資料的新角色
資訊爆炸
今天，人類，甚至是機器，在一週內所創造的資料，比人類有史以來所創造的全部資料還要多。而在那之後的一週，資料量又會比整個人類的知識量多出一倍。結合光纖電纜以光速傳輸這些資料的能力，可供決策的資料範圍和速度已超越人類的能力，進入奈米太空。
AI 如何使用資料
在累積這些資料的同時，我們也擔心資料的安全性。儘管我們有所顧慮（甚至是即將出現的納米民主化），但大數據的優勢遠比隨之而來的危險更令人期待。即使對於最精通統計的人類來說，洶湧而來的資料對於求知若渴的 AI 來說也只是一滴水。當智慧型系統吸納這些資料海洋時，它就會有奇妙的發現，讓我們所有人都能受惠。
-
步驟 1
取得資料
資料來自三個來源：人類輸入、感測器讀數和其他 AI 作業的結果。
-
步驟二
儲存資料
資料會儲存在資料湖中 - 本機伺服器、遠端伺服器 (包括雲端)、裝置或可移動媒體 (例如快閃記憶體和光碟) 上的資料集合。
-
步驟三
分析資料
每個資料點都是以品質和效用為考量。任何資料點都可能是錯誤或不相關的。
-
步驟 4
執行演算法
演算法是為了達成特定目標而計算結果的程序。雖然每個演算法都有許多步驟，但不一定需要所有這些步驟才能解決問題。由於演算法是由人類撰寫，因此任何步驟都可能包含意外的偏見。先知型領導者努力確保組織使用的所有演算法都能產生公平的結果。
-
步驟 5
傳送結果
每個結果都會依次儲存在連鎖中下一個實體（包括其他運算裝置、機器人和動力機器）可存取的位置。
-
步驟 6
採取行動
有了這個結果，後續的實體就會採取所需的動作，不論是實體移動或進一步的運算。
在各個領域中，人工智慧每天都在擷取眼前的複雜性，並找出重複的模式，因此在理解力上有了極大的進步。一旦某種模式與某種結果建立常規關聯，人工智能就能在每次已知模式出現時預測該結果。這種所謂的預測性分析超出了人類的能力（因為它是在機器的超人類領域中進行的），也往往超出了人類的理解能力。雖然這些通訊的內容是由人類所創造，但所有這些通訊所包含的資料卻是由機器單獨收集與分享。
