大数据、元数据及人工智能的关系

人们需要更多地像管弦乐队那样进行协调一致的配合而并非像工厂那样运转。

　　为什么一家银行会收购一家人工智能软件公司?上周，加拿大多伦多道明银行(TDBank)宣布收购人工智能初创公司--Layer 6。(经全面信息披露称：道明银行使用我们的软件来管理企业数据和为其提供企业数据。)金融服务创业公司的迅速崛起正在给老牌机构带来压力，这些创业公司利用了全数字化基础设施的速度、规模和成本。最重要的是，这些创业公司正在用全自动数据和分析生态系统替代人力密集型流程，而该系统可为千禧一代提供其想要的具有竞争力的产品和按需服务。

　　在《第二次机器革命》一书中，作者布林约尔松(Brynolfson)和麦卡菲(McAfee)二人注意到人工智能的快速发展，并在几年前还认为这些技术要几十年后才能成为现实，包括自动驾驶汽车、音乐创作以及在“危险边缘(Jeopardy)”智力竞赛中顺利闯关。他们描述了这一切是如何实现的，这是因为数据经济所特有的三个属性：

　　数字化--数据是新经济的基础资源，可以在世界任何地方瞬间完成复制和传播。

　　指数增长--在过去的50年里，信息技术的发展每两年翻一番(摩尔定律)，现在我们可以将复杂的分析技术应用于我们所做的一切工作中。

　　进行组合--通过结合现有产品开发出新的数字产品，实现极致的个性化和最佳效果。

　　最重要的是，这些属性是可以相互共存的，可创造出类似于一个加速旋涡，以惊人的速度进行创新。

　　这种创新的良性循环依赖于数据、元数据和人工智能协同工作，以创建一个随时间推移而变得更加智能的系统。而令人惊讶的是，他们需要更多地像管弦乐队那样进行协调一致的配合而并非像工厂那样运转。

　　数据可提供事实依据，元数据可以讲述故事

　　在原始数据与形成智慧洞察力之间建立一条单向流动的管道，这是非常受欢迎的，也就是说，从原始数据源开始，经过数据精化和准备阶段，然后将数据提供给商业智能和机器学习算法，从而形成洞察力。但是这个“数据工厂”模式却忽略了人类智能的最大洞察力，即预测是依赖于将当前情况与大量记忆存储进行比较，然后我们行动的结果会存储到记忆库中。这并不是我们所预测的，而是我们的记忆