60年前的某个夏天，麦卡锡、明斯基等年轻的科学家们举办了一次聚会，共同研究用机器模拟智能的问题，也是在那时，“人工智能（AI）”的理念正式被提出。如今，人工智能已经应用于语音识别、图像处理器、计算机视觉、机器人等多个领域，甚至击败了围棋九段李世石，这种进步是难以置信的。而这一系列成绩的背后，是海量数据的积累与学习，在没有云的时代，是无法想象的。
人工智能时代 云和大数据到底有多重要？（图片来自The Huffington Post）
人工智能涉及的领域非常广泛，工业、航天、商业都有应用，并且已经深入人们的生活，打开手机中的Cortana或者Siri，这就是AI的产物。要知道，在几十年前，这种超前的技术是不受认可的，教授相关课程的学校也是寥寥无几。究其原因，主要就是数据的积累和应用。高容量存储设备丰富了数据量的留存，随着数据的不断增加，人们开始在其中发现某种规律，引发了分析的需求。
分析让大量的数据有了价值，机器开始懂得用户想要什么，可以预测未来的天气和球赛的比分，这种人工智能与场景的结合，要实现的就是改变生活方式和解放生产力。具体来说，很多过去只有人能做的事情，现在更多的情况下能够通过机器实现，典型的例子包括语音助手、无人驾驶汽车。更重要的是，当硬件性能逐渐提升、计算资源越来越强大时，成本却越来越低廉。
微软全球执行副总裁陆奇曾指出，如果大数据被充分利用，全球企业将额外获得1.6万亿美元的数字红利。当然，前提是要对海量信息进行分析，无论是深度学习还是神经网络，最终都要转换为产品或服务惠及用户。数字经济、分享经济、工业4.0...背后都少不了大数据和云计算的支持。
不过，要想在人工智能时代分一杯羹，绝非易事。AI的基础是大数据，这些资源通常掌握在巨头手中，这也是为什么你会看到，这个领域的头条总是被微软、谷歌、IBM、苹果、亚马逊、Facebook这些公司抢去。在国内，BAT、京东这样的企业同样拥有足够的用户基础，并且已经开展了应用。
在今年的中国大数据产业峰会上，腾讯公司董事会主席兼CEO马化腾主要就讲了一件事：大数据。通过18年的运营，腾讯数据中心的存储总量超过1000个PB。日常使用方面，用户每天在微信朋友圈和QQ空间上传的图片达到10亿张，腾讯视频（含微信公众号H5视频）每天播放量达20亿次，除夕当天红包支付超过25亿笔，每天移动支付超过5亿笔。围绕这么多的数据资源，腾讯也开发了一系列技术和功能。
在人工智能领域 腾讯做了哪些事？
海量数据时代，搜索的重要性可想而知。基于在搜索领域多年的技术积累，腾讯云搜TCS通过对腾讯微信、QQ等各大垂直业务搜索需求进行高度抽象，把搜索引擎组件化、平台化、服务化，为移动应用开发者和网站站长提供了一站式搜索服务。云搜TCS支持分词和建立索引功能，搜索封装和技术门槛较低，具有可视化的数据预处理和离线排序定制能力，允许用户自主配置，检索耗时毫秒计算。
腾讯云搜TCS
此外，腾讯云搜还建立了自然语言处理技术团队，整合“文智”NLP开放平台，提供中文分词、智能纠错、同义词识别、意图识别等能力。针对准确性，该服务还支持高级纠错、按域检索、分词定制、智能联想词等功能。开发方面，开发者可以对搜索结果的排序自主灵活控制，云搜还具有文档求交、相关性排序、排序表达式等策略。
搜索到的数据怎么使用，能否安全可靠，所提供的数据服务是否有针对性，是用户关心的问题。为此，腾讯大数据处理套件TBDS提供一键式部署能力，降低了大数据系统部署运维门槛，统一的控制台可以对集群进行配置、启停，通过DashBoard集中监控各组件实时运行指标，还支持多种数据接入以及输出方式，提供统一的数据源以及元数据的管理。
值得一提的是，腾讯还借助QQ、微信等产品建立了10亿级别覆盖度的基础库，对范围内的人群进行统计和分析，能够实现动态跟踪区域内人群流动、评估人流拥挤等级、捕捉开放社交网络的情况、分析目标客户群轨迹，让客户更精准的定位目标人群。这么多的隐私信息，泄露了怎么办？我们了解到，所有通信及数据存放都建立在腾讯云合规独立的机房，以保障用户数据资产安全。
区域人流检测
机器学习是人工智能的核心要素，主要就是研究计算机如何模拟或实现人类的学习行为，以获取新的知识或技能。应用过程中，并行计算可以利用多个处理器解决一个大问题，提升了计算效率，这也是腾讯机智机器学习TML正在做的，其是简化用户对算法的接口调用、可视化、参数调优等自动化任务管理的开放平台。
卷积神经网络实例，卷积层→子抽样层→卷积层→子抽样层之后→全连接后输出
该平台搭载了万兆网卡的大量CPU实体机，集成分类、聚类、搜索/排序、推荐等机器学习和深度学习领域的算法，针对在性能、效果等方面的特殊需求，可以一对一深度定制。功能方面，机智机器学习TML支持LDA（非监督机器学习）技术，可以用来识别大规模文档集或语料库中潜藏的主题信息。通过训练，能够把对文本内容的处理简化为K维向量空间中的向量运算，而向量空间上的相似度可以用来表示文本语义上的相似度。此外，CNN（卷积神经网络）能用来解决图像高层特征提取、分类、识别等计算机视觉难题，LR（逻辑回归）则具有易训练、易并行、泛化能力强等特性，适用于高维度海量数据的二分类任务。
子抽样层（左图为全连接，右图为局部连接）
每一项技术的最终目标都是惠及大众，人工智能也是如此。要说AI领域最接地气的应用，应该就是图像和语音识别了。先说语音，国内厂商已经可以保证稳定性和准确率，以腾讯为例，通用领域的识别率能达到93.8%，可以做到情绪识别、区分说话人、云存储弹性扩容等功能。不过，要想进入更深层次的语音识别，还要有对情境的理解，这方面有很大的努力空间。至于图像，人脸识别算是最常用的技术之一，腾讯提供了“人脸检测与分析”、“人脸比对”、“人脸验证”、“人脸识别”等一整套技术方案。其中，人脸检测技术准确率和召回率分别超过99%和95%，人脸验证技术准确率为99.65%。
用户洞察分析产品结构
云和大数据指引人工智能改变未来
无论是搜索、智能识别，还是机器学习，BAT在人工智能领域的覆盖面已经很广，背后的技术实力也与谷歌、微软等逐渐缩小。在数据规模上，国内企业的资源并不输海外，需要加强的就是如何更有效地利用这些数据，从而改善人们的生活。
得益于大数据和云计算的支持，互联网正在向物联网扩展，人工智能则是升级体验、解放生产力的重要手段。迈克尔·戴尔称，今天的处理能力、带宽、存储正以每年10倍的速度成倍增长，未来15年的技术将比现在强大1000倍。
如今，大数据影响着各个行业，创造了巨大的商业价值。通过结合大数据和云计算，人工智能将更好地服务于人们的生活，推动时代进步。这一发展过程中，巨头企业已经开始利用数据规模和技术优势深耕布局，腾讯就是其中之一。
本文转自d1net（转载）