人(rén)工智能的發展改變了數(shù)據遊戲

      雖然機器(qì)學習需要大(dà)量數(shù)據對自身行(xíng)為(wèi)進行(xíng)修正，但(dàn)随着人(rén)工智能功能複雜程度的提高(gāo)，人(rén)工智能對數(shù)據的需求量也會(huì)迅速增加。從機器(qì)學習到深度學習（DL）更是向前邁出了一大(dà)步，而深度學習比機器(qì)學習需要的數(shù)據要多(duō)得(de)多(duō)。原因在于深度學習通(tōng)常隻能識别神經網絡各層之間(jiān)的概念差異。當暴露在數(shù)百萬個(gè)數(shù)據點之下時(shí)，深度學習可(kě)以确定概念的邊界。深度學習讓機器(qì)像人(rén)的大(dà)腦(nǎo)一樣能夠通(tōng)過神經網絡表示概念，從而能夠解決更複雜的問題。人(rén)工智能還(hái)可(kě)以解決更為(wèi)模糊的問題，這些(xiē)問題的答(dá)案通(tōng)常更加不确定或者是模棱兩可(kě)的。這通(tōng)常是判斷或者識别類的問題，可(kě)以擴展到創作(zuò)或者其他的右腦(nǎo)活動。這又導緻對數(shù)據的更多(duō)需求，在某些(xiē)情況下，從本質上(shàng)而言，這些(xiē)需求可(kě)能是迫切或者實時(shí)的。