大数据与人工智能

大数据与人工智能

人类社会的发展是从农业社会到工业社会，到现在是信息社会。提到信息社会会想到信息爆炸，有各种各样的名词出现，比如我们现在处于大数据时代、信息时代，有数字经济，现在人工智能又这么热。迷惑一直都存在，对于很多人来说，到底我们处于什么样的时代？其实所有这些从数据到信息、到知识、到智能都是信息时代的标志，它们之间到底有什么区别？数据是什么？信息是什么？知识是什么？智能是什么？

大数据与人工智能有着很强的前景，随着越来越多的企业采用人工智能解决方案以应对其业务困境，其中许多公司将寻求加强其IT基础设施，并将业务转向云端。随着大数据应用者的规模越来越大，人工智能越来越成为一种主流，随之而来的数据需求将给企业的本地服务器带来更大的负担，这意味着他们需要在别处满足他们的数据需求。云计算非常适合帮助满足和管理这些不断增长的需求，因为内部部署的服务器和数据管理对于企业来说变得过于混乱并且成本高昂。云计算是非常精准的，针对需求产生方案，例如市场营销通过梳理大量的数据，企业能够比以往任何时候都更准确地针对特定的消费者，将广告和交易直接发送到潜在消费者的邮箱或家门口。所以，人工智能和大数据现在正在被广泛应用，从而为公司获取更大的利润空间。

人工智能最核心的一部分就是自然语言处理和理解。自然语言处理就是用计算机来处理人类的自然语言。那么，计算机怎样才能处理自然语言？都要做什么？第一，分析和理解。什么叫分析和理解？就是我在上面讲，你听见了，如果你明白我讲什么了，在理解、思考我讲的什么，这个过程就是一个分析和理解的过程。第二，生成和应用。什么叫生成和应用？沟通，反应与回答。第三，一个自然语言处理系统还要做一件事情，就是要有动作。比如对机器人讲：“给我倒一杯咖啡”；机器人听懂了，它说：“好的，主人，我给你倒一杯咖啡”。不要说好的，然后不动，这是不对的。

大数据中的人工智能自然语言对于我们现在所处的传媒和新媒体行业也有很强的应用前景，新媒体环境下我们广电行业遭受到了很大的冲击，受众的媒体接触习惯发生改变，传统的调查方法依赖于受众的自我回忆，导致采集到的数据误差较大，而大数据能准确记录受众对于新媒体的接触习惯，为多维度受众分析提供更准确的数据。互联网时代，传统意义上的广泛传播已经捉襟见肘，而针对受众进行精细化分类的传播才能保障大众传播的有效进行。为了应对这种趋势，媒体需要通过数据来描绘自己的受众画像，从而找准自己的定位。同时还需要了解到受众所关切的问题，以受众利益为导向，否则我们的传播都是“答非所问”，无法和受众达成真正意义上的交流。多维度的受众分析，首先要了解到不同受众的媒体接触习惯，以便在传播渠道的选择上更能迎合受众。其次是对受众所感兴趣内容的量化分析，把握其心理需求。同时还要关注其传播行为，比如不同受众会转发什么样的内容，热议什么样的话题等等。在了解到受众的渠道偏好和信息需求之后，就可以对自身的传播行为做出适当调整，以实现传播效果最大化。起其中很重要的一点就是通过对自然语言处理和数据挖掘分析，在海量信息中提取出高频出现的关键词，如人物、机构、主题、国家（地区）、城市等，进而感知我们的民众和媒体对中国的兴趣点所在忽视外国受众的关我们的传播才能做到有效和精确。

举个例子，媒立方大数据平台，这是一个新闻界与大数据结合产生的平台，从架构上将集团内容数据、流程数据与用户数据进行全面集中、关联和深度挖掘。构建一体化底层数据源，运用先进的大数据存储计算能力、敏捷多轮的数据加工体系实现数据任意节点与流程间的无缝流转。同时，在此基础上通过自然语言处理、机器学习等技术对数据进行分析与建模，构建起热点追踪类、辅助创作类、事件分析类、传播力分析类、个性化推荐类服务，促进采编人员更好地从数据中挖掘创作灵感。我们可以再看看这种新型传播方式的传播效果。传播效果可以从三个维度来体现：一是传播广度（信息覆盖范围），二是传播深度（信息传播链中最长链上的节点数量，体现了受众对其的关注和讨论程度），三是传播向度（受众对信息的情感倾向）。无论是哪个维度，大数据都可以对传播效果进行显著的提升。传播的实践中遇到的最大的阻碍就是“信息损耗”，大数据可以帮助我们从海量的媒体报道数据和网络传播信息中发现某一特定区域中，目标受众的实际接触和评价与我们预期的信息覆盖及传播效果之间的差异，从而发现信息传播过程中的“损耗”以及这种损耗发生的环节。针对出现问题的环节进行修正，修补传播过程中的“短板”，能最大限度地保证传播的最终效果。

最后，为了更好地应用大数据，对于整个新闻界的良性发展，应注意几个问题：避免从单一数据来源获取信息后直接做出结论，应整合多方数据以得出更精确的结论。在国内，我们应实现国家层面的数据技术大规划与发挥各级数据库的作用相结合。还有就是不能过于迷信大数据，我们对大数据的种种应用，都是基于互联网上的信息采集与分析。实际上，网民的意见不能代表非网民的意见，而发声者也无法代表沉默者，语境环境是多种多样的，文化和人也是复杂的，大数据无法精准计算每一条信息的情感取向。