自从阿法尔狗战胜李世石之后，就预示着第三次人工智能热潮的到来。从李世石到柯洁，人类顶尖棋手先后被人工智能挑落马下，一个研究了几十年围棋的人类棋手在人工智能面前毫无竞争力，这也给人类带来了恐慌，是不是有一天人类会成为人工智能的奴隶呢？
围绕着人工智能的能力边界的争论始终伴随着人工智能的发展，悲观的人认为人工智能终将毁灭人类，乐观的人则认为人工智能会极大的提升生产力，促进人类社会的发展。不论你是持悲观态度的还是乐观态度的，人工智能的到来并且不断的加速发展，已是大势所趋，不以人的意志为转移。
这一波人工智能浪潮的到来，主要得益于三个方面的发展，一是大数据为人工智能的发展带来了基础的学习资料。数据是人类社会数字化的产物，记录了人类的生产生活行为，是对客观世界的量化，人工智能通过对于数据的学习，发现数据背后的规律、模式、规则等，逐渐掌握相关的技能，因此，我们要让人工智能成为某一领域的顶尖高手，就需要给予它足够的数据，告诉机器各种各样的情景、各种各样的行为、模式、规则，机器才能变得足够的聪明，从而，超过人类本身；二是深度学习等机器学习算法的突破为人工智能带来了的学习的工具，作为神经网络算法的一类，通过模仿人类大脑工作原理，基于多层神经元结构，大幅提升了机器的学习能力；三是超强的计算能力为人工智能带来了快速学习的能力，机器要实现对海量数据的学习，对学习速度必然有着快速的要求，否则，若如人类一般学一样类似下围棋的技能需要花费几十年的时间，那么机器就没有竞争力了，也就没有研究的必要了。分布式计算、GPU等的广泛应用，极大的提升了计算能力，也给人工智能的发展带来了难得机遇。
当然了，就现有的人工智能的发展水平来看，与很多人想象的完全超越人类、统治人类的阶段，还有很遥远的距离，目前的人工智能还存在着很强的能力边界障碍，更适于应用于单一场景，跨场景应用即失去了能力。就像阿法尔狗只会下围棋，它不能帮你扫地，那是扫地机器人的事，它也不能帮你开车，那是自动驾驶的事，也就是说，目前的人工智能还不能实现一套模型就能跨领域、跨界别的应用，因此，我们完全没有必要去担心人工智能会在短时间内统治人类，那需要的是算法的极大突破才有可能实现。
我们现在要做的就是利用人工智能来解决我们生产生活中面临的一些问题，提升生产、生活效率，提高整个社会的生产力。结合现阶段人工智能的特点，人工智能可以在交通、金融、服务等方面发挥作用，比如，利用人工智能实现红绿灯的智慧调控，利用人工智能进行信贷的智能审批、风险防范等。但是，从这些应用领域来看，似乎让我们也看到了大数据的影子，前几年，大数据刚刚兴起的时候，很多人打着大数据的旗帜，讲着各种智能、智慧应用的故事，这就难免让人产生疑惑，人工智能与大数据之间有何区别，边界在哪？
之所以产生这样的困惑，除了商业炒作带来的困扰之外，更主要的因素可能在于之前对于大数据的认知并没有形成统一的定义，前几年，大数据兴起的时候，《大数据时代》一书热卖，书中对于大数据更多的是从总结规律，预测未来的方向去说的，而有些书则是纯粹从数据去说的，强调大数据是数据量极大的数据集。
对于纯技术人员来说，大数据对他们而言就是一大堆数据，对于数据分析挖掘人员来说，大数据就是一种基于数据总结规律的方法，逻辑回归、决策树、神经网络等方法就是他们应用的主要方法，在他们眼里，各种智能都是大数据，人工智能兴起以后，很多人，尤其是对于数据分析挖掘人员来说，就有些分不清边界了。站在这些人的视角上，笔者则认为可以将人工智能理解为大数据应用的深化，人工智能本身就是一种方法，除了数据本身作为人工智能的基础，更多的是方法使用上的差别。
未来随着通信基础设施的进一步完善，万物互联的逐步深入，人类社会的数据量将会加速爆发，为大数据、人工智能的应用奠定了更好的基础，我们需要的是从应用场景出发，选择合适的方法，虽然现在人工智能很热，但是，现阶段，并不是所有领域都适合应用人工智能，比如银行在构建信贷审批模型时，出于对风险防范的严谨性及客户解释，就很强调模型的可解释性，最适合的方法仍然是传统的逻辑回归，因此，最好的路径是从场景出发去选择合适的方法，不为词汇所困饶。
延伸阅读：
四论数据驱动型银行构建：智慧引擎建设
三论数据驱动型银行构建：数据资产价值评估
二论数据驱动型银行的构建
数据驱动型银行的第一本秘籍出现了……
集中与前置相结合是银行大数据应用的最佳组织模式
做好大数据分析项目的四项基本原则
商业银行引进外部数据的三个验证要点
