数据正在成为下一个以人工智能作为生产工具的时代的基础“燃料”，但如今的人工智能还不够真正智能，它依然需要经历大量的数据训练才能形成其判断模型。以IBM Waston为例，在过去5年中，IBM公司为Waston而并购的数据型公司的价值就超过了30亿美元，目的便是为了获取数百万张有标准的X光片，以训练Waston对肺癌等疾病的判断模型。

　　但实际上，这一点都不智能，因为人类并不是这样的学习和精进的，一个三岁的婴儿并不需要各看100万个桔子和苹果，才能判断桔子和苹果的差别，atv，他只需要在第一次判断错误后有人提醒，就很难在第二次再犯同样的错误。因为它获得信息是有闭环反馈的信息，他的思维方式也要比目前已有的算法先进太多。而如果数据能够不断地更新和及时反馈，atv，人工智能算法的训练效率无疑将提高不少。

　　随着人们对数据价值认识的不断更新，大数据的概念也正在从一味地强调“大”，慢慢地开始演变为既需要“大”，同样也需要具有流动性的“鲜活”，

　　或许再过十几年，我们惊奇的发现，人类战争不再是因为自然资源，而是因为“新石油”——活数据而引发，如果那一天真的到来你也不要感到奇怪，拉普拉斯可以预言200年后的今天，我们大胆预言一下20年后的未来又何妨，万一对了呢？