大資料是指標對大量資料的解析工作，透過海量資料的統計特性，可以得到一些平時難以發現的統計學特性。利用這些特性來幫助人們分析和制定策略是大資料的主要目的。

人工智慧可以藉助大資料技術來提高自己的知識庫，豐富的知識庫會使人工智慧的智慧更上一層樓。同時大資料可以藉助人工智慧技術，來對人力所不能及的大量資料進行分析和統計，對資訊進行快速分類。

感謝你的信任和提問。據本人膚淺的認識，人工智慧與大資料是從屬關係，人工智慧是在大資料的基礎上發展而來的。但它們不管怎樣發展，怎樣先進，都是人類的使用的較先進的工具，不可能超過有血有肉，有靈魂，能創新的人類。

兩者都屬於資訊處理技術，人工智慧是大資料的進階。過去常常由人類自己手動從海量資料中利用各種統計方法尋找規律，人工智慧可以自動在海量資料中尋找規律。人工智慧的引數訓練就是這樣的一個自動尋找規律的過程。其中各種不同引數的濾波器就對應了某些規律特徵。

大資料和人工智慧雖然關注點並不相同，但是卻有密切的聯絡，一方面人工智慧需要大量的資料作為“思考”和“決策”的基礎，另一方面大資料也需要人工智慧技術進行資料價值化操作，比如機器學習就是資料分析的常用方式。在大資料價值的兩個主要體現當中，資料應用的主要渠道之一就是智慧體（人工智慧產品），為智慧體提供的資料量越大，智慧體執行的效果就會越好，因為智慧體通常需要大量的資料進行“訓練”和“驗證”，從而保障執行的可靠性和穩定性。

目前大資料相關技術已經趨於成熟，相關的理論體系已經逐步完善，而人工智慧尚處在行業發展的初期，理論體系依然有巨大的發展空間。從學習的角度來說，如果從大資料開始學習是個不錯的選擇，從大資料過渡到人工智慧也會相對比較容易。人工智慧涉及的領域非常廣泛，工業、航天、商業都有應用，並且已經深入人們的生活，開啟手機中的Cortana或者Siri，這就是AI的產物。

分析讓大量的資料有了價值，機器開始懂得使用者想要什麼，可以預測未來的天氣和球賽的比分，這種人工智慧與場景的結合，要實現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，現在更多的情況下能夠透過機器實現，典型的例子包括語音助手、無人駕駛汽車。更重要的是，當硬體效能逐漸提升、計算資源越來越強大時，成本卻越來越低廉。