人工智能旨在处理和解释大量数据（又称大数据），虽然人类总是产生大量数据，但在过去几年中，数据量急剧增加。现在，我们每天要产生25亿字节的数据，这个数字只是一个预览。

人工智能（AI）作为感知技术，早在二战期间图灵机器发明时，就已经出现了。这个词本身最早是由华盛顿大学教授约翰麦卡锡在1956年创造的，现在，60多年后，我们看到了人工智能的实际商业化。为什么是现在，是什么最终促成了这一点？

接受不间断数据流中的内容作为手动任务是不可管理的，对于早期的信息系统来说是完全不现实的。然而，云（即分布式数据体系结构）、内存处理（比之前快1000倍）、5G网络（快100倍）和下一代芯片的兴起，突然创造了一个框架，在这个框架中，处理5万亿字节不仅是可行的；这已经发生了。

大数据和快速设置的结合是人工智能主导地位的完美框架。我们已经到了这样一个地步：人工智能几乎已经嵌入到我们与之交互的所有东西中。从数字助理到自动驾驶车辆，再到智能任何东西，spark大数据，再到传感器网络——所有这些技术都能以超出人类处理能力的方式连续生成数据，但都在人工智能的范围内，再加上机器学习

如前所述，人工智能影响生产力的很大一部分原因这一阶段是由于内存计算越来越多的采用。产生大量流式数据的应用程序（想想最大的电子商务网站或主要的信用卡处理器）需要不同规模的性能；每秒数百万复杂的事务是AI/ML系统的例行工作，这极大地得益于内存技术提供的速度。这些容量需求创造了这样的环境：到应用程序的处理距离（字面上）可以缩短亚微秒的响应时间——必须遍历网络（即使是快速的网络）仍然需要时间，然后访问为持久性而构建的数据库（而不是速度）会增加更多的时间。当对数据即时性的需求可以从网络/磁盘转移到RAM中时，每秒数百万笔交易的想法就变得可行了。

这也打开了准备好的机会，这就是不断提高业务速度和效率的地方。一个明显的例子是将不同的数据源集成到RAM中，以支持一个共同的最终目标；将客户信息（如购买和客户支持历史记录、运输和税务要求）与推荐引擎或协作过滤系统结合起来，意味着与客户的任何交互都有很大的影响成功结果的概率更高，因为系统正在处理更完整的信息。添加一个完全访问所有客户数据的基于人工智能的聊天机器人也意味着每分钟轻松处理数百万个电话，这甚至远远超出了最大的呼叫中心的范围。

将流式数据与内存中的活动指标相结合，为人工智能创建了一个支持框架，称为HTAP系统（混合事务/分析）分析和解释综合分析和操作系统的输出。运行在内存中的HTAP解决方案可以在事务过程本身而不是事后创造价值，大数据下，请记住，"事务过程"指的是每秒数百万个事务。这种能力可以实现实时微调，例如客户体验，它意味着在执行过程中实时调整操作参数，而不是事后检查。这也颠覆了现有的以数据库为中心的数据提取、转换和加载（ETL）模式，这种模式一直是昂贵和耗时的（而且在很长一段时间内，这是唯一的选择）。

从根本上说，这就是机器学习和人工智能的设计目的，通过各种策略获取功能数据并从中学习，以便优化事务流，而不考虑上下文。为了让这一点更容易理解，这里有一些现实世界的例子：

你的移动设备和它的网络：它知道你在哪里，以难以置信的特异性告诉你如何到达你想要的地方，可以在一路上提出各种各样的建议，它同时为亿万人这样做，全世界。

你的智能手表：除了不断提醒我呼吸（好的，如果烦人的，意图），苹果手表可以判断佩戴者是否有心脏病发作，并提醒正确的人，无论地点。这可以连接到医疗信息系统，所以当你到达急诊室时，他们已经为你准备好了。这不仅方便，而且可以挽救生命。

你的自动驾驶汽车：我见过有人开着特斯拉在高速公路上，坐在驾驶座上看报纸。为了保证驾驶员和周围人的安全，车载传感器每秒生成数千个数据点（称为边缘处理）。80英里/小时的速度没有太大的误差空间，人工智能确保这些误差是最小的。

给你带来比萨饼的东西：更酷的机器人现在正在加州大学伯克利分校的校园里运送比萨饼。他们在一个充满行人和骑车人的复杂环境中穿行，并设法在晚餐冷却前到达正确的地点。人工智能同时控制着所有的肾脏，大淘客是什么，而且它也能工作。