2020年）》显示，我国已建成全球规模最大的光纤网络和4G网络；5G网络建设速度和规模位居全球第一，已建成5G基站达到71.8万个，5G终端连接数超过2亿；移动互联网用户接入流量由2015年底的41.9亿GB增长到2020年的1656亿GB。
结合这些现状，不妨把大数据比作一片广袤厚实的土地，但在肥沃的土壤中也布满沙砾顽石，而人工智能就像是耕耘的工具，在劳作过程中不仅提升着土地质量，同时也优化自身工作的方法机制，从而培植出功能多样的智能应用。
从大数据应用到智能应用
依据 科技 进化原理，大数据应用某种程度上等同于智能应用。但在现实中，从大数据应用到真正意义上的智能化应用，看似自然的发展过程，却是一个又一个大数据企业前仆后继，被实践反复磨砺最终才找出来的方向。
2013年被称之为大数据元年，这是以大数据企业数量迅速增多，资本快速涌入为标志的产业发展起点。在此之前，技术层面的大数据以及人工智能，其实都已取得了一些跨越式的进步。比如，作为人工智能技术支撑的深度学习算法，早在2006年就已经被提出。
经过近十多年的发展，从大数据热潮再到人工智能热潮，从最早的大数据企业到现在依然存活的人工智能企业。我们看到的不再是早先预想的一个新行业崛起，而是大数据企业与传统各行各业，一同 探索 行业新的解决方案。
可以看到，目前发展起来的人工智能公司，其中不少是由大数据企业发展而来。有意思的现象是，曾经的大数据企业，越来越多的倾向于介绍自己是一家智能企业，甚至有企业更名，把智能加进企业名称，以此凸显“智能”。
一些原来定位为大数据公司的企业，把智能技术加入到大数据解决方案中，让原有的数据模型更高效、更快捷、更准确。比如成都数之联 科技 有限公司，成立于2012年，是一家专注于数据治理、数据分析可视化、数据挖掘的大数据服务商，如今推出的解决方案重点是智能服务方案。据数之联的负责人介绍，现在推出的工业制造服务产品，能够实现毫秒级的在线检测速度，检测准确率高于95%，实现20%-80%的人力释放，帮助客户大幅提升产能。这些能力背后是集成了深度学习和机器视觉算法的智能机器视觉。
在智慧监管业务领域，数之联以多年积累的智慧监管数据资源库为数据支撑，结合了机器学习技术之后，推出了能够为监管部门提供业务洞察和辅助决策的智能产品。目前已在食品安全、广告监管、投诉信息挖掘、特种设备监察等场景落地应用。
随着智能应用的普及，人们逐渐认识到，智能化的核心其实是让数据发挥价值。从意识到大数据的重要性，到挖掘大数据价值的重要性，这是一个认识逐渐转变的过程，也是从大数据应用到智能化应用必然会经历的过程。
智能进化仍面临人才缺口
根据2021年高考志愿填报的统计情况，人工智能成为新进的热门专业。一方面不难看出人工智能行业的前景正受到广泛认可，另一方面也反映了人工智能人才紧缺正逐渐成为公众的共识。从对行业的观察来看，人工智能人才缺口主要来自两个方面。
其一是技术攻关方面对专业人才的大量需求。众所周知，行业的推陈出新离不开底层技术的发展。在“智能化”呼声愈发高涨的当下，人工智能亟待在深化现有研究的基础上取得新的进展。
据了解，人工智能理论可以分为计算、感知、认知三个阶段，在技术上分别对应运算智能、感知智能和认知智能。科大讯飞高级副总裁、研究院院长胡国平在AI WORLD 2018峰会上指出：计算智能是让机器能存会算；感知智能是让机器能听会说、能看会认；认知智能是解决机器能理解会思考的问题。
阿里巴巴达摩院发布“2020 十大 科技 趋势”报告中提到，人工智能已经在“听、说、看”等感知智能领域达到或超越了人类水准，但在需要外部知识、逻辑推理或者领域迁移的认知智能领域还处于初级阶段。
从对行业观察来看，感知智能仍然是现阶段行业应用的主流技术，多用于语音识别、文本分析、智能图像处理等领域，在智能制造、智能家居、智慧交通、智慧监管等场景的应用均获得不错的成效。但是从服务人类、代替人类劳动的角度出发，能够赋予机器像人类一样学习和思考的能力，从而独立地做出决策和采取行动的认知智能显然是更加契合设想的技术工具。而让机器学会思考是一条充满未知和坎坷的道路，预计将长期维持对专业技术人才的旺盛需求。
据天眼查APP提供的数据显示，近5年来，我国人工智能相关企业数量持续高速增长，年增速维持在35%以上。其中，2020年新增相关企业超40万家，增速达到42%，为 历史 最高。截止今年6月27日，我国共有超过143万家经营范围含“人工智能、机器人、数据处理、云计算、语言识别、图像识别、自然语言处理”的人工智能相关企业。在这种趋势下，复合型人才的需求量也将持续扩张，人工智能的人才缺口亟待国家、企业、高校共同发力来推动补齐。（数据杂志/袁晓东）转载请注明来源