作為一名IT行業的從業者，我來回答一下這個問題。

首先，大資料與人工智慧本身就有非常緊密的聯絡，大資料是人工智慧技術研發的三大基礎條件之一，所以從這個角度來看，沒有大資料也就沒有人工智慧。實際上，在大資料的推動下，人工智慧技術也有了一定的發展，而且很多人工智慧技術在大資料的幫助下，在落地應用效果上也有了明顯的提升。

大資料與人工智慧的結合有以下幾個具體的目的：

第一：透過大資料來完成演算法訓練。人工智慧技術的研發核心是演算法設計，而一個演算法從設計到最終的應用，還需要經歷演算法訓練和演算法驗證這兩個階段，而演算法訓練和演算法驗證就離不開大資料的支撐。從這個角度來看，大資料技術的發展對於人工智慧技術的發展有非常直接的作用。

第二：透過大資料來輔助決策。人工智慧的應用有多種不同的層次要求，其中智慧決策是人工智慧技術最為重要的應用之一，比如在智慧工廠模型中，智慧決策是人工智慧應用的最終目的之一。人工智慧要想完成更加合理的決策，一定離不開大資料的支撐，從目前的技術體系結構來看，智慧決策層之下就是大資料分析層。

第三：透過大資料來擴充套件智慧體的應用邊界。人工智慧未來要想被廣泛採用，一定要全面拓展自身的應用邊界，而大資料技術的發展能夠在很大程度上拓展智慧體的應用邊界。簡單地說，一個行業要想進行智慧化改造，首先要完成大資料改造。

最後，物聯網對於大資料技術和人工智慧技術的發展也有非常重要的作用。

“大資料與人工智慧整合在一起”我的觀點是這兩者本身是在一起的-人工智慧以大資料為基礎，換句話說，沒有大資料的基礎，人工智慧就無從說起。

人工智慧（Artificial Intelligence），英文縮寫為AI。它是研究、開發用於模擬、延伸和擴充套件人的智慧的理論、方法、技術及應用系統的一門新的技術科學。

人工智慧是計算機科學的一個分支，它企圖瞭解智慧的實質，並生產出一種新的能以人類智慧相似的方式做出反應的智慧機器，該領域的研究包括機器人、語言識別、影象識別、自然語言處理和專家系統等。

從上面兩段話的描述，我們可以清楚地知道，人工智慧在做這樣一件事，讓某種“物”像人一樣地生活在社會空間裡。為了使“物”能夠像人一樣地生活，必須要學習人的行為軌跡，其中人的行為軌跡就是我們所說的大資料。我們只有積累到某種行為一定的資料，才能談得上人工智慧，不然沒有資料做基礎-資料是一種描述事物，任何技術的解決方案都是“空中樓閣”。

人工智慧的應用領域挺廣泛的，應該說只要有人行為痕跡的地方，人工智慧都應該有能力去模擬。最近幾年華爾街都推出智慧助理，幫助華爾街做金融投資，降低相關金融機構的人員成本，

首先你問這個問題，可見你還沒理解這兩個的區別！

大資料，它不會根據結果採取行動，而只是尋找結果。它定義了非常大的資料集，但也可以是極其多樣的資料。音訊、影象、電子郵件資料、感測器資料等。

簡單點，大資料就是為了獲得洞察力資料，例如人們觀看的內容瞭解電影或電視節目，並向觀眾推薦哪些內容。前提它已經擁有了上面所講的資料。

而人工智慧是一種計算形式，就是我們經常講的AI，它允許機器執行認知功能，例如對輸入起作用或作出反應，類似於人類的做法。例如，智慧機器人、大型遊戲、自動駕駛汽車、檢查醫學樣本等等。

那為何要結合起來呢，其實透過上面講了後，你應該也知道了，因為人工智慧不會像人類那樣推斷出結論。它透過一系列的試驗和錯誤學習，這需要大量的資料來輸入和培訓人工智慧，使相同的任務，變得速度更快，錯誤更少，說簡單點，就是反應越來越快，越來越智慧啦！

最後，科普都是比較枯燥的，不介意我加張美圖分享給大家吧！