作为第四次工业革命的引 性 域，近年来的人工智能和大数据持续升温。 近的AlphaGo事件更是将人工智能的前沿技术呈现于大众面前。
大数据概念被热炒多年之后，我们是时候开始关注大数据与人工智能在具体 域中的应用问题。那么，目前大数据和人工智能 域还存在着哪些技术挑战?如何找到大数据和人工智能的创业入口，利用数据挖掘和机器学习的能力创造出更大的商业价值?
近期，天天投联合腾讯众创、清华启迪之星举办了“人工智能和大数据投融资面对面”活动。在圆桌论坛环节，几位学术专 、投资人、创业者分别以各自的视角发表了自己的观点。
大数据和人工智能 域的技术障碍
大数据技术本身的不可读性
清华大学机算机系崔鹏教授多年深耕于数据挖掘和信息处理 域的研究，他认为不管是大数据还是人工智能，从学术研究的角度来讲不是新的概念，核心基本都是围绕在数据分析和挖掘、数据建模等工作。
目前在大数据的不同层面，都出现了 些提供标准化服务的公司。但大数据的核心部分，也就是数据的处理和分析，恰恰不容易用 个通用的框架来实现。
大数据有很多的数据来源，不同 域的数据也呈现出非常强的 域特性，我们不可能搞找到 个通用的数据模型，来解决所有的问题。因此，大数据如果想真正地投入到产业应用的话， 定是需要将懂大数据技术的人，与某 域背景很强的人结合起来，才能够使大数据的分析和处理层面实现比较大的突破。
其实硅谷现在有些公司正在试研发 些大数据的标准化工具，但是就我们了解到的情况来看，尽管能够获得投资，他们的存活状态并不是太好。因为从企业的角度来讲，它并没有很好的应用场景。规模比较大的企业完全有能力自己构建 个数据分析团队，不太可能把所有的数据都交给专门做数据分析的服务商;而小公司采用这些些服务，还是会面临工具通用性上的问题。
另外，大数据技术本身的不可读性，使它目前存在着技术风险。目前几乎所有大数据的分析，都是基于关联算法进行预测。也就是说，以前有大量的数据证明发生A就是发生B，基于这种逻辑的关联，我们就会预测在下次发生A时也会发生B。
但这些所谓的预测是存在精确度方面的限制的，并且整个过程是 个黑盒子，我们没有办法控制。因此，目前的大数据分析还不能实际应用于某些 域的 些严肃决策之中。2011年，JudeaPearl凭借因果推理模型拿到图灵奖，这也预示着计算机技术的发展将有可能打开黑盒子模型，使大数据分析变成 种可解释的行为。这与目前的大数据完全是两条线。
今年我们也看到 个标志性的事件，就是2015年10月份《科学》杂志出现的文章，只需要非常少量的样本，只用了几百个样本的数据，加上人的推理能力在里边，它的性能比用数十万的样本得到的效果还是好，这也预示着我们尽管目前大数据很热，在很多 域已经实现了实际应用，但从技术的发展来讲，目前的大数据技术并不是 个进口;以前瞻性的投资视角来看，还是应该关注更前沿的技术发展。
机器学习如何运用于数据治理
原英特尔中国研究院院长、驭势科技CEO吴甘沙认为，目前大数据与人工智能 域存在的技术障碍主要有以下两点：
是大数据工具与特定 域的结合。过去几年大数据关注的是 底层的存储，去解决分布式运算的基础设施的问题。现在是时候考虑如何进入到具体运用的问题。太计算机化的工具， 大多数用户是不知道如何使用的。从某种程度上来说，如何提供实际可用的工具给不同 域的用户，有针对性地提取数据中的价值，这是现在很多厂商都要试图解决的问题。
第二是数据治理问题。目前大 很少谈论大数据的数据治理环节。在传统的数据分析流程中，数据清洗花费的时间可能占到整个流程的60%-70%，消耗了大量精力和资源。现在，已经有 些机器学习运用于数据治理方面的研究和产业化的尝试出现，机器学习可以从非结构化的结构中学习出结构化的数据，并通过不断的学习把 些歧义消除。未来大数据和人工智能将出现 个交汇点，大数据解决通古晓今、见微知著的问题，人工智能则解决认知的问题，二者的结合会对 些重要 域的发展起到里程碑式的作用。 近IBM提出了“认知商业”的概念，某种程度上我们可以将其理解为人工智能和大数据的结合，相信这两种技术的组合将会有非常好的发展前景。
深度学习很好地反映了技术上面的发展，但它未必是 种终 状态。如何把深度学习和推理、逻辑这些模型、算法结合起来，把人工智能与现代应用的需求结合起来，对已有的技术进行重新组合，搭出 些独特的架构，将人工智能从传统的感知带入到拥有决策能力的阶段，来实现工程上的创新，是未来非常值得期待的。
人工智能和大数据创业的建议
行业垂直类的大数据项目受青睐
在创势资本创始合伙人汤旭东、 客邦创始人蒋涛看来，现在 些行业垂直类的大数据项目更被看好，通过三个维度对项目进行评估。
第 是要有基于自然语言处理的核心技术，二是拥有更多的数据源，三是要解决客户的实际问题，实现数据变现。即使是目前的市场容量还不大，但如果能真正解决用户的实际问题，就是值得投资的项目。
集中精力做到 域化和专业化
虽然吴甘沙创业的时间不长，但却深有感触。在吴甘沙看来，创业者 要明确要解决的问题和自身专注的 域分别是什么。每个 域都有不同的问题，你要解决的问题是不是用户真正的需求。
第二是短期内，你的目标能不能实现。有时不光是技术上的问题，还要对市场和政策等方面进行综合考量。
第三个就是合伙人。在人工智能 域创业还是存在 定的技术壁垒。如想想做出与众不同的产品，还是需要能力很强的专业人才，如果能忽悠到很强的人和你 起创业， 定是事半功倍的。
利用技术实现产业上的创新
图灵机器人创始人俞志晨认为，在人工智能和大数据 域创业，不仅技术壁垒很强，对创新能力要求同样很高，人工智能和大数据是 个长线的发展过程，怎样用技术创造出符合当前环境要求、更具创新性质的产品，是 值得关注和探索的。
凭借数据的力量提升 域竞争力
不管是零售还是商城，许多行业都可以受益于数据驱动的方法和技术。崔鹏教授分析到，大数据的投资热也持续了很长 段时间，“大数据”的概念也慢慢被透支。如何判断这个公司是不是真正利用大数据技术的本质在做产品，利用数据的力量提升在某 垂直 域竞争力，而不是只扣 个概念。
对于用户来说，自己做大数据分析是 什非常奢侈的事情，因为它不是买几个工具就可以做成的，而是要真正懂得怎么样对数据进行建模，怎么样进行数据分析，并和公司里其他部门深度耦合才能解决。 些初创公司不具备这样的实力，可以向 些研究机构或是高校寻求“产学研”方面的合作，这也是很好的方式。
利用已有的能力和基础加速进展
数据堂CEO齐红威坦言，他在创业的过程中同样经历了很多的失败和挫折，总结出三点建议和大 分享。
专注。尤其是在创业初期，精力和时间都是有限的， 域化、专注化非常重要。
开放的思维。尤其是在VR、AR和大数据 域， 定要想办法利用已有的能力和基础，比如数据层面的基础或者技术层面的技术，这样会加速你的进展，不要所有的事情都自己从头做。
耐心。这件事情不比其他的 域，尤其移动互联网靠 定模式砸出来，要累积技术能力，要有很强的耐心。
结语
AlphaGo令人震撼的思维能力背后，是大数据挖掘和学习能力。随着硬件的达标，算法的进步，数据的积累，也使我们在人工智能的垂直 域看到了更多新的机遇和想法。大数据与人工智能将成为企业发展的强大助力，产生更大的商业价值。
爱立信美国5G智能工
状病毒可能给亚太航
英国将斥资16亿美元
银行认为2020年 经
美国公司8月份裁员1
美国零售销售仅增长
缺乏矿产威胁着美国
德国制造商试图化解
韩国制造商在印第安
英国试图用工业战略
QQ：1325426082广告业务:
