クラウドコンピューティング、ビッグデータ、AI の関係と違いを 1 つの記事で理解する

クラウドコンピューティング、ビッグデータ、人工知能という言葉は誰もが聞いたことがあると思いますが、これらは互いに関連しているようです。一般的に、クラウドコンピューティングについて話すときはビッグデータ、ビッグデータについて話すときは人工知能、人工知能について話すときはクラウドコンピューティング...この3つは互いに補完し合い、切り離せない関係にあります。では、この3つの関係とはどのようなものなのでしょうか。今日は編集者がそれについてお話しします。

[[438249]]

クラウドコンピューティング

1. クラウドコンピューティングの本来の目的

クラウド コンピューティングの本来の目的は、主にコンピューティング リソース、ネットワーク リソース、ストレージ リソースなどのリソースを管理することです。管理の目標は、空間的な柔軟性と時間的な柔軟性を実現することであり、これはクラウド コンピューティングの弾力性とよく呼ばれるものです。この弾力性の問題を解決するには長い開発期間が必要でした。

時間の柔軟性:いつでも入手でき、必要なときにすぐに利用できます。

空間の柔軟性：好きなだけ。非常に小さなコンピューターが必要な場合は、これで十分です。クラウド ディスクなどの非常に大きなスペースが必要な場合、クラウド ディスクによって各人に割り当てられるスペースは非常に大きいことが多く、いつでもアップロードできるスペースが常に存在し、使い果たされることがないため、これも十分です。

その後、人々はスケジューラと呼ばれるアルゴリズムを発明しました。簡単に言えば、スケジューリング センターがあり、数千台のマシンがプールに入っています。ユーザーが必要とする CPU、メモリ、ハード ディスクを備えた仮想コンピューターがいくつあっても、スケジューリング センターは自動的に大きなプールからユーザーのニーズを満たす場所を見つけ、仮想コンピューターを起動して構成し、ユーザーが直接使用できるようにします。この段階をプーリングまたはクラウド化と呼びます。この段階でのみクラウド コンピューティングと呼べます。それ以前は仮想化としか呼べません。

2. プライベートおよびパブリッククラウドコンピューティング

クラウド コンピューティングには、プライベート クラウドとパブリック クラウドという大まかに 2 つの種類があります。

プライベート クラウド:仮想化およびクラウド ソフトウェアを他のデータ センターに展開します。プライベート クラウドのユーザーは、多くの場合、非常に裕福です。彼らは土地を購入し、コンピューター ルームを建設し、独自のサーバーを購入し、クラウド ベンダーに自分の場所にサーバーを展開させます。 VMware は仮想化に加えて、後にクラウド コンピューティング製品を立ち上げ、プライベート クラウド市場で大きな利益を上げました。

パブリッククラウド:仮想化とクラウドソフトウェアは、クラウドベンダーの独自のデータセンターに展開されます。ユーザーは大きな投資をする必要はありません。アカウントを登録するだけで、Web ページをクリックするだけで仮想コンピューターを作成できます。たとえば、AWS は Amazon のパブリック クラウドです。たとえば、中国の Alibaba Cloud、Tencent Cloud、NetEase Cloud などがあります。

[[438250]]

クラウド コンピューティングは基本的に、時間の柔軟性と空間の柔軟性を実現し、コンピューティング、ネットワーク、ストレージ リソースの弾力性を実現します。コンピューティング、ネットワーク、ストレージはインフラストラクチャと呼ばれることが多いため、この段階での弾力性はリソース レベルの弾力性と呼ばれます。リソースを管理するクラウド プラットフォームはインフラストラクチャ サービスと呼ばれ、よく IaaS (Infranstracture As A Service) として耳にします。

[[438251]]

ビッグデータ

人工知能は典型的な学際的な科目であり、その研究内容は機械学習、自然言語処理、コンピュータービジョン、ロボット工学、自動推論、知識表現の6つの主要方向に集中しています。現在、機械学習の応用範囲はまだ比較的広く、例えば、自動運転やスマート医療などの分野で広く使用されています。人工知能の核心は「思考」と「意思決定」にあります。いかに合理的に考え行動するかが、現在の人工知能研究の主流の方向です。

1. ビッグデータはクラウドコンピューティングを取り入れる

ビッグデータのデータは、構造化データ、非構造化データ、半構造化データの 3 つのタイプに分けられます。

構造化データ:形式が固定され、長さが制限されたデータ。たとえば、フォームへの入力は構造化データであり、国籍：中華人民共和国、民族：漢族、性別：男性、これらはすべて構造化データと呼ばれます。

非構造化データ:長さが不定で形式が固定されていない非構造化データの量が増加しています。たとえば、Web ページは非常に長い場合もあれば、数文だけの場合もあります。たとえば、音声やビデオも非構造化データです。

半構造化データ: XML または HTML 形式です。テクノロジーに携わっていない人には理解できないかもしれませんが、問題ありません。

実際、データ自体は有用ではなく、特定の方法で処理する必要があります。例えば、毎日ランニングするときに身につけているブレスレットが収集するデータもデータであり、インターネット上の多くのウェブページもデータであり、私たちはこれをデータと呼んでいます。データ自体は役に立たないが、情報と呼ばれる非常に重要なものが含まれています。

データは非常に乱雑であり、整理され、クリーンアップされた後にのみ情報と呼ぶことができます。コーミングとクリーニングには次の手順が必要です。

最初のステップはデータ収集と呼ばれます。

2 番目のステップはデータの送信です。

3番目のステップはデータの保存です。

4番目のステップはデータの処理と分析です。

5 番目のステップは、データの取得とマイニングです。

[[438252]]

2. ビッグデータ時代

データ量が少ない場合、少数のマシンしかそれを処理できません。徐々にデータ量が増え、最も強力なサーバーでも問題を解決できなくなったら、どうすればよいでしょうか?現時点では、複数のマシンの力を集め、全員が協力してこの作業を完了する必要があります。全員が燃料を追加すれば、火はさらに強く燃え上がります。

中小企業がビッグデータ プラットフォームを必要とする場合、1,000 台のマシンを購入する必要はありません。パブリック クラウドにアクセスするだけで、ビッグデータ プラットフォームがすでに導入された 1,000 台のマシンが表示されます。必要なのは、データを入力して計算を行うことだけです。

クラウド コンピューティングにはビッグ データが必要であり、ビッグ データにはクラウド コンピューティングが必要であり、この 2 つがこのように組み合わせられています。

[[438253]]

AI（人工知能）

人工知能は典型的な学際的な科目であり、その研究内容は機械学習、自然言語処理、コンピュータービジョン、ロボット工学、自動推論、知識表現の6つの主要方向に集中しています。現在、機械学習の応用範囲はまだ比較的広く、例えば、自動運転やスマート医療などの分野で広く使用されています。人工知能の核心は「思考」と「意思決定」にあります。いかに合理的に考え行動するかが、現在の人工知能研究の主流の方向です。

1. 機械が人間の心を理解できるようになるのはいつでしょうか?

ビッグデータがあっても、人間の欲求を満たすことはできません。ビッグデータプラットフォームには検索エンジンがありますが、検索するだけで欲しいものが見つかります。しかし、自分が欲しいものをどうやって探せばいいのか分からない、表現できない、探しているものが自分の欲しいものではない、といった状況もあります。

例えば、音楽ソフトで聞いたことのない曲がおすすめされたら、当然曲名もわからず検索もできません。しかし、このソフトウェアを勧められたとき、私は本当に気に入りました。これは検索ではできないことです。人々がこの種のアプリケーションを使用すると、欲しいものを機械内で探すのではなく、機械が私の欲しいものを知っていることに気づくでしょう。この機械は私の友人のように私を本当に理解しており、それは少し人工知能のようなものです。

[[438254]]

2. 機械に学習を学ばせる

これを実現するにはどうすればよいでしょうか?人々はこう考えます: まず、コンピューターに人間の推論能力について教えなければなりません。人にとって何が大切だと思いますか？人間と動物の違いは何でしょうか？それは推論する能力を意味します。自分の推論能力を機械に伝え、質問に基づいて機械が対応する答えを推測できたら、どれほど素晴らしいでしょうか?

実際、人々は徐々に機械が数式の証明などの推論を実行できるようにしつつあります。機械が実際に数式を証明できるというのは、非常に驚​​くべきプロセスです。しかし、徐々にこの結果はそれほど驚くべきことではないことに気づきました。なぜなら、誰もが問題を発見したからです。数式は非常に厳密であり、推論プロセスも非常に厳密であり、数式は機械を使用して表現しやすく、プログラムも比較的簡単に表現できます。

したがって、機械に厳密な推論を教えるだけでは十分ではなく、機械に何らかの知識を教えることも必要です。

そこで人々は考えました。機械は人間とはまったく異なる種族なのだから、機械に自ら学習させればよいのでは、と。

機械はどのように学習するのでしょうか?機械の統計能力は非常に強力であるため、統計学習に基づいて、大量の数字から特定のパターンを確実に発見できるようになります。

3. ビッグデータと人工知能

人工知能を無限の可能性を秘めたお腹を空かせた赤ちゃんと考えると、特定の分野における膨大な量の詳細なデータは、この天才を育てるミルク粉です。粉ミルクの量によって赤ちゃんが成長できるかどうかが決まり、粉ミルクの質によって赤ちゃんのその後の知的発達レベルが決まります。

人工知能は、「思考」や「意思決定」の基礎として大量のデータを必要とします。一方、ビッグデータでは、データ値操作を実行するために人工知能技術も必要です。たとえば、機械学習はデータ分析の一般的な方法です。ビッグデータの価値を示す2つの主な表現のうち、データ応用の主なチャネルの1つは、インテリジェントエージェント（人工知能製品）です。インテリジェントエージェントに提供されるデータが多ければ多いほど、インテリジェントエージェントの動作の効果は高まります。これは、インテリジェントエージェントは通常、動作の信頼性と安定性を確保するために、「トレーニング」と「検証」のために大量のデータを必要とするためです。

人工知能は、プログラムアルゴリズムとビッグデータの組み合わせによって生み出されます。クラウド コンピューティングはプログラムのアルゴリズム部分ですが、モノのインターネットはビッグ データを収集するためのルート システムの一部です。簡単に言えば、人工知能 = クラウド コンピューティング + ビッグ データです。

成熟したクラウドコンピューティングとビッグデータという肥沃な土壌で生まれたAIは、選ばれし者と言えるでしょう。新しいテクノロジー時代の到来とともに、人々の生活はAI技術、ビッグデータ、クラウドコンピューティングなどの新しいテクノロジーとより密接に結びつくようになります。この文脈において、3つの深い融合は間違いなくAIを私たちの生活とより密接に結びつけるでしょう。