人工智能和大數(shù)據(jù)在2017年的發(fā)展遇到了以下10個成長的煩惱：

[[216307]]

1. 人工智能無IQ標準

人工智能領域發(fā)展最好的一個領域是無人駕駛，而究其原因不外乎其擁有了從L0到L5的全球通用標準。但是在其他領域，人工智能細分領域過多，標準化相對缺乏，語音識別做到什么境界算成功，圖像識別怎樣算最好無法定性，人類都有IQ值來評估是否聰明，可AI卻沒有。行業(yè)無標準讓市場、廠商和用戶都只能摸黑前行。

2. 人工智能延伸邊緣

人工智能的應用在過去是由中心計算支持的，但是由于應用需求的邊緣化擴張，物聯(lián)網將會是人工智能的下一個發(fā)展重地，而邊緣計算在智能化領域開始成為主角。

3. AI嵌入超算和云計算

人工智能技術不僅在貼近用戶層面的邊緣化擴展，也在向更深層次的計算需求擴展。云計算和超算技術的發(fā)展正在帶領人工智能進入一個前所未有的領域。作為人工智能三大因素之一，計算力的發(fā)展讓人工智能能涉足的事情變多起來。

4. 人工智能得風不得勢

人工智能的限制因素在于行業(yè)應用依然沒有發(fā)展，目前的主要應用在搜索、智能語音助手和智能家居等邊邊角角的小規(guī)模運用中，根本沒有發(fā)揮出自身優(yōu)勢。而無人駕駛至少還需要3年的準備時間，行業(yè)規(guī)則也尚未定性，總體來看，人工智能只是炒作的噱頭還沒有利潤轉化的能力。

5. 人工智能就業(yè)有誤

人工智能與人類就業(yè)的沖突已經被提上了日程。不少人擔心人工智能的發(fā)展會造成人類的大規(guī)模失業(yè)，而且還有以霍金為首的大批業(yè)內人士擔心人工智能的發(fā)展會讓人類毀滅。這些擔心盡管不無道理，可是人工智能也會造成另外的就業(yè)崗位崗，例如，人工智能設備共享的運營、維修。發(fā)

6. 大數(shù)據(jù)風口己過

大數(shù)據(jù)從起風到現(xiàn)在顯然風頭已經被人工智能蓋過，換言之大數(shù)據(jù)被鼓吹的年代已經過去，甚至曾經鼓吹大數(shù)據(jù)，必須要設立企業(yè)的首席數(shù)據(jù)官的公司，說了5年之后也對此不了了之。大數(shù)據(jù)的成效比實在差強人意也是讓人們看到了大數(shù)據(jù)難做的原因之一。

7. 數(shù)據(jù)保鮮難

大數(shù)據(jù)進入非互聯(lián)網行業(yè)時，面臨的主要難題在數(shù)據(jù)采集。數(shù)據(jù)采集不全面則可能分析結果無價值，而全方位的采集又可能使得采集成本過高。同時，任何行業(yè)的大數(shù)據(jù)都面臨數(shù)據(jù)保鮮周期短，數(shù)據(jù)易過期的難題。

8. 數(shù)據(jù)養(yǎng)黑市

大數(shù)據(jù)行業(yè)發(fā)展導致數(shù)據(jù)價值日益提升，因此黑客的主要攻擊目標也就被集中到了數(shù)據(jù)之上。企業(yè)不僅需要為采集到的數(shù)據(jù)及時的進行分類、處理、存儲和分析，也需要為數(shù)據(jù)的安全負責。在網絡環(huán)境日益復雜的情況中，黑市里的數(shù)據(jù)正在越來越多，保護數(shù)據(jù)的成本也在增加。

[[216308]]

9. 數(shù)據(jù)量爆發(fā)管理不同步

大數(shù)據(jù)在經歷了一輪輪爆發(fā)之后，企業(yè)在處理數(shù)據(jù)時所面對的海量數(shù)據(jù)需要進行數(shù)據(jù)篩選和數(shù)據(jù)清洗，但是數(shù)據(jù)清洗過程正在讓數(shù)據(jù)管理變得復雜化，非結構化數(shù)據(jù)包含的意義正在增多，數(shù)據(jù)清洗可能去掉有用的信息只留下想看到的不完整信息，這種數(shù)據(jù)管理方式會導致最終處理結果的偏差。

10. 大數(shù)據(jù)商業(yè)化孤島形成

每一家企業(yè)都有自己的數(shù)據(jù)，而這些數(shù)據(jù)在進行商業(yè)化應用時，出于對個人隱私和競爭關系等因素考慮，并不會相互溝通，數(shù)據(jù)缺乏流通性和及時更新直接的結果就是導致不同企業(yè)的數(shù)據(jù)互不相同，孤島化數(shù)據(jù)成型，這種孤島化數(shù)據(jù)缺乏全面性，從而讓多數(shù)企業(yè)只能在自身偏頗的分析結果里獲取答案，遠談不上真正的大數(shù)據(jù)。