大数据和人工智能的组合将会带来什么优势

人工智能和大数据之间的关系是双向的。可以肯定的是：人工智能的成功很大程度上取决于高质量的数据，同时，管理大数据并从中获取价值越来越多地依靠(诸如机器学习或自然语言处理等)人工智能技术来解决对人类而言难以负担的问题。

正如Anexinet公司高级数字策略师Glenn Gruber所述，这是一个“良性循环”。大数据中的“大”曾经被视为一种挑战而不是机遇，但随着企业开始推广机器学习和其他人工智能学科的应用，这种情况正在发生变化。Gruber解释说，“如今，我们想要尽可能多的数据，这不仅是为了更好地洞察我们试图解决的业务问题，而且因为我们通过机器学习模型输入的数据越多，它们得到的结果就越好。”

大数据面临很多的挑战，例如以一种可用的、具有成本效益的方式存储大数据。当涉及到非结构化数据时，其“可用”部分尤其棘手，根据研究机构的一些估计，非结构化数据占企业数据的大部分份额(70%或更多)。当人们谈论大数据将不可避免地继续增长时，非结构化数据是这种增长的主要驱动力。将非结构化信息转换为可用格式对人类来说是一项极其繁琐的工作，特别是在重复(但完全必要)的后台操作中。

Golombek说，“如何将人工智能应用于大数据的一个例子是训练一个模型，该模型从扫描的发票和提取的结构化数据的历史数据中学习：发票ID、到期日、收件人等。这一信息通常必须由工作人员来解释，因为每张发票看起来都有些不同，具有不同的名称或语言。但是，如果企业使用数千张发票的历史数据，则可以创建一个模型，通过扫描新发票即可自动为其提供结构化数据。”

使用人工智能从非结构化数据源自动提取结构化数据的这一相同原则可以广泛应用，不仅适用于财务或人力资源等运营领域，还适用于企业内容管理的广泛(通常是无意义的)类别。这对数据分析、机器人过程自动化(RPA)和其他形式的自动化以及其他目的都是一个潜在的好处。

ABBYY公司首席创新官Anthony Macciola说，“组织正在使用人工智能改变其最有价值的资产——内容。表示，高达90%的企业内容都是非结构化的数据，并且以每年高达65%的速度增长。大多数非结构化数据都无法分析，从而导致有价值的信息丢失和无法使用。借助人工智能，组织将非结构化数据转换为可在智能自动化系统中使用的可行信息。这使业务领导者可以更快地做出更好的业务决策。”

在采用大数据的场合，就会有复杂性和官僚主义。例如医疗、保险和金融服务等领域，因此，这些行业正在越来越多地尝试采用潜在的方式来使用人工智能技术来减少繁文缛节，并在围绕法规遵从性和其他问题的复杂需求中改进流程和结果的潜在方法。

当想到在各种组织中可以产生固有的“大”数据的媒体格式时，通常会想到语音和视频。两者都提供了人工智能如何应用于改善企业如何管理和从现有媒体资产中获取价值的实例，或者如何改善未来使用这些格式和其他格式的示例。Anexinet公司高级分析总监Brian Atkiss指出，像自然语言处理(NLP)这样的人工智能学科在企业如何使用他们的语音数据、从语音分析到语音到文本转录方面创造了相当多的新改进。

此外，人工智能可以解决与基础数据相关的挑战。例如，可能为了质量保证和培训而录制视频或音频，实际上就是在使大数据变得更大。人工智能驱动的新分析机会也彻底改变了与通话记录和其他语音数据相关的存储挑战。视频文件的处理可以带来类似的机遇和挑战。人工智能现在使企业能够更好地管理和发现企业视频资产的价值。

IBM Watson企业视频产品高级总监Chris Zaloumis说：“人工智能技术使企业能够通过高级元数据丰富功能和以前未开发的见解来理解和优化视频内容库。从提高参与度和增加可发现性到自动化隐藏式字幕和进一步提高包容性，人工智能为企业提供了必要的工具，使其能够在真正的全球、始终在线的环境中运营。”

语音对文本技术在提高视频应用程序的可访问性和包容性方面，包括在实时订阅源中，可以起到巨大的作用。Zaloumis说，“像人工智能驱动的实时和按需自动字幕显示，这样的实用应用程序为听力障碍员工和聋哑人弥合通信的鸿沟提供帮助。”