16、人工智能中的数据分析与机器学习：价值、应用与局限

人工智能中的数据分析与机器学习：价值、应用与局限

1. 重新审视数据的价值

随着数字设备上数据的爆炸式增长，数据的价值和用途超越了最初的指导和知识传输范畴。大量数据在进行数据分析时，获得了与信息功能不同的新功能：
- 更好地描述世界 ：数据通过呈现各种事实，并为每个事实提供细微差别，更详细地描述世界。其丰富性使其涵盖了现实的各个方面，能揭示看似无关的事物和事实之间的实际联系。
- 展示事实与事件的关联 ：数据能展示事实与事件的关联，让我们在特定前提下推导一般规则，了解世界的变化或转变。当人们以某种方式行动时，数据还具有一定的预测能力。

在某些方面，数据为我们带来了新的强大能力。Chris Anderson 讨论了大量数据如何帮助在科学方法之外进行科学发现，以谷歌在广告和翻译业务中的成就为例，谷歌通过应用算法从数据中学习，而非使用特定模型或理论取得了显著成果。

科学数据（如物理或生物学数据）也能支持创新，使科学家无需假设就能处理问题，而是考虑大量数据中的变化并使用发现算法。过去，科学家通过无数观察和大量演绎来描述宇宙物理，而现在数据分析通过将观察表示为输入和输出，结合机器学习，能更快、更自动地确定事物的运作方式并定义近似规则。

2. 定义机器学习

数据分析的巅峰是机器学习。只有在数据分析提供正确输入后，才能成功应用机器学习。数据分析专注于理解和处理数据，使其更有用并提供对世界的洞察；而机器学习则严格专注于从数据中获取输入，并构建一个可用于实际目的的世界内部表示。机器学习使人们能够进行预测未来、有意义地分类事物以及在特定情境下做出最佳理性决策等任