时代的浪潮滚滚向前,AI技术的演进正悄然改变着我们认知世界和创造价值的方式。从数据、信息到知识、智慧,从大数据到大模型,从单一智能体到多智能体协作,这是一场深刻的认知革命,也是生产力解放的新纪元。

AI粉嫩特攻队,2025年3月15日。

最近跟几个朋友讨论AI发展,突然意识到现在的科技变化真的太快了,从大数据到大模型,从知识库到工作流,感觉每天都有新概念冒出来。今天就想跟大家聊聊我对这些变化的一些思考,希望能给同样关注这个领域的你带来一些启发。

从数据到智慧,这条路怎么走?

记得前两天跟一个做数据分析的朋友吃饭,他说了句挺有意思的话:"现在的问题不是缺数据,而是被数据淹没。那么多数据,我们究竟该怎么用?"

这让我想到了一个我们可能都忽视了的概念:DIKW金字塔。别被这个名字吓到,其实就是数据(Data)、信息(Information)、知识(Knowledge)和智慧(Wisdom)这四个层次。

DIKW金字塔:从数据到智慧的进阶

  • 数据

    就是一堆原始的、零散的数字。比如10,...,120,...,这些只是一个个孤立的点。

  • 信息

    是有了标记的数据,是事实的收集。比如"小明10岁"、"小明体重120斤",这样,我们对数据有了基本的认识。

  • 知识

    是能帮我们判断的信息。比如"10岁儿童正常体重在23-50kg之间",这就能帮我们判断小明是不是超重了。

  • 智慧

    则是知道在什么情况下该用什么知识来做决定。

想象一下:如果我们把数据比作食材,那信息就是处理好的食材,知识是烹饪方法,而智慧则是知道什么场合该做什么菜给什么人吃。

有趣的是,AI的发展路线居然也是沿着这个金字塔爬升的!

先是大数据时代

10年前,各种数据采集、数据分析、数据挖掘...但后来大家逐渐发现,光有数据还不够,你得从中提炼出有价值的东西。

就像你有一大堆照片,但如果不整理、不加标签,过几年再翻出来可能连自己都不记得这是哪年哪月拍的了。

然后是大模型时代

最近两年,大模型火了。为什么?因为它不只是存储数据,还能从海量文本中提取知识,理解上下文,甚至推理和创作。

但用过的朋友都知道,大模型有时候也会产生幻觉"胡说八道",特别是一些专业领域或者最新的信息,它可能就不太靠谱了,为了解决这个问题,需要靠谱的知识库作支撑。

知识库增强

为了解决大模型的幻觉问题,很多产品开始把大模型和知识库结合起来。简单说就是:"我不确定的事情,我去查可靠的资料库,而不是瞎猜。"

而知识获取,可以有两种方式:

  • 一种是像考古一样,从数据中挖掘出新的规律(知识挖掘)

  • 另一种是像图书管理员一样,整理现有的书籍等资料(知识摄取)

工作流:让知识变成行动

知道了不等于做到。所以接下来,我们需要把知识的应用转化为可执行的步骤。

就像会做饭的人不一定是好厨师,还需要知道什么时候放盐、什么时候调火候,这些流程同样重要。

单智能体:有了自己的"主见"

现在的AI已经不再只是执行命令的工具,而是能够理解需求、自主决策的"助手"。就像有些聊天机器人,你给它一个模糊的指令,它能理解你的意图并完成任务。

多智能体协作:团队比个人强大

想象一下,如果有一群专家一起为你工作,每个人负责自己擅长的部分,最后合力完成一个复杂任务,这不就是理想的工作方式吗?

多智能体协作:各司其职,合力解决问题

AI世界亦是如此,当多个专业化的智能体一起工作时,它们能解决单个智能体解决不了的问题。就像蚁群能建造复杂的蚁穴,即使每只蚂蚁的能力有限。

我们的生活、工作正在发生改变...

以前,知识掌握在少数人手中,现在AI让每个人都能快速获取专业知识。就像以前问路我们要碰运气找当地人,而现在人人都有导航一样。

重复性的工作正在被AI接管,而创造性、决策性的工作变得更加重要。未来最有价值的可能不是"知道什么",而是"知道该问什么问题"。(理解这一点非常重要)

未来,我们的核心竞争力可能不再是记忆知识,而是提出好问题的能力。因为记忆知识,AI比我们强;但提出好问题,还是需要人类的创造力和洞察力。

以前公司决策可能依赖几个高管的经验和直觉,未来可能会更多地依靠数据分析和AI辅助的集体智慧。

总之,从数据到智慧的过程会形成一个闭环,个人或企业,都可在此寻找自己的位置:

  1. 我们收集数据,整理成有用的信息——观察、事实收集 (数据平台)

  2. 从信息中提炼知识,沉淀在知识库中——归纳 (知识平台)

  3. 智能体使用知识做出决策和行动——演绎 (智能体)

  4. 多个智能体协作解决复杂问题——群体智慧,产生涌现 (工作流)

  5. 这些行动产生新的数据...——循环迭代 (监测与评估)

AI时代的闭环进化:从数据到智慧,再产生新的数据

写在最后

从大数据到大模型,从大模型到知识库,从知识库到工作流,再到现在的多智能体协作,这不只是技术升级那么简单,它正在改变我们思考问题的方式,甚至改变我们工作和生活的方式。我们既是这场变革的见证者,同时也是参与者。如果能理解AI发展背后的这些规律和逻辑,就像掌握了一张未来世界的地图,帮我们在这个变化超快的时代找到属于自己的生态位。说了这么多,其实就想表达一个简单的想法:“AI的发展不是偶然的,而是遵循着人类认知发展的自然规律,了解了规律,就了解了AI的走向。”

工业革命解放了人类的体力,AI革命正在解放人类的脑力。在这个过程中,最重要的不是去抵抗变化,而是理解变化背后的逻辑,然后顺势而为。

你或者你的产品在这个DIKW金字塔中处于哪个位置?是数据收集者,信息整理者,知识应用者,还是智慧决策者?欢迎在评论区留言分享你的想法!

以上,既然看到这里了,如果觉得不错,随手点个赞、分享、推荐三连吧,我们,下次再见。

AI粉嫩特攻队 —— 内卷不灭,奋斗不止!关注我,帮你把时间还给创造!

作者:秋水

互动交流,请联系邮箱:fennenqiushui@qq.com

数据、信息、知识、智慧:AI时代我们该如何思考?的更多相关文章

  1. 智慧金融时代,大数据和AI如何为业务赋能

    前言:宜信技术人物专访是宜信技术学院推出的系列性专题,我们邀请软件研发行业的优秀技术人,分享自己在软件研发领域的实践经验和前瞻性观点. 第一期专访我们邀请到宜信科技中心AI中台负责人王东老师,从大数据 ...

  2. DataPipeline CTO陈肃:从ETL到ELT,AI时代数据集成的问题与解决方案

    引言:2018年7月25日,DataPipeline CTO陈肃在第一期公开课上作了题为<从ETL到ELT,AI时代数据集成的问题与解决方案>的分享,本文根据陈肃分享内容整理而成. 大家好 ...

  3. AI时代,还不了解大数据?

    如果要问最近几年,IT行业哪个技术方向最火?一定属于ABC,即AI + Big Data + Cloud,也就是人工智能.大数据和云计算. 这几年,随着互联网大潮走向低谷,同时传统企业纷纷进行数字化转 ...

  4. 从互联网进化的角度看AI+时代的巨头竞争

    今天几乎所有的互联网公司在谈论和布局人工智能,收购相关企业.人工智能和AI+成为当今科技领域最灸手可热的名词,关于什么是AI+,其概念就是用以表达将"人工智能"作为当前行业科技化发 ...

  5. AI时代:推荐引擎正在塑造人类

    We shape our tools and afterwards our tools shape us. ------Marshall McLuhan 麦克卢汉说:"我们塑造了工具,反过来 ...

  6. Python 为何能坐稳 AI 时代头牌语言

    原文链接:https://mp.weixin.qq.com/s?__biz=MzI0ODcxODk5OA==&mid=2247487055&idx=2&sn=ca0fe8740 ...

  7. AI时代大点兵-国内外知名AI公司2018年最新盘点

    AI时代大点兵-国内外知名AI公司2018年最新盘点 导言 据腾讯研究院统计,截至2017年6月,全球人工智能初创企业共计2617家.美国占据1078家居首,中国以592家企业排名第二,其后分别是英国 ...

  8. 云计算和AI时代,运维应该如何做好转型?

    云计算和AI时代,运维应该如何做好转型? 今天我们来聊一聊,在云计算和AI时代,运维应该如何做好转型?今天的内容可以说是我们前面运维组织架构和协作模式转型的姊妹篇.针对运维转型这个话题,谈谈我的思考和 ...

  9. Tapdata 实时数据中台在智慧教育中的实践

      摘要:随着教育信息化的推进,智慧校园建设兴起,但在实施过程中面临数据孤岛.应用繁多.数据再利用等方面挑战,而 Tapdata 的实时数据中台解决方案,能够高效地解决智慧校园实施中的基础数据问题. ...

  10. 3星|《腾讯产业森林:AI时代的创业密码》:后半部分是较详细的创业指南,前面泛泛介绍腾讯、AI

    腾讯产业森林:AI时代的创业密码 前半部分泛泛介绍腾讯对创业者的支持,腾讯支持的创业项目的案例.AI的一些基本介绍,后半部分是比较详细的写给创业者的各阶段行动与选择的指南. 总体评价3星,有一些参考价 ...

随机推荐

  1. Qt编写的项目作品29-RTSP播放器+视频监控(海康SDK版本)

    一.功能特点 支持播放视频流和本地MP4文件. 支持句柄和回调两种模式. 多线程显示图像,不卡主界面. 自动重连网络摄像头. 可设置边框大小即偏移量和边框颜色. 可设置是否绘制OSD标签即标签文本或图 ...

  2. [转]关于opencv4.0中“未定义标识符cvNamedWindow”的解决方法

    这个问题困扰了很久,在网上找了很多方法,但是都没用, 比如:"在代码开头加入头文件#include <opencv2/highgui/highgui_c.h>"之类的方 ...

  3. error C1083: 无法打开包括文件:“iostream.h”: No such file or directory

    用VS2010打开VC++6程序,按下F5键会发现有错误提示:error C1083: 无法打开包括文件:"iostream.h": No such file or directo ...

  4. C#中使用泛型对象(List<T>)对xml文件中的重复节点进行的序列化和反序列化

    本文描述将对象(List<T>)序列化到 XML 文档中和从 XML 文档中反序列化为对象(List<T>). 命名空间: System.Xml.Serialization 程 ...

  5. ant利用ivy从maven仓库下载项目所依赖的jar包默认的存储位置

    ant利用ivy从maven仓库下载项目所依赖的jar包默认的存储位置为: 当前登录系统的用户目录下(如"C:\Users\Administrator\.ivy2\cache"), ...

  6. 即时通讯技术文集(第43期):直播技术合集(Part3) [共13篇]

    为了更好地分类阅读 52im.net 总计1000多篇精编文章,我将在每周三推送新的一期技术文集,本次是第 43 期. [-1-] 直播系统聊天技术(一):百万在线的美拍直播弹幕系统的实时推送技术实践 ...

  7. WebSocket从入门到精通,半小时就够!

    本文原题"WebSocket:5分钟从入门到精通",作者"程序猿小卡_casper",原文链接见文末参考资料部分.本次收录时有改动. 1.引言 自从HTML5里 ...

  8. pytorch模型降低计算成本和计算量

    下面是如何使用PyTorch降低计算成本和计算量的一些方法: 压缩模型:使用模型压缩技术,如剪枝.量化和哈希等方法,来减小模型的大小和复杂度,从而降低计算量和运行成本. 分布式训练:使用多台机器进行分 ...

  9. LinkedList的源码

    LinkedList LinkedList是通过双向链表去实现的,他的数据结构具有双向链表的优缺点,既然是双向链表,那么的它的顺序访问效率会非常高,而随机访问的效率会比较低,它包含一个非常重要的私有内 ...

  10. dart变量声明和变量类型

    ps==>所有的代码必须放在main方法中 main方法有两种写法 1==> main() { print("你好,dart我们相遇了"); } 2==> voi ...