這是兩個客體，它們之間的關係要辯證的看待與分析。

1、資料就是資料，它僅僅是客觀事物的實在表達，是不會說話的實在。資料本身沒有意義。資料的意義是被賦予的。

2、資料並不等於資訊，資訊是淹沒在資料中的。所以要想得到資訊，就必須分析資料。而分析資料是有一套方法體系的。所以擁有資料而不會分析資料等於坐擁金山而去要飯。

3、資訊的認同與價值來自觀察或改造物件的主體本身。主體本身賦予資訊意義。這也就是所謂的資料標識，或者說資料標籤。因此資料標籤具有本質的領域專家認知特徵。

4、人工智慧很複雜。就二者而言從輸入加工的視角比較容易理解二者的關係。

5、資料作為系統的加工原料，系統在主體指令的目標函式下動作以分析資料集合得到的、埋藏在資料中的資訊的過程就是計算智慧。系統再基於計算得到的資訊進一步動作則完成第一階段的行為。這就是最常見的人工智慧。

6、基於最原始實踐活動資料的資料加工與分析構成了計算智慧的本質內涵。注意，這裡講的是最原始階段的資料。這個層面或意義上的人工智慧相對而言是容易理解和可控的。但是就是在原始階段仍然解決的不夠好！原因在於智慧的內涵與表達到底如何在科學領域並沒有理想的解答。

7、目前人臉識別、語音識別、物體識別、姿勢識別等等均是6中範疇的系統加工資料的體系，它並沒有超越計算—執行—計算的簡單正規化，所以嚴格講這些都屬於計算智慧，假如它可以叫智慧的話。

8、科技人員或者科學工作者都希望從資料中再深挖掘出原始資料超集上的資訊。這就將變得相當困難了，其實所謂深度學習就是這類概念之一，而深度學習類似概念在上個世紀九十年代就被中國學者提出過：基於引數空間的擬合分析和黎曼分析，並用於模式識別，只是那時計算資源有限罷了！

9、大資料離不開人工智慧的幫助，不管是計算智慧還是更高階的智慧範疇，否則它就是垃圾堆；但是人工智慧在初級階段也離不開大資料的餵養，否則成長起來的AI極有可能是白痴或者異類，對於後兩種形態的AI人類目前沒有任何研究成果、也不希望出現那種事實上失控的AI。

10、我仍然呼籲敬畏人工智慧就是敬畏人類自己與自然。

https://www.toutiao.com/i6626575701430501902/

那你就得看看這篇文章啦~

從理論上講人工智慧和大資料是兩個相對獨立的概念，只是他們有一定的聯絡，所以很多人把大資料和人工智慧等同了。今天我們就說一下它們的區別:

1、人工智慧的出發點是讓計算機模仿類人智慧進行工作和學習。特別是當前人工智慧的發展主要是深度學習技術，踏實讓計算機的資料根據人類神經網路的模式進行模擬運算，透過大量的資料作為計算的基礎透過網際網路和你計算的超大算力，利用計算機重複計算的優勢，你讓人累採集資訊的神經網路一樣的方式，把資料進行重複計算，讓計算機計算的結果接近於人類的智慧。

2、大資料的出發點是基於計算機it系統對計算機二級系統裡面的資料進行多維度的標籤的採集整理行程多維度多種類大批次的資料。大資料的統計和分析，是他主要的運用價值。

3、人工智慧和大資料之間有一定的關聯關係，有了大量的資料和人工智慧的神經網路系統進行對接這樣人工智慧計算出來的神經網路的標準就會更接近人類。但是他們也有本質區別，當前的人工智慧系統是演算法算力和資料三者結合的結果，所以僅僅靠大資料，還無法完成人工智慧的最佳的計算結果。同時人工智慧對對資料的需求主要是模糊型的，不確定資料透過人類的神經網路的模式不斷的計算接近於人類的尊重，而大資料系統基本上是在it系統要求的相對準確精準類的資料。人工智慧很多時候是要的是資料的樣本，而大資料要的是資料的結果。

4,所以大資料要根據人工智慧的發展，進行更寬維度的資料採集，特別是模糊資料的採集。

在我看來，大資料和人工智慧的關係，好比汽油和汽車的關係，要想汽車正常運轉行駛，汽油是必不可少的東西。大資料就是人工智慧的基石。人工智慧技術發展，要解決特定領域的實際問題，需要不斷輸入大資料，在透過深度學習，在這些資料中發現規律、特點，然後建立模型，在不斷的學習中最佳化模型，來處理新的資料。比如谷歌公司AlphaGo，它之所以能夠站在圍棋界巔峰，就是因為它透過學習上百萬的棋譜，而且透過自己與自己對弈，來不斷修正自己的演算法，提高自己的“棋藝”。海量棋譜就是阿爾法狗的大資料，基於這些資料，透過深度學習，才成為了圍棋界“王者”。

談到大資料，深度學習也是不得不提的一個詞語，只有二者同時具備，人工智慧才得以高速發展。人工智慧時代，深度學習和大資料是密不可分的。大資料好比人類食物，主要給人類供給營養，讓人體正常運轉。深度學習可以從大資料中挖掘有價值的規律、知識。簡單來說，有龐大的資料輸入，深度學習會最大化的發揮其優勢，計算機不僅可以學會只有人可以理解的概念、知識，而且會運用到未知的資料上。好比影象識別系統，計算機透過識別海量人臉，來尋找人臉特徵，之後，影象識別系統會根據之前所學“知識”，來判斷從未見過的人臉，從而在特定領域來解決實際問題。

總而言之，沒有大資料就不會有人工智慧今天的高速發展。只有海量資料被輸入，才能更好的發展人工智慧，大資料和深度學習、人工智慧唇齒相依，缺一不可。只有大資料，而不會學習利用這些資料，資料毫無價值。

我是境夢飛沙，人工智慧學習者，期待與您相遇。