人工智能里面有一部分算法是需要數據的，首先要進去數據，然后才能學習。

　　比如一個大數據庫叫ImageNet，有十幾億張圖片，用了這么大量的圖片，我們才能訓練我們的深度神經網絡去做圖片中貓貓、狗狗、車輛的識別。

　　如果沒有這些海量的數據，很多機器學習算法是不能用的，像我們現在看視頻網站它是面向百億特征，千億參數，萬億樣本，你沒有萬億樣本就支撐不了百億特征，你可能要有一個億的樣本才有可能支撐百萬特征，而且深度學習是需要海量特征做特征工程的，所以這個時候大數據實際是很多機器學習算法得以能夠發展的基礎，但是發展到一定程度，有些算法它又突然脫離數據了，比如說我們做增強學習，像早期的阿法狗（AlphaGo），它學了幾十萬專業棋手之間的對局，它是大師，那它就下得很好，后來的阿法Zero（AlphaZero），它是自己和自己下棋，反正有規則，所以它的數據實際不是真的數據，是生成出來的，它沒有用真實數據，但是它用了增強學習，所以說它最后下得比阿法狗還強。

　　我覺得從大的范疇來說，大數據人工智能肯定是互相增益的，沒有人工智能很多數據發揮不了價值，更多時候我們需要人工智能算法才能挖掘大數據的價值，相當于一個是礦，一個是挖掘和提煉礦的這樣一個設備和工廠，人工智能是后者，很大程度上有了數據我們才能開發出數據相關的人工智能算法，但是有些算法和數據無關，大體是這樣的關系。