近日，在线上召开的第九届全国社会媒体处理大会（SMP 2020）特别邀请了人工智能领域专家潘云鹤院士为大家做了题为“大数据智能”的精彩演讲。潘院士从大数据智能的起源、发展和应用三个方面对大数据智能进行了全面的介绍，干货满满。
潘云鹤教授于1997年当选为中国工程院院士，长期从事计算机图形学、人工智能、CAD和工业设计等领域的研究，是中国智能CAD和计算机美术领域的开拓者之一，共获国家科技进步奖二等奖和省部级科技进步奖7项。曾任浙江大学校长、党委常委，中国工程院常务副院长。目前兼任国务院学位委员会委员、国家新一代人工智能战略咨询委员会组长等职。
一、互联网和大数据孕育了AI2.0。
2007年图领奖得主Jimy Gray提出了数据密集型科学研究的第四种范式，2008年nature推出了BigData专刊，大数据概念应运而生，大数据虽然至今仍然没有一个统一的定义，但是大数据却具有“4V”即大量化（volume）、多样化（variety）、快速化（velocity）和价值密度（value）等四个特征。
2014年人们发现世界正在从传统的二元空间（人类社会空间（H）和物理空间（P））向三元空间，即人类社会空间（H）、物理空间（P）和新增的信息空间（C）的三元空间转变。
二、知识表达将引导大数据智能的发展。
潘云鹤院士首先带我们认识了各种形式的知识：（1）结构化数据就是一种知识，和以往的程序计算数据的方式不同，AI采用的是数据驱动程序的方法；（2）知识图谱不但能用于搜索和分析，还能用于推理与学习，是另一种知识表达，2012年浙江大学人工智能研究所研发了KS-studio，提出了将大数据转换为知识图谱的自动生成和关系发现技术；（3）深度神经网络（DNN）本质上也是一种知识表达，深度神经网络可用于识别图像、声音，但是缺点是解释性差，对机器友好，对人不友好的但是好用的一种知识表达；（4）视觉知识（VK），是对视觉形象进行操作的一种知识表达，未来期望通过VK来模拟人的形象思维，提高形象相关工作的效率。
三、大数据智能的应用广泛而深入。随着大数据的广泛应用，数据已经不仅仅是数据，而是一座待开发的矿山，各行各业的人都希望能在自己积累的数据当中发掘出有价值、有意义的“金矿”。
中国通信院对制造业智能应用进行了一次调研，从影响因素和复杂度两个维度对人工智能的应用范围进行了划分，从图中可以看出那些本身流程和操作比较机械化，同时复杂度低的工作比较适合机器学习的应用，而那些复杂的质检、指标软测量等工作比较合适合于深度学习的应用。
人工智能能够辅助政府实现对经济运行的智能治理，人工智能能通过对经济指标的提取，实现对问题原因的多维度分析和预警预测，通过与可视化终端的交互（手机APP）,帮助政府更快、更准确的了解区域经济运行的状况，从而有利于政府根据具体情况进行“精准施策”。