|
在计算机科学中，人工智能研究的领域将自己定义为“智能代理AI和大数据：完美结合”的研究：任何设备都能感知到它的环境，并采取一些行为最大化其在一些目标上获得成功的机会。 而将大数据描述如下: “大数据是如此的庞大或者复杂，以至于传统的数据处理应用软件不足以处理它们。” 计算机已经变得如此强大，以至于我们现在有能力在每秒存储数百万条的数据记录。不幸的是，分析数据的能力可能是一个瓶颈，继续使用传统的方法并不可取。 自动化计算密集型人类行为summer 在某些情况下，人类有可能分析大量的数据，但随着时间的推移，这很繁琐，就需要人工智能来帮忙。基于规则的系统可以用来从人类这里提取、存储和操纵知识，以便以有用的方式来解释数据。在实践中，规则是从人类经验中产生出来的，并表示为一组“如果-那么”的语句，它们使用一组断言，在这些断言上面创建如何对其采取行动的规则。基于规则的系统可以用来创建软件来代替人类专家提供问题的答案。这些系统也可以称为专家系统。考虑一个公司，它有一个能为特定目标分析数据的人类专家，但是，这项任务比较单调乏味。基于规则的系统可以捕获和自动操作这种专门技能。
在数学中，图形原理是用来模拟对象之间成对关系的数学结构的研究。在此上下文中的图形由顶点、节点或由边、圆弧和线段连接的点组成，并且可以相当复杂和庞大。利用图形原理，可以很容易地了解数据之间的关系。例如，考虑一个复杂的计算机网络。图形原理可以提供一些见解，以了解网络中的瓶颈如何导致其它问题以及某一特殊瓶颈的根本原因。
顾名思义，模式识别用于检测数据中的模式和规律，它是机器学习的一种形式。模式识别系统利用数据训练的过程被称为监督学习。它们还可以被用来发现以前未知的数据模式，这个过程称为无监督学习。与基于单个数据类型的潜在异常的异常检测方法不同，模式识别可以发现以前在多个数据片中未知的模式，并考虑数据之间的模式(或关系)。一个公司(包括任何行业)可能都有兴趣知道什么时候发生了不寻常的事情，比如如果消费者突然开始购买一种与另一种一起购买的商品。这种模式可能是一个企业所感兴趣的。 总之，人工智能是一种在大数据世界中指引方向和收集规律的方法。 文章原标题《Artificial Intelligence and Big Data: A Perfect Match》 本文转自CSDN博客 网址如下： https://blog.csdn.net/tkkzc3E6s4Ou4/article/details/80750925?from=timeline |
|
|
