首先要厘清數據的來源，數據的主要來源是形形色色的企業(yè)、人和各種機器。以行業(yè)劃分比如醫(yī)院、電力、交通等等。只要是以數據的形式存儲記錄物或人的行為、規(guī)則、方式、過程、結果等，無論聯(lián)網或者不聯(lián)網，就是數據。

引自百度百科。大數據（big data）是指無法在一定時間范圍內用常規(guī)軟件工具進行捕捉、管理和處理的數據集合，是需要新處理模式才能具有更強的決策力、洞察發(fā)現力和流程優(yōu)化能力的海量、高增長率和多樣化的信息資產。

這個解釋，只是說明了為什么是“大”和對“大”的解決利用辦法?？梢舱f明了“大數據”的目的性，提取、分析、優(yōu)化，找到對某個行業(yè)或者某種場景利用價值的“數據”。

然后把找到的數據，提供給“人工智能機器人”，作為它們的“學習資料”。

舉個例子，讓智能機器認識并記住一直花貓。給它三只貓，一只黑色的，一只白色的，一只黑白花色的。你給它說，圓眼睛的是花貓。他會告訴你這幾只都是花貓。然后，你告訴它圓眼睛、有黑顏色和白顏色的是花貓，它會告訴你，黑色的和白色以及黑白斑點的都是花貓。你再告訴它，圓眼睛和有黑色斑點和白色斑點的是花貓，它就會告訴你白色的和黑色都是花貓。你再告訴它圓眼睛、有黑色圓形斑點、有白色圓形斑點的而且在一直貓的身體上的是花貓，它就會正確指出哪只是花貓。

這幾只貓就是大數據經過“數據挖掘”的算法后得出某個應用場景或某個企業(yè)想要得到的具有某種特征的結果“訓練數據集”，這個過程就是機器學習，學習之后的認知結果體現在機器上就是人工智能。只不過智能機器的學習過程實際遠比舉的這個例子要復雜的多。

智能機器人就是通過這樣不同的訓練數據集，從而在里面利用各種學習（算法）找到一定的特征、規(guī)律，識別、總結出各種各樣所需要的結果，然后運用到實際的場景應用中，為消費者、企業(yè)、社會組織提供不同的服務。

這里面，除了智能設備的運算支持外，“算法”起到核心的技術支撐作用。

用來反復學習的數據叫“訓練數據集”；“訓練數據集”中，一類數據區(qū)別于另一類數據的不同方面的屬性或特質，叫“特征”；智能機器在“大腦”中總結規(guī)律的過程，叫“建模”；智能機器在“大腦”中總結出的規(guī)律，就是我們常說的“模型”；而智能機器通過反復“學習”總結出規(guī)律，然后學會的過程，就是“機器學習”。

通過人工智能專家持續(xù)的不懈努力，人工智能的“算法”也在很快的發(fā)展。人工智能的發(fā)展硬件和軟件是一堆孿生兄弟，你追我趕。從“CPU”到“GPU”，從“大數據”到“訓練數據集”、“深度學習”、“人工神經網絡”，再到視覺識別、智慧醫(yī)療、智能制造等場景的應用，人工智能的“智能化”在不斷的進化發(fā)展。

來源：微觀視角