关于大数据要素，人工智能的智能都蕴含在大数据之中。如今这个时代，移动设备、廉价相机以及无处不在的传感器无时无刻不在产生海量数据。这些数据形式多样化，大部分属于非结构化数据，如果需要为人工智能算法所用，就必须经过大量的预处理过程。
人工系统的知识包含哪4个要素？
场景要素对于体现人工智能的实际价值至关重要。大数据、算力和算法作为输入条件，只有在具体的实际场景中进行输出应用，才能展现出真正的价值。常见的经典应用场景非常多，包括用户画像分析、基于信用评分的风险控制、欺诈检测以及智能投顾等。
算力要素为人工智能提供了基本的计算能力支撑。人工智能的发展对算力提出了极高要求，其中GPU在人工智能领域应用最为广泛，其浮点计算能力通常是CPU的10倍左右。通过深度学习加速框架如cuDNN在GPU之上的优化，能再次提升计算性能，加速神经网络的计算过程。
算法是实现人工智能的根本途径，也是挖掘数据智能的有效方法。目前主流的算法主要划分为传统的机器学习算法和神经网络算法两大类。近年来，随着深度学习技术的快速发展，神经网络算法迎来了发展的高潮，成为推动人工智能进步的核心动力。
人工智能系统的核心主要由四个关键要素构成，分别是大数据、算力、算法以及应用场景。这四个部分相辅相成，共同支撑起智能系统的运行。其中大数据是基础，蕴含着智能的本质；算力提供基础支撑；算法是挖掘数据价值的途径；而场景则是最终体现价值的落地环节。
除了上述金融领域的应用，人工智能还在智能审核、智能客服机器人、机器翻译以及人脸识别等方面有着经典的应用场景。将这四个要素做一个形象类比：如果把炒菜看作场景，大数据就是食材，算力是煤气或柴火等能源，而算法则是烹饪的方法和调料，三者结合才能做出美味佳肴。