人工智慧和大資料在2017年的發展遇到了以下8個成長的煩惱：

遭遇成長煩惱2017AI大資料行業回顧：

1.人工智無IQ標準

人工智慧領域發展最好的一個領域是無人駕駛，而究其原因不外乎其擁有了從L0到L5的全球通用標準。但是在其他領域，人工智慧細分領域過多，標準化相對缺乏，語音識別做到什麼境界算成功，影象識別怎樣算最好無法定性，人類都有IQ值來評估是否聰明，可AI卻沒有。行業無標準讓市場、廠商和使用者都只能摸黑前行。

2.人工智慧延伸邊緣

人工智慧的應用在過去是由中心計算支援的，但是由於應用需求的邊緣化擴張，物聯網將會是人工智慧的下一個發展重地，而邊緣計算在智慧化領域開始成為主角。

3.AI嵌入超算和雲端計算

人工智慧技術不僅在貼近使用者層面的邊緣化擴充套件，也在向更深層次的計算需求擴充套件。雲端計算和超算技術的發展正在帶領人工智慧進入一個前所未有的領域。作為人工智慧三大因素之一，計算力的發展讓人工智慧能涉足的事情變多起來。

4.人工智慧得風不得勢

人工智慧的限制因素在於行業應用依然沒有發展，目前的主要應用在搜尋、智慧語音助手和智慧家居等邊邊角角的小規模運用中，根本沒有發揮出自身優勢。而無人駕駛至少還需要3年的準備時間，行業規則也尚未定性，總體來看，人工智慧只是炒作的噱頭還沒有利潤轉化的能力。

5.人工智慧就業有誤

人工智慧與人類就業的衝突已經被提上了日程。不少人擔心人工智慧的發展會造成人類的大規模失業，而且還有以霍金為首的大批業內人士擔心人工智慧的發展會讓人類毀滅。這些擔心儘管不無道理，可是人工智慧也會造成另外的就業崗位崗，例如，人工智慧裝置共享的運營、維修。

6大資料風口己過

大資料從起風到現在顯然風頭已經被人工智慧蓋過，換言之大資料被鼓吹的年代已經過去，甚至曾經鼓吹大資料，必須要設立企業的首席資料官的公司，說了5年之後也對此不了了之。大資料的成效比實在差強人意也是讓人們看到了大資料難做的原因之一。

7.資料保鮮難

大資料進入非網際網路行業時，面臨的主要難題在資料採集。資料採集不全面則可能分析結果無價值，而全方位的採集又可能使得采整合本過高。同時，任何行業的大資料都面臨資料保鮮週期短，資料易過期的難題。

8.資料養黑市

大資料行業發展導致資料價值日益提升，因此黑客的主要攻擊目標也就被集中到了資料之上。企業不僅需要為採集到的資料及時的進行分類、處理、儲存和分析，也需要為資料的安全負責。在網路環境日益複雜的情況中，黑市裡的資料正在越來越多，保護資料的成本也在增加。

來源：網路整理

大資料週刊

郵箱:[email protected]

電話:010-57524293

眾論大資料 引領大時代

長按二維碼關注