人工智能和大数据之间的关系是双向的。可以肯定的是：人工智能的成功很大程度上取决于高质量的数据，同时，管理大数据并从中获取价值越来越多地依靠(诸如机器学习或自然语言处理等)人工智能技术来解决对人类而言难以负担的问题。
正如公司高级数字策略师Glenn 所述，这是一个“良性循环”。大数据中的“大”曾经被视为一种挑战而不是机遇，但随着企业开始推广机器学习和其他人工智能学科的应用，这种情况正在发生变化。
解释说，“如今，我们想要尽可能多的数据，这不仅是为了更好地洞察我们试图解决的业务问题，而且因为我们通过机器学习模型输入的数据越多，它们得到的结果就越好。”
//
当大数据遇到人工智能：跨行业的用例
//
以下深入地了解这个更广泛的循环中的一个部分：如何将人工智能当作处理大数据的强大杠杆的示例，无论是用于分析、改进的客户体验、新的效率还是其他目的。人们需要考虑以下人工智能和大数据应用的三个重要因素：
1.从非标准化来源收集结构化数据
大数据面临很多的挑战，例如以一种可用的、具有成本效益的方式存储大数据。当涉及到非结构化数据时，其“可用”部分尤其棘手，根据研究机构的一些估计，非结构化数据占企业数据的大部分份额(70%或更多)。当人们谈论大数据将不可避免地继续增长时，非结构化数据是这种增长的主要驱动力。
将非结构化信息转换为可用格式对人类来说是一项极其繁琐的工作，特别是在重复(但完全必要)的后台操作中。
公司首席技术官 指出，发票处理是一个特定的示例，它阐明了使用人工智能从非结构化(或非标准)格式中自动提取结构化数据的广泛可能性。
说，“如何将人工智能应用于大数据的一个例子是训练一个模型，该模型从扫描的发票和提取的结构化数据的历史数据中学习：发票ID、到期日、收件人等。这一信息通常必须由工作人员来解释，因为每张发票看起来都有些不同，具有不同的名称或语言。但是，如果企业使用数千张发票的历史数据，则可以创建一个模型，通过扫描新发票即可自动为其提供结构化数据。”
使用人工智能从非结构化数据源自动提取结构化数据的这一相同原则可以广泛应用，不仅适用于财务或人力资源等运营领域，还适用于企业内容管理的广泛(通常是无意义的)类别。这对数据分析、机器人过程自动化(RPA)和其他形式的自动化以及其他目的都是一个潜在的好处。
ABBYY公司首席创新官 说，“组织正在使用人工智能改变其最有价值的资产——内容。表示，高达90%的企业内容都是非结构化的数据，并且以每年高达65%的速度增长。大多数非结构化数据都无法分析，从而导致有价值的信息丢失和无法使用。借助人工智能，组织将非结构化数据转换为可在智能自动化系统中使用的可行信息。这使业务领导者可以更快地做出更好的业务决策。”
2.简化复杂的官僚程序
在采用大数据的场合，就会有复杂性和官僚主义。例如医疗、保险和金融服务等领域，因此，这些行业正在越来越多地尝试采用潜在的方式来使用人工智能技术来减少繁文缛节，并在围绕法规遵从性和其他问题的复杂需求中改进流程和结果的潜在方法。
以下例举金融领域的一个更深层次的例子：
公司数据、分析和人工智能/机器学习总经理 Dixit说：“金融科技完美地说明了人工智能/机器学习如何改变银行机构向消费者提供金融服务的方式。银行的后台操作涉及庞大而复杂的数据集，这些数据集需要大量人力。如果由机器人流程自动化(与人工智能/机器学习结合使用)进行处理，则可以在执行了解客户、验证客户身份和地址等任务时节省大量时间和成本。贷款本身也是劳动密集型的工作。借助人工智能/机器学习，降低成本，并以更具吸引力的利率向那些信用记录有限的人提供贷款，正在扩大一个以前服务不足的市场。”
AI 公司产品管理总监 指出，抵押贷款行业是目前正在尝试人工智能的金融行业的特定子集。
说，“人工智能正在以多种方式改善抵押贷款行业中的数据分析。”他列举了三个方面的例子，说明了人工智能可以在哪些方面为贷款人和客户带来好处：
•吞吐量：说，“目前业内平均完成抵押贷款的时间约为3至4周。使用人工智能来自动化‘关键路径流程’，只需几天就可以完成抵押贷款的处理。这种吞吐量的增加使购房者的购房体验更快、压力更小，并帮助银行和其他贷款人更快地处理更多贷款。”
•分析速度：从某种意义上说，贷款处理是信息处理的另一种表达方式。人工智能可以加快速度，达到实时处理的程度。说：“人工智能越来越多地被用于销售点，以提供更多的贷款人自助服务。”
•处理和结果的准确性：说，“使用人工智能和自动化，能够以高准确率处理抵押贷款。人类会感到疲劳，这种疲劳会导致出现错误，而人工智能技术可以全天候工作，而不会疲劳且精度很高。”
当然，金融、医疗和其他公司在削减繁文缛节的同时，将不得不与人工智能偏见作斗争。
3. 更好地利用视频和语音资源
当想到在各种组织中可以产生固有的“大”数据的媒体格式时，通常会想到语音和视频。两者都提供了人工智能如何应用于改善企业如何管理和从现有媒体资产中获取价值的实例，或者如何改善未来使用这些格式和其他格式的示例。
公司高级分析总监Brian 指出，像自然语言处理(NLP)这样的人工智能学科在企业如何使用他们的语音数据、从语音分析到语音到文本转录方面创造了相当多的新改进。
此外，人工智能可以解决与基础数据相关的挑战。例如，可能为了质量保证和培训而录制视频或音频，实际上就是在使大数据变得更大。
解释说，“在以往，出于人工审查和合规的原因，企业会存储通话记录数据，有时会长达7年甚至更长时间。这些数据以单声道格式记录，并经过高度压缩以减小文件规模和存储成本。随着语音到文本算法的发展，这些通话记录数据突然变成了有用数据的宝库，企业可以利用这些有用数据来衡量客户体验并改善运营绩效。”
人工智能驱动的新分析机会也彻底改变了与通话记录和其他语音数据相关的存储挑战。
表示，“更高质量的音频文件从语音到文本的算法产生了更好的准确性，因此企业需要使用未压缩的音频，这可能会使存储成本更高。在此可以采用人工智能，这是因为它具有自动转录语音记录的功能。”
说，“这些录音文件现在可以实时或接近实时地转录，生成的录音提供通话记录，可以用于高级分析。这些文本记录可以存储，而高质量的未压缩音频文件现在可以删除，不需要存储。企业提供实时访问这些数据的能力也要求在数据存储和处理方面取得进展。”
视频文件的处理可以带来类似的机遇和挑战。人工智能现在使企业能够更好地管理和发现企业视频资产的价值。
IBM 企业视频产品高级总监Chris 说：“人工智能技术使企业能够通过高级元数据丰富功能和以前未开发的见解来理解和优化视频内容库。从提高参与度和增加可发现性到自动化隐藏式字幕和进一步提高包容性，人工智能为企业提供了必要的工具，使其能够在真正的全球、始终在线的环境中运营。”
语音对文本技术在提高视频应用程序的可访问性和包容性方面，包括在实时订阅源中，可以起到巨大的作用。说，“像人工智能驱动的实时和按需自动字幕显示，这样的实用应用程序为听力障碍员工和聋哑人弥合通信的鸿沟提供帮助。”
相关文章
