人工智能历史由来已久，早在1308年，加泰罗尼亚诗人兼任神学家者雷蒙·卢尔（RamonLlull）出版发行《TheUltimateGeneralArt》，详细描述了其“逻辑机”的概念，这乃是最先人工智能理念的问世。随着时代发展，如今的人工智能早就再次发生了翻天覆地的变化，以前的机器只注目算法本身，如今转入到大数据时代，一切都将发生变化。黄宜华（中国计算机学会大数据专家委员会常务委员、副秘书长）11月13至14日，由中国高科技行业门户主办，人工智能网主办的“2017中国人工智能大会”在深圳举行。

中国计算机学会大数据专家委员会常务委员、副秘书长黄宜华教授在《大数据机器学习---从算法到系统》主题演说中，重点分析了目前机器该如何在大数据之下展开自学。大数据下的机器学习首先，黄宜华教授对于大数据定义做到了非常简单讲解。他指出，一般意义上大数据是指无法在可容忍的时间内用传统IT技术和软硬件工具对其展开感官、提供、管理、处置和服务的数据子集。

近几年，大数据渐渐沦为学术界和产业界的热点，已在很多技术和行业内广泛应用。从大规模数据库到商业智能和数据挖掘应用于、从搜索引擎到引荐系统、以及近期的语音辨识、翻译成等。大数据算法的设计、分析和工程牵涉到很多方面，还包括大规模并行计算、流算法、云技术等。

由于大数据不存在简单、高维、多变等特性，如何从现实、杂乱、无模式和简单的大数据中挖掘出人类感兴趣的科学知识，迫切需要更加深刻印象的机器学习理论展开指导。大数据强劲的计算能力，已沦为推展大数据时代人工智能技术和应用于发展的动力，将大数据机器学习和人工智能推向了新一轮发展浪潮。

大数据说明了着很多深度科学知识和价值，大数据智能化分析挖出可为行业/企业带给极大的商业价值。大数据的深度价值找到必须用于基于机器学习的智能化简单分析才能已完成，机器学习和数据挖掘已沦为将大数据转换成简单科学知识的关键技术。传统计算出来时代，意味着注目机器学习算法本身，而大数据时代的机器学习，早已某种程度是一个算法问题，堪称一个原始的大数据自学系统问题。大数据自学系统未来发展趋势要构建高效的大数据机器学习，必须建构一个能同时反对机器学习算法设计和大规模数据处理的一体化大数据机器学习系统。

研究设计高效、可拓展且更容易用于的大数据机器学习系统面对诸多技术挑战。近年来，大数据浪潮的蓬勃发展，推展了大数据机器学习的迅猛发展，使大数据机器学习系统沦为大数据领域的一个热点研究问题。随后，黄宜华教授还明确讲解了国内外大数据机器学习系统的基本概念、基本研究问题、技术特征、系统分类以及典型系统。

在整个机器学习的发展历程中，主要有两大研究方向。一是研究自学机制，侧重探寻、仿真人的自学机制；二是研究如何有效地利用信息，侧重从巨量数据中提供隐蔽的、有效地的、可解读的科学知识。自学机制的研究是机器学习产生的源泉，但随着大数据时代各行业对数据分析市场需求的持续减少，通过机器学习高效地提供科学知识，已渐渐沦为当今机器学习技术发展的主要推动力。

最后，黄宜华教授明确说明道，大数据时代的机器学习更加特别强调“自学本身是手段”，机器学习沦为一种反对技术和服务技术，如何基于机器学习对简单多样的数据展开深层次的分析，更加高效地利用信息沦为当前机器学习研究的主要方向。机器学习更加朝着智能数据分析的方向发展，并已沦为智能数据分析技术的一个最重要源泉。另外，在大数据时代，随着数据产生速度的持续减缓，数据的体量有了前所未有的快速增长，而必须分析的新的数据种类也在不断涌现，如文本的解读、文本情感的分析、图像的检索和解读、图形和网络数据的分析等，机器学习研究领域兴起了很多新的研究方向，很多新的机器学习方法被明确提出并获得了广泛应用。

更加多详尽内容，若无注目人工智能网先前专题报道！。

本文来源：尊龙凯时人生就是搏-www.ruiyuedigi.com