通訊網路家園2018-11-08 09:48:30我是這麼認為的：網際網路和物聯網產生了大量資料，資料探勘技術就是把有用的資料提取出來，透過某種演算法形成資料模型，人工智慧就是學習資料模型來進行生產。資料探勘技術是人工智慧的範疇，沒有資料探勘就沒有人工智慧。
人工智慧技術即（AI），在下面列出了10種最熱門的人工智慧技術：
自然語言生成：利用計算機資料生成文字。目前應用於客戶服務、報告生成以及總結商業智慧洞察力。代表性廠商包括：Attivio、Cambridge Semantics、Digital Reason、Lucidworks、Narrative Science和SAS。
語音識別：將人類語音轉錄和轉換成對計算機應用軟體來說有用的格式。目前應用於互動式語音應答系統和移動應用領域。代表性廠商包括：NICE、Nuance Communications、OpenText和Verint Systems。
虛擬代理：弗雷斯特公司聲稱，“虛擬代理可謂是媒體界目前競相報道的物件。”從簡單的聊天機器人，到可以與人類進行交際的高階系統，不一而足。目前應用於客戶服務和支援以及充當智慧家居管理器。代表性廠商包括：亞馬遜、蘋果、Artificial Solutions、 Assist AI、Creative Virtual、谷歌、IBM、IPsoft、微軟和Satisfi。
機器學習平臺：不僅提供了設計和訓練模型，並將模型部署到應用軟體、流程及其他機器的計算能力，還提供了演算法、應用程式設計介面（API）、開發工具包和訓練工具包。目前應用於一系列廣泛的企業應用領域，主要涉及預測或分類。代表性廠商包括：亞馬遜、Fractal Analytics、谷歌、H2O。ai、微軟、SAS和Skytree。
針對人工智慧最佳化的硬體：這是專門設計的圖形處理單元（GPU）和裝置，其架構旨在高效地執行面向人工智慧的計算任務。目前主要在深度學習應用領域發揮作用。代表性廠商包括：Alluviate、克雷、谷歌、IBM、英特爾和英偉達。
決策管理：引擎將規則和邏輯嵌入到人工智慧系統，並用於初始的設定/訓練和日常的維護和調優。這是一項成熟的技術，應用於一系列廣泛的企業應用領域，協助或執行自動決策。代表性廠商包括：Advanced Systems Concepts、Informatica、Maana、Pegasystems和UiPat。
深度學習平臺：一種特殊型別的機器學習，包括擁有多個抽象層的人工神經網路。目前主要應用於由很龐大的資料集支援的模式識別和分類應用領域。代表性廠商包括：Deep Instinct、Ersatz Labs、Fluid AI、MathWorks、Peltarion、 Saffron Technology和Sentient Technologies。
生物特徵識別技術：能夠支援人類與機器之間更自然的互動，包括但不限於影象和觸控識別、語音和身體語言。目前主要應用於市場研究。代表性廠商包括：3VR、Affectiva、Agnitio、FaceFirst、Sensory、Synqera和Tahzoo。
機器人流程自動化：使用指令碼及其他方法，實現人類操作自動化，從而支援高效的業務流程。目前應用於人類執行任務或流程成本太高或效率太低的地方。代表性廠商包括：Advanced Systems Concepts、Automation Anywhere、Blue Prism、UiPath和WorkFusion。
文字分析和NLP：自然語言處理（NLP）使用和支援文字分析，為此它藉助統計方法和機器學習方法，為理解句子結構及意義、情感和意圖提供方便。目前應用於欺詐檢測和安全、一系列廣泛的自動化助理以及挖掘非結構化資料等領域。代表性廠商包括：Basis Technology、Coveo、Expert System、Indico、Knime、Lexalytics、Linguamatics、Mindbreeze、Sinequa、Stratifyd和Synapsify。
想了解最新應用可以看看2018年網際網路大會首頁15項科技成果。
機器人包老師Robao2018-11-10 08:15:02資料探勘支撐著人工智慧
也就是人工智慧是離不開資料探勘的
隨著大資料的出現從而才誕生出人工智慧
人工智慧是建立在資料之上的
所以資料是人工智慧的基礎
是人工智慧必不可少的一部分
為什麼要有資料之後才會有人工智慧
其實就要從智慧的本質出發
人類為什麼會有智慧
智慧其實不是與生俱來
它是歷經人類日積月累不斷進化而來
自打人類開啟進化之後
人類開始形成了語言
或者簡單地說是記錄
原始的語言就是很簡單的符號記錄
不管哪個文明
原始的語言都是用簡單象形圖形
去記錄或描述著這個世界
而這種世界的簡單記錄形式
其實就是最最原始的資料
什麼是資料
說白了就是對於世界或人類行為的記錄
有了資料之後
人類才能基於資料一代一代進行最佳化
透過不斷重新整理對這個世界的認知
進而形成了人類智慧
人類的智慧就是從資料中而來
經過人類日積月累長時間的積累
從而形成人類獨有的智慧模式
這種智慧模式就是如何探索世界獲得新的資料
以及如何利用前人積累的資料分析判斷
並將新老資料結合在一起最佳化成為新認知模式
既然人類的智慧都是來源資料
那麼人類創造的人工智慧也是從資料而來
這也就是為什麼人工智慧是從大資料中誕生了
因為所謂的智慧源於資料
所以資料探勘對於人工智慧是必不可少的一部分
人工智慧也是離不開資料探勘的
人工智慧必須是紮根於大資料這個肥沃的土壤之上
才能開得更加茂盛更加鮮豔照人
小七讀書漲知識2018-11-07 22:49:54就學科領域劃分來說，資料探勘不屬於人工智慧範疇，但同屬於計算機科學，在實際應用中二者也有交叉和耦合。
我的個人見解，這二者主要區別在於，人工智慧試圖創造出能模擬人的思維思考機制的，進行自主推理學習的聰明的機器。而資料探勘主要依賴於人的主觀能動性，透過統計分析，情報融合以及機器學習技術從資料沙礫中淘金。
總結，AI也就是人工智慧的終點是像人的機器，資料探勘的終點是資訊價值。資料探勘中使用的一些專家系統，機器學習技術很多屬於AI範疇，現如今資料探勘也越來越多用到了人工智慧的階段成果，也就是做資料探勘的人，讓“機器人”協助我們去工作。
AI領域主要的技術有：
機器人，就像波士頓動力公司那種可以後空翻的機器人，可以自由爬樓的機器狗。
語音識別，我們現在用到各種語音轉文字，語音輸入等等，應用了語音識別的成果。更強的還有AI翻譯。
影象識別，常見的有車庫前面可以直接識別顯示車牌的電子眼，收費站識別過往車輛的技術等。人臉識別技術應用也多了起來，刷臉解鎖手機已經普及。
自然語言處理，NLP，主要是處理各種自然文字，文章資料，發現文章的主題，判斷文字表達的情緒等。
其他基於深度學習的技術，模式識別等等。
還有什麼請補充，歡迎點贊評論！如果覺得我說的不錯，請點選右上角紅字“關注”，謝謝。
老一百楊京廣2018-11-07 17:11:32凡是總結髮揚過去的技術，都可囊括到人工智慧範疇，凡是未來才有的技術，只能由人來完成，或人與人工智慧共同完成。
nnnzzz34212018-11-07 22:58:12資料探勘可以作為支援人工智慧的一個技術，也可以作為人工智慧的一個部分。KDD是著名的資料探勘相關的會議和組織，跟AI和big data 資料庫都有很緊密的聯絡。
靜靜的去看海2018-11-07 19:50:06是 補充 範圍之內的事。