在移動互聯(lián)網(wǎng)逐漸深入到大眾生活的當(dāng)下，從使用反饋中得到的大批量用戶數(shù)據(jù)必然受到廠商的重視。不僅在國內(nèi)，放眼全球范圍，亞馬遜AWS、Rackspace、Azure等云數(shù)據(jù)服務(wù)的興起，更是早在2016年就讓數(shù)據(jù)量出現(xiàn)了大規(guī)模增長。數(shù)據(jù)量增長的趨勢在2017年持續(xù)，在2018必然會有更加出色的發(fā)揮。也許商用領(lǐng)域中，大數(shù)據(jù)已經(jīng)開始發(fā)揮作用；但細化到用戶層面，大數(shù)據(jù)仍然未讓人感受到存在感。
與其說對大數(shù)據(jù)的整理不力，倒不如說是對數(shù)據(jù)的應(yīng)用，仍然是處于簡單的標簽化套用，沒有具體考慮用戶在不同場合中因生理和心理所產(chǎn)生的，和日常記載大數(shù)據(jù)推導(dǎo)出的，有別的需求。
數(shù)據(jù)是死的 能夠被用起來的數(shù)據(jù)才是活的
即使我們能夠從各種媒體報道中看到來自不同領(lǐng)域的廠商在宣揚大數(shù)據(jù)能夠?qū)τ脩舻娜粘２僮髟斐啥啻蟮挠绊懀同F(xiàn)在的用戶體驗來說，改變用戶體驗的更多是軟硬件產(chǎn)品背后，開發(fā)人員在UE（User Experience，用戶體驗）上的分析和運用，反作用于用戶產(chǎn)品上的成果。當(dāng)然，這也能夠算是廠商在大數(shù)據(jù)方面的應(yīng)用，但這并不是我們想要看到的智能化成果。
說到這里，筆者想起前段時間看微博，某位曾經(jīng)的科技行業(yè)業(yè)內(nèi)人士在點評一個TED上關(guān)于智能無人機操控文章的點評。這位大佬說“真實世界里的AI進程其實十分可控和初期探索。”在筆者看來，這句話的確很適合形容現(xiàn)在的大數(shù)據(jù)業(yè)界。我們希望軟件能夠更聰明，是聰明在它們在得知我們的數(shù)據(jù)之后，能夠自動作出更適合我們的判斷，但從上文我們可以知道，無論是聽歌娛樂還是吃飯購物，現(xiàn)在的大數(shù)據(jù)分析利用，還是AI進程，遠未達到這樣的高度。
那么，在擁有大數(shù)據(jù)這樣的寶庫的前提下，要打開這個缺口，需要有哪些活性呢？就近年的智能化概念來看，也許神經(jīng)網(wǎng)絡(luò)會是打開這個寶庫的鑰匙。單說“神經(jīng)網(wǎng)絡(luò)”，可能很多朋友一時間都沒法反應(yīng)過來。但如果說接連挑下一系列圍棋世界高手，完成這個壯舉之后非但沒有停步，還想要嘗試更多領(lǐng)域的“AlphaGo”，相信在科技媒體甚至是其他媒體的渲染下，足夠讓人感受到未來人工智能的出色之處。
和當(dāng)年的“深藍”比起來，AlphaGo之所以能夠接連戰(zhàn)勝世界頂級圍棋手的原因，是基于深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)DeepMind。在Deepmind公司員工上傳的《Playing Atari with Deep Reinforcement Learning》文章中，我們可以發(fā)現(xiàn)，神經(jīng)網(wǎng)絡(luò)對比普通的機器人學(xué)習(xí)，可以通過學(xué)習(xí)過程來計算最高期望分數(shù)。確切地說，在定義了網(wǎng)絡(luò)的結(jié)構(gòu)之后，剩下唯一會變化的就只有一件事：連接之間的強弱程度。學(xué)習(xí)過程就是調(diào)整這些方式地權(quán)重，從而使得通過這個網(wǎng)絡(luò)的訓(xùn)練樣例獲得好的反饋。
對比漫無目的的大數(shù)據(jù)篩選運用，神經(jīng)網(wǎng)絡(luò)顯然更有“人性”，并且這份人性還在不斷自我進化中，讓AlphaGo變得更像一個“人”。早在2016年年底，Google DeepMind便在《自然》雜志上宣布，他們開發(fā)了一種名為“DNC”（可微分神經(jīng)計算機）新型神經(jīng)網(wǎng)絡(luò)。這個 AI 系統(tǒng)擁有“短期記憶”，可處理復(fù)雜的、結(jié)構(gòu)化的數(shù)據(jù)。它能理解人類編造的故事，從家譜中理清人物關(guān)系，還能看懂倫敦的地鐵圖。擬人化程度越來越高的神經(jīng)網(wǎng)絡(luò)，不僅能夠在大數(shù)據(jù)處理中提高效率，并且還能夠讓它更懂我們的需求。
隨著移動互聯(lián)網(wǎng)的不斷鋪開和深入到生活中，智能手機上搭載的程序總是要在各種方面收集用戶的數(shù)據(jù)信息。在信息量越來越大的前提下，單靠簡單的程序分析類比，甚至是人工整理采樣分析，逐漸會跟不上人類作出判斷的需求。如何將仍然在襁褓中的神經(jīng)網(wǎng)絡(luò)和大數(shù)據(jù)聯(lián)合起來，讓產(chǎn)品變得更聰明，是廠商下一步應(yīng)該思考的情況。未來將來，雖然遠了點，但仍然是值得我們期待的。