人工智能里面有一部分算法是须要数据的，首先要进去数据，然后才能学习。

比如一个大数据库叫ImageNet，有十几亿张图片，用了这么大量的图片，我们才能演习我们的深度神经网络去做图片中猫猫、狗狗、车辆的识别。

如果没有这些海量的数据，很多机器学习算法是不能用的，像我们现在看***网站它是面向百亿特色，千亿参数，万亿样本，你没有万亿样本就支撑不了百亿特色，你可能要有一个亿的样本才有可能支撑百万特色，而且深度学习是须要海量特色做特色工程的，以是这个时候大数据实际是很多机器学习算法得以能够发展的根本，但是发展到一定程度，有些算法它又溘然分开数据了，比如说我们做增强学习，像早期的阿法狗(AlphaGo)，它学了几十万专业棋手之间的对局，它是大师，那它就下得很好，后来的阿法Zero(Alpha Zero)，它是自己和自己下棋，反正有规则，以是它的数据实际不是真的数据，是天生出来的，它没有用真实数据，但是它用了增强学习，以是说它末了下得比阿法狗还强。

我以为从大的范畴来说，大数据人工智能肯定是相互增益的，没有人工智能很多数据发挥不了代价，更多时候我们须要人工智能算法才能挖掘大数据的代价，相称于一个是矿，一个是挖掘和提炼矿的这样一个设备和工厂，人工智能是后者，很大程度上有了数据我们才能开拓出数据干系的人工智能算法，但是有些算法和数据无关，大体是这样的关系。

（笔墨整理自东南卫视《中国正在说》节目“大数据时期的中国前景”）