在黑科技層出不窮的AI行業，各種新技術常常令人眼花繚亂。或者你已經了解了AI與大數據之間的關系，也弄明白了什么是ML和DL，但是一個新的概念又要刷新你的知識庫——AI與云計算的融合。

AI是什么？

這個問題其實還是比較復雜的，簡單的說AI（Artificial Intelligence）是利用計算機來對人的意識、思維信息過程、智能行為進行模擬（如學習、推理、思考、規劃等）和延伸，使計算機能實現更高層次的應用。ML（Machine Learing）是AI下的一個子集，簡單的理解一下就是從數據中學習的AI叫做機器學習，機器學習是指從一系列的原始數據中提取人們可以識別的特征，然后通過學習這些特征，最終產生一個模型。而DL（Deep Learning）是ML的一個子集，用復雜、龐大的神經網絡進行機器學習，也是機器學習里面現在比較火的一個Topic，目前在圖像、語音等富媒體的分類和識別上取得了非常好的效果。

綜合來說，可以理解為：所有的機器學習都是人工智能，但不是所有的人工智能都是機器學習。例如，符號邏輯、規則引擎、專家系統和知識圖都可以被描述為人工智能，它們都不是機器學習。將機器學習與知識圖和專家系統分開的一個方面是它在暴露于更多數據時修改自身的能力；即機器學習是動態的，不需要人為干預來做出某些改變。這使得它不那么脆弱，更不依賴于人類專家。

AI作為人工智能未來最大的變革之一，是否能成為一種“趨勢”還未知，因為AI技術需要的數據樣本和硬件投入都非常高，只有那些滲透到生活場景中的科技公司才有能力去經營這一事業，就比如Facebook的DeepFace人臉庫、2018世界人工智能大會中BAT對于人工智能的布局、科大訊飛的智能語音平臺、極鏈科技Video++的ASMP等。能積累到龐大數據規模的企業屈指可數，所以與其說AI與云計算融合是一個科技趨勢，不如說這是一場企業與企業之間逐漸拉開距離的長跑。

而在實際應用方面，AI主要應用在機器視覺、生物識別、編碼遺傳、專家系統、機器人學上。云計算則是將服務器、存儲器、存儲設備以及網絡等資源打包成云端，為客戶提供相關的按使用量付費的模式，大數據則是將結構化數據和非結構化數據形成的所有數據整合起來，用以分析發現數據背后相關關系的信息資產。

大數據與云計算是原料與機器之間的關系，光有大數據，那么就只是一堆單純的數據而已，而有了云計算，則可以對這些數據進行分析，從而變成有用的信息。AI與云計算就是這樣的一種存在，兩者都可以進行計算，但AI進行學習，云計算則負責進行分析。AI現在之所以火爆，就是因為其關鍵的技術，那就是深度學習，而這項技術恰恰是在云計算與大數據日趨成熟之后才得到實質性進展的。2006年是人工智能的一個拐點，因為數據量越來越大，計算能力越來越強，過去不實用的到了2006年都逐步進入了實用階段，在通往人工智能的這條路上，大數據和云計算則成為了堅固的三角關系。

在云計算與大數據成熟的沃土上誕生的AI可謂是天選之子，隨著新科技時代的到來，人們的生活將會更加緊密地與AI技術、大數據和云計算等新科技粘連在一起，在這種背景下三者的深度融合無疑會使AI與我們的生活之間聯系的更加密切。