首先要厘清數據的來源，數據的主要來源是形形色色的企業、人和各種機器。以行業劃分比如醫院、電力、交通等等。只要是以數據的形式存儲記錄物或人的行為、規則、方式、過程、結果等，無論聯網或者不聯網，就是數據。

引自百度百科。大數據（big data）是指無法在一定時間范圍內用常規軟件工具進行捕捉、管理和處理的數據集合，是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產。

這個解釋，只是說明了為什么是“大”和對“大”的解決利用辦法。可也說明了“大數據”的目的性，提取、分析、優化，找到對某個行業或者某種場景利用價值的“數據”。

然后把找到的數據，提供給“人工智能機器人”，作為它們的“學習資料”。

舉個例子，讓智能機器認識并記住一直花貓。給它三只貓，一只黑色的，一只白色的，一只黑白花色的。你給它說，圓眼睛的是花貓。他會告訴你這幾只都是花貓。然后，你告訴它圓眼睛、有黑顏色和白顏色的是花貓，它會告訴你，黑色的和白色以及黑白斑點的都是花貓。你再告訴它，圓眼睛和有黑色斑點和白色斑點的是花貓，它就會告訴你白色的和黑色都是花貓。你再告訴它圓眼睛、有黑色圓形斑點、有白色圓形斑點的而且在一直貓的身體上的是花貓，它就會正確指出哪只是花貓。

這幾只貓就是大數據經過“數據挖掘”的算法后得出某個應用場景或某個企業想要得到的具有某種特征的結果“訓練數據集”，這個過程就是機器學習，學習之后的認知結果體現在機器上就是人工智能。只不過智能機器的學習過程實際遠比舉的這個例子要復雜的多。

智能機器人就是通過這樣不同的訓練數據集，從而在里面利用各種學習（算法）找到一定的特征、規律，識別、總結出各種各樣所需要的結果，然后運用到實際的場景應用中，為消費者、企業、社會組織提供不同的服務。

這里面，除了智能設備的運算支持外，“算法”起到核心的技術支撐作用。

用來反復學習的數據叫“訓練數據集”；“訓練數據集”中，一類數據區別于另一類數據的不同方面的屬性或特質，叫“特征”；智能機器在“大腦”中總結規律的過程，叫“建?！?；智能機器在“大腦”中總結出的規律，就是我們常說的“模型”；而智能機器通過反復“學習”總結出規律，然后學會的過程，就是“機器學習”。

通過人工智能專家持續的不懈努力，人工智能的“算法”也在很快的發展。人工智能的發展硬件和軟件是一堆孿生兄弟，你追我趕。從“CPU”到“GPU”，從“大數據”到“訓練數據集”、“深度學習”、“人工神經網絡”，再到視覺識別、智慧醫療、智能制造等場景的應用，人工智能的“智能化”在不斷的進化發展。

來源：微觀視角