大數據與人工智能結合在一起，會碰撞出什么樣的火花？7月3日，思達派&創頭條在俠客島聯合辦公室舉辦的“創派對第二期之人工智能的文藝復興”活動上，來自納人的葉思和來自百度的夏粉兩位專家，就大數據+人工智能的現狀與未來進行了分享。

人工智能的技術前提——機器學習

夏粉向大家介紹，了解人工智能的前提是了解機器學習。

機器學習主要經歷了兩個發展階段：第一個階段稱為“演繹學習”——通過人給出的一些啟發性的規則，讓機器進行邏輯推理，再產生新的規則并加以使用；第二個階段稱為“統計機器學習”，是指通過建造很多樣本，讓機器從中發現并學習規律，再利用規律對未知事情進行推測。

“所以我們認為機器學習要解決的真正問題是預測，而不是經驗的分布。”夏粉說。超越人的思維，想到人未想到的事情，這才是真正意義上的智能。這種技術在行業應用當中也可以得到廣泛應用，比如預估廣告點擊率。

事實上，第二個階段中機器學習所需的樣本的來源，以及在已知規律對未來進行預測的基礎，都來自大數據。

那么除了預測，大數據+人工智能還能做些什么呢？

一、人工智能的精準分析，幫助HR輕松招聘

以招聘為例，篩選簡歷時，人崗不匹配的問題很嚴重。優秀的企業簡歷多但質量都不高，不夠優秀的企業簡歷嚴重不足，招聘信息基本全公開、但信息嚴重不對等等方面。對此，除利用技術對海量簡歷和招聘職位進行篩選和匹配，分別向甲方和乙方推送合適的簡歷和職位以外，納人還自主研發招聘領域的垂直應用——機器學習。通過機器學習，動態地模擬，使得應用因甲方的重復使用變得越來越接近甲方的需求。

葉思是納人的產品專家，他向大家介紹說，機器學習加上對大數據的精準分析，使得企業在招聘過程中變得更高效，節省時間的同時降低成本，除此之外，精準的分析和推送還能為企業的招聘提供參考決策。

二、最廣泛的應用行業——廣告

據夏粉介紹，早在2008年，百度就已經把機器學習的算法用在廣告變現上。當然，對廣告的投放，也離不開對大數據的正確分析。

百度的機器學習讓數據產生價值主要經過三個環節：首先數據要在開放云當中進行存儲和運算；儲存之后的第一件事是通過數據工廠對數據源進行加工，讓數據變得計算機可認識，便于查找等；之后，百度大腦用來對數據做感知——比如圖像檢索等。

簡單說，這個大數據引擎對整個行業和應用的服務流程就是：百度數據+行業數據經過數據工廠和百度大腦的運算，產生行業價值，最終應用到行業當中去。

關于大數據的發展趨勢，夏粉認為主要是個性化和產業化兩個方面。

個性化主要是TO C方向，包括個性化營銷、個性化醫療、個性化服務等。

他認為未來人工智能技術可能比每個使用者都更了解自己，因為大數據的個性化可以為用戶“繪制”多維度畫像——比如通過對一個人經常購物的位置、家庭住址等大數據的分析，可以猜出一個人的收入等。所以“你是誰，你想干什么”這種哲學問題未來可能會被大數據加人工智能解決。個性化主要還是投入到廣告行業——根據用戶興趣和需求等展現廣告。

另一方面，產業化主要指TO B方向，包括智能連接（主要是實現人和信息的連接，比如O2O線上和線下的連接）、人機互補（表現在人與機器取長補短的過程，比如在計算方面人不如計算機，人們可以利用機器的計算能力獲得決策輔助）、數據創新（主要是針對如何更好的開發和利用數據）等。產業化趨勢的主要核心是為了提高效率。

三、大數據分析觸及到生活的方方面面

對大數據行業創新的探索還有許多，夏粉列舉了百度智慧城市管理的定位數據案例——通過對人群的定位分析等實現對人口的管理、城市規劃的優化等。除此之外，還可以用來做公共安全中的人群預警——比如防止踩踏事件的發生等。

另一個案例是智能選址——比如一個用戶在某地區搜索附近是否有麥當勞，事實上這位用戶已經在當前位置為麥當勞開店投了一票，票數越多了，說明此地對麥當勞的需求越強，諸如此類。

除以上這些案例，大數據還廣泛應用于旅游、智慧醫療、零售等行業。未來，更加高效和精準的服務將不斷通過人工智能加大數據來實現。