人工智能和大數(shù)據(jù)在2017年的發(fā)展遇到了以下10個(gè)成長(zhǎng)的煩惱：

 

1. 人工智能無(wú)IQ標(biāo)準(zhǔn)

人工智能領(lǐng)域發(fā)展最好的一個(gè)領(lǐng)域是無(wú)人駕駛，而究其原因不外乎其擁有了從L0到L5的全球通用標(biāo)準(zhǔn)。但是在其他領(lǐng)域，人工智能細(xì)分領(lǐng)域過多，標(biāo)準(zhǔn)化相對(duì)缺乏，語(yǔ)音識(shí)別做到什么境界算成功，圖像識(shí)別怎樣算最好無(wú)法定性，人類都有IQ值來評(píng)估是否聰明，可AI卻沒有。行業(yè)無(wú)標(biāo)準(zhǔn)讓市場(chǎng)、廠商和用戶都只能摸黑前行。

2. 人工智能延伸邊緣

人工智能的應(yīng)用在過去是由中心計(jì)算支持的，但是由于應(yīng)用需求的邊緣化擴(kuò)張，物聯(lián)網(wǎng)將會(huì)是人工智能的下一個(gè)發(fā)展重地，而邊緣計(jì)算在智能化領(lǐng)域開始成為主角。

3. AI嵌入超算和云計(jì)算

人工智能技術(shù)不僅在貼近用戶層面的邊緣化擴(kuò)展，也在向更深層次的計(jì)算需求擴(kuò)展。云計(jì)算和超算技術(shù)的發(fā)展正在帶領(lǐng)人工智能進(jìn)入一個(gè)前所未有的領(lǐng)域。作為人工智能三大因素之一，計(jì)算力的發(fā)展讓人工智能能涉足的事情變多起來。

4. 人工智能得風(fēng)不得勢(shì)

人工智能的限制因素在于行業(yè)應(yīng)用依然沒有發(fā)展，目前的主要應(yīng)用在搜索、智能語(yǔ)音助手和智能家居等邊邊角角的小規(guī)模運(yùn)用中，根本沒有發(fā)揮出自身優(yōu)勢(shì)。而無(wú)人駕駛至少還需要3年的準(zhǔn)備時(shí)間，行業(yè)規(guī)則也尚未定性，總體來看，人工智能只是炒作的噱頭還沒有利潤(rùn)轉(zhuǎn)化的能力。

5. 人工智能就業(yè)有誤

人工智能與人類就業(yè)的沖突已經(jīng)被提上了日程。不少人擔(dān)心人工智能的發(fā)展會(huì)造成人類的大規(guī)模失業(yè)，而且還有以霍金為首的大批業(yè)內(nèi)人士擔(dān)心人工智能的發(fā)展會(huì)讓人類毀滅。這些擔(dān)心盡管不無(wú)道理，可是人工智能也會(huì)造成另外的就業(yè)崗位崗，例如，人工智能設(shè)備共享的運(yùn)營(yíng)、維修。發(fā)

6. 大數(shù)據(jù)風(fēng)口己過

大數(shù)據(jù)從起風(fēng)到現(xiàn)在顯然風(fēng)頭已經(jīng)被人工智能蓋過，換言之大數(shù)據(jù)被鼓吹的年代已經(jīng)過去，甚至曾經(jīng)鼓吹大數(shù)據(jù)，必須要設(shè)立企業(yè)的首席數(shù)據(jù)官的公司，說了5年之后也對(duì)此不了了之。大數(shù)據(jù)的成效比實(shí)在差強(qiáng)人意也是讓人們看到了大數(shù)據(jù)難做的原因之一。

7. 數(shù)據(jù)保鮮難

大數(shù)據(jù)進(jìn)入非互聯(lián)網(wǎng)行業(yè)時(shí)，面臨的主要難題在數(shù)據(jù)采集。數(shù)據(jù)采集不全面則可能分析結(jié)果無(wú)價(jià)值，而全方位的采集又可能使得采集成本過高。同時(shí)，任何行業(yè)的大數(shù)據(jù)都面臨數(shù)據(jù)保鮮周期短，數(shù)據(jù)易過期的難題。

8. 數(shù)據(jù)養(yǎng)黑市

大數(shù)據(jù)行業(yè)發(fā)展導(dǎo)致數(shù)據(jù)價(jià)值日益提升，因此黑客的主要攻擊目標(biāo)也就被集中到了數(shù)據(jù)之上。企業(yè)不僅需要為采集到的數(shù)據(jù)及時(shí)的進(jìn)行分類、處理、存儲(chǔ)和分析，也需要為數(shù)據(jù)的安全負(fù)責(zé)。在網(wǎng)絡(luò)環(huán)境日益復(fù)雜的情況中，黑市里的數(shù)據(jù)正在越來越多，保護(hù)數(shù)據(jù)的成本也在增加。

9. 數(shù)據(jù)量爆發(fā)管理不同步

大數(shù)據(jù)在經(jīng)歷了一輪輪爆發(fā)之后，企業(yè)在處理數(shù)據(jù)時(shí)所面對(duì)的海量數(shù)據(jù)需要進(jìn)行數(shù)據(jù)篩選和數(shù)據(jù)清洗，但是數(shù)據(jù)清洗過程正在讓數(shù)據(jù)管理變得復(fù)雜化，非結(jié)構(gòu)化數(shù)據(jù)包含的意義正在增多，數(shù)據(jù)清洗可能去掉有用的信息只留下想看到的不完整信息，這種數(shù)據(jù)管理方式會(huì)導(dǎo)致最終處理結(jié)果的偏差。

10. 大數(shù)據(jù)商業(yè)化孤島形成

每一家企業(yè)都有自己的數(shù)據(jù)，而這些數(shù)據(jù)在進(jìn)行商業(yè)化應(yīng)用時(shí)，出于對(duì)個(gè)人隱私和競(jìng)爭(zhēng)關(guān)系等因素考慮，并不會(huì)相互溝通，數(shù)據(jù)缺乏流通性和及時(shí)更新直接的結(jié)果就是導(dǎo)致不同企業(yè)的數(shù)據(jù)互不相同，孤島化數(shù)據(jù)成型，這種孤島化數(shù)據(jù)缺乏全面性，從而讓多數(shù)企業(yè)只能在自身偏頗的分析結(jié)果里獲取答案，遠(yuǎn)談不上真正的大數(shù)據(jù)。