6、AI 中的数据与算法：从采集到应用

AI 中的数据与算法：从采集到应用

1. 数据采集的现状与局限

如今，数据采集似乎成了一种普遍现象，各类组织都在不加思索地收集、分类和存储人们的数据。据“Data Never Sleeps”报告显示，全球每天收集的数据量高达 2.5 千兆字节，这些数据以各种形式呈现：
- Google 每天进行 3,607,080 次搜索。
- Twitter 用户每天发送 456,000 条推文。
- YouTube 用户每天观看 4,146,600 个视频。
- 收件箱每天接收 103,447,529 封垃圾邮件。
- 天气频道每天接收 18,055,555.56 次天气请求。
- GIPHY 每天提供 694,444 个 GIF 动图。

然而，数据采集本身并不能带来实际价值。就像在《银河系漫游指南》中，超级生物建造巨型计算机计算“生命、宇宙以及一切的意义”，得到的答案 42 却无法解决实际问题。这表明，数据采集可以是无限量的，但确定正确的问题却极具挑战性。

对于组织而言，数据采集的关键在于明确要问的问题以及这些问题的重要性。例如，经营一家商店时，可能需要回答以下问题：
- 每天有多少人从店前走过？
- 这些人中，有多少人会停下来看橱窗？
- 他们看橱窗的时间有多长？
- 他们在一天中的什么时间看橱窗？
- 某些陈列是否会产生更好的效果？
- 哪些陈列实际上会吸引人们进店购物？

创建针对特定业务需求的问题列表至关重要，之后还需验证每个问题的重要性，并确定回答这些问题所需的信息。

2. 数据采集自动化的问题

手动