“深度”（depth）可以通过在每个人的头顶上安一个绿色的灯泡，然后追踪他们在伦敦的行踪得到。得到的结果将是一堆厚厚的图纸，每一张图纸看起来都是随机的。图纸的厚度越大，深度就越深。

　　“独创性”则是完全不同的问题。没有系统的方法能够获得独创性。看着一大叠矩形波追踪图纸（square wave tracing）时，可能一个人只能看到乱糟糟一团线，而另一个人会找到一个令人着迷的源头，一种其他人无法分享的不合理的感觉。心灵的某些深层部分擅长注意到模式（或模式的存在），这会唤醒大脑的某个部分的信号，让大脑继续注意图纸。信号是昏暗的，并不总会被注意到。

　　无论你拥有怎样的数据，你所能做到的事情仍会有限制。更好的算法是突破这个限制的唯一方法。同时，数据永远都不会缺乏——整个世界就是各种信号的巨大型的来源，这些信号可以被解释或用于训练，现在已经在做这些事了。但是要有效地使用它们，我们需要开发能够有效地“在某个领域”学习的方法，这仍有很长的路要走。

　　使用相同的旧算法就像盯着那堆厚厚的图表。

　　Mehmet Ufuk Dalmis（PhD，6年机器学习经验）

　　我认为答案是肯定的，在这个方向上数据是明显的趋势。

　　在开始解释之前，我想说明的是，以下的讨论限制在机器学习，而非整个AI领域。

　　“就算你有很厉害的算法，最重要的仍然是数据的量。”我想没人会反对这句话。但是，我们已经有了“厉害的”算法吗？

　　经过几十年的机器学习研究和深度学习的进展，在过去几年里，答案越来越倾向“是的，我们的算法很好了”。请看下图，这是经常被拿来解释为什么深度学习如此强大的图示。当你向深度学习系统提供更多的数据，他就会变得越来越好，远比旧的方法要好。

　　这是人们在实践中能体会的。我自己体会过，我也听许多研究人员说过，就是你可以尝试许多不同的深度学习架构和训练策略，但最终你会发现最重要的还是数据量。这是决定算法性能的关键因素。

　　总结而言，经过几十年的机器学习研究，尤其是最近几年深度学习的进展，现在我们已经有了很好的算法。所以，数据已经成为决定性能的最重要的决定因素。

　　为了支持我的答案，我想举一个谷歌的例子。现在谷歌已经开始进军医疗领域，尤其是病理、放射学图像和显微图像的自动化分析。他们不需要再花几十年来研究更好的算法，因为他们已经有了算法。他们只需要的是数据。这也是他们正在努力的方向：与医院合作以获取数据。

　　编译来源：https://www.quora.com/In-AI-is-data-more-important-than-algorithms

新智元招聘

　　职位 运营总监

　　职位年薪：36- 50万（工资+奖金）

　　工作地点：北京-海淀区

　　所属部门：运营部

　　汇报对象：COO

　　下属人数：2人

　　年龄要求：25 岁 至 35 岁

　　性别要求：不限

　　工作年限：3 年以上

　　语 言：英语6级（海外留学背景优先）

　　职位描述

负责大型会展赞助商及参展商拓展、挖掘潜在客户等工作，人工智能及机器人产业方向

擅长开拓市场，并与潜在客户建立良好的人际关系

深度了解人工智能及机器人产业及相关市场状况，随时掌握市场动态

主动协调部门之间项目合作，组织好跨部门间的合作，具备良好的影响力

带领团队完成营业额目标，并监控管理项目状况

负责公司平台运营方面的战略计划、合作计划的制定与实施

　　岗位要求

大学本科以上学历，硕士优先，要求有较高英语沟通能力

3年以上商务拓展经验，有团队管理经验，熟悉商务部门整体管理工作

对传统全案公关、传统整合传播整体方案、策略性整体方案有深邃见解

具有敏锐的市场洞察力和精确的客户分析能力、较强的团队统筹管理能力