大数据和机器智能对未来社会的影响

doi:10.11959/j.issn.1000-0801.2015054

摘要/Abstract

摘要：

从2008年起，大数据已经被推到了创新、提高竞争力和提高劳动生产率的前沿。过去大部分人对大数据的理解还停留在大量数据和数据的多样性本身，而忽略了它最重要的角色，即帮助机器智能的腾飞。基于此，对大数据和机器智能的发展可能给未来社会带来的全面、颠覆性的变革进行了系统分析。首先介绍了机器智能的发展历程，分析了大数据对解决机器智能问题的重要作用；然后结合实际案例，阐述了大数据的内涵以及大数据和大量数据的异同，重点分析了大数据和机器智能的关键技术；最后探讨了发展机器智能对未来社会的冲击。

关键词: 机器智能, 大数据, 数据驱动

Abstract:

Big data has become the next frontier for innovation, competition, and productivity since 2008. However, most people still limited their vision on the quantity and the variety of big data, while ignored the crucial role it played in machine intelligence that was taking off recently.Therefore,comprehensive analysis on global and disruptive impacts to the future world due to big data and machine intelligence development was made. It was started from the introduction on development history of machine intelligence. The important role of big data to solve the problem of machine intelligence was analyzed. Combined with the actual case, the meaming of big data and the similarity and differences of big data and large data were investigated.The key techniques of big data and machine intelligence were described.Finally the challenges for futrure world due to machine intelligence development were discussed.

Key words: machine interlligence, big data, data driven

吴军. 大数据和机器智能对未来社会的影响[J]. 电信科学, 2015, 31(2): 1-10.

Jun Wu. Big Data, Machine Intelligence and Their Impacts to the Future World[J]. Telecommunications Science, 2015, 31(2): 1-10.

图/表 7

图1

图2

图3

表1

图4

图5

参考文献 11

1	Turing A M . Computing machinery and intelligence. Mind, 1959: 433～460
2	Minsky M . Semantic Information Process. Cambridge MA: MIT Press, 1968
3	Jelinek F . Continuous speech recognition by statistical methods. Proceedings of the IEEE, 1976,64(4): 532～556
4	Brown P F , Cocke J , Della Pietra S A , et al. A statistical approach to machine translation. Computational Linguistics, 1990,16(2): 79～85
5	NIST. NIST 2005 Machine Translation Evaluation Official Results. , 2005
6	Watercutter A . Fact:Nate Silver Predicts Election Outcome, Becomes Nerdy Chuck Norris. , 2012
7	Murnane F L . The New Division of Labor. Princeton: Princeton Press, 2004
8	Markoff J . Google cars drive themselves,in traffic. The New York Times, 2010
9	吴军．数学之美．北京：人民邮电出版社 2014 Wu J . 数学之美. Beijing: Posts ＆ Telecom Press, 2014
10	Le Q , Ranzato M R , Monga R , et al. Building high-level features using large scale unsupervised learning. Proceedings of the 29th International Conference in Machine Learning, Edinburgh, Scotland,UK, 2012
11	Brynjolfsson E , McAfee A . Race Against the Machine. Lexington: Digital Frontier Press, 2011

公司	BLEU-4分数
Google	51.31%
南加州大学	46.57%
IBM沃森实验室	46.46%
马里兰大学	44.97%
约翰·霍普金斯大学	43.48%
SYSTRAN公司	10.79%

指标名称	单位	本年本月止累计到达	比上年同期累计	本月
电信营业收入	亿元	12 277.3	-0.3%	1 060.9
其中：电信主营业务收入	亿元	10 643.5	4.3%	888.1
电信固定资产投资完成额	亿元	2 915.8	10.3%	420.5
固定本地电话通话时长合计	万分钟	23 983 055.8	-13.6%	2 067 837.3
区间电话通话时长	万分钟	2 407 144.0	-17.4%	207 180.3
区内电话及拨号上网通话时长	万分钟	21 575 911.8	-13.1%	1 860 657.0
固定长途电话通话时长合计	万分钟	4 873 240.2	-9.9%	432 039.0
国内长途电话通话时长	万分钟	4 782 489.2	-9.5%	424 590.0
国际电话通话时长	万分钟	51 516.0	-32.2%	4 038.8
港澳台电话通话时长	万分钟	39 234.9	-19.0%	3 410.2
移动电话通话时长合计（含本地）	万分钟	268 120 906.6	1.2%	23 797 675.0
移动电话国内长途通话时长	万分钟	62 606 598.6	1.9%	5 611 315.2
移动电话国际电话通话时长	万分钟	118 707.0	-1.1%	10 154.3
移动电话港澳台电话通话时长	万分钟	84 515.3	-4.8%	7 425.6
移动短信业务量	万条	69 789 641.4	-16.1%	6 280 366.7
移动互联网接入流量	万吉字节	182 135.5	60.3%	21 653.8
注：（1）电信主营业务收入增长率按可比口径计算。（2）固定长途电话通话时长和移动电话通话时长均包含相应的IP 电话通话时长。（3）通话时长各项指标均为去话通话时长。	（来源：工业和信息化部运行监测协调局）

[1]	韩璐, 陈威宇, 张斐, 何建锋, 苏怀振. 差异化需求下的非关系型分布式报送信息大数据分类方法[J]. 电信科学, 2023, 39(6): 114-121.
[2]	韩雪. 基于电力大数据的电力骨干通信网络毁伤韧性评估方法[J]. 电信科学, 2023, 39(5): 136-143.
[3]	孙玉娣. 基于电信大数据的5G网络海量用户复访行为预测模型[J]. 电信科学, 2023, 39(2): 157-162.
[4]	张海龙, 李博, 贾娜娟. 基于Dijkstra算法的电力光通信网络智能运维设备脱网故障区段定位方法[J]. 电信科学, 2023, 39(1): 92-99.
[5]	李爱华, 吴晓波, 陈超, 魏彬, 史嫄嫄. 5G网络大数据智能分析技术[J]. 电信科学, 2022, 38(8): 129-139.
[6]	黄更生, 黄宇红, 郭漫雪, 郑健平, 葛欣. DT时代面向数据服务的新型基础设施架构[J]. 电信科学, 2022, 38(7): 138-145.
[7]	李攀攀, 谢正霞, 乐光学, 刘鑫. 基于深度学习的无线通信接收方法研究进展与趋势[J]. 电信科学, 2022, 38(2): 1-17.
[8]	赵海波, 相志军, 肖林松. 基于异构数据的电力短期负荷大数据预测方案[J]. 电信科学, 2022, 38(12): 103-111.
[9]	刘志勇, 何忠江, 阮宜龙, 单俊峰, 张超. 大数据安全特征与运营实践[J]. 电信科学, 2021, 37(5): 160-169.
[10]	刘晓军,武娟,徐晓青. 大数据架构剖析及数据安全融合技术[J]. 电信科学, 2020, 36(7): 146-155.
[11]	刘玉娇,宋坤煌,王向. 基于电力大数据的经济景气指数分析[J]. 电信科学, 2020, 36(6): 166-171.
[12]	程卫华,何肖嵘. 基于大数据的网页浏览质差分析方法研究[J]. 电信科学, 2020, 36(11): 174-181.
[13]	高建,陈文彬,庞建民,于华东,宋国瑞. 基于组合密钥的智能电网多源数据安全保护[J]. 电信科学, 2020, 36(1): 134-138.
[14]	谭晓敏,方艾,梁冰,杨豪杰. 基于决策树的EPG体验异常原因定位[J]. 电信科学, 2019, 35(8): 158-164.
[15]	鲁泽霖,李强治. 电子商务平台的演化逻辑和运营机理[J]. 电信科学, 2019, 35(7): 152-158.