近期，几场科技创新、人工智能领域的高端论坛竞相召开，人工智能与大数据的关联度频频可见。邓白氏高级副总裁兼首席数据科学家安东尼·斯克里费加诺（Anthony Scriffignano）博士告诉记者，在信息化爆炸时代，人工智能在大数据领域的使用是行业发展的必然。

对此，安东尼和记者分析了两个现象。其一，目前至少85%的数据都是非结构化数据。相较于记录了生产、业务、交易和客户信息等的结构化数据，非结构化的信息涵盖了更为广泛的内容，包括了如合约、发票、书信与采购记录等营运内容，如文书处理、电子表格、简报档案与电子邮件等部门内容，再比如HTML与XML等格式信息的Web内容，以及如声音、影片、图形等媒体内容。不过，至少85%为非结构化数据的比例在每个行业中并非是一个绝对值，此类型数据在不同行业中的占比是不尽相同的。例如金融行业的结构化数据占比就会偏多，医疗行业因为涉及大量研究报告和论文，就会有大量非结构化数据。在这种状况下，不可能把所有论文全部都读一遍，对每一个商业个体而言，认知计算都是一个重要的技术。因此，就对高级算法提出了要求，如何快速寻找真正适合有效的信息。

其二，企业的发展速度极快，这也包括小企业从产生到壮大的过程。新的企业不断出现，现有的企业不断消失。新旧数据的不断变化，现有的信息呈现指数级的增长为数据运用带来了挑战。在了解、寻找数据之外，理解数据背后的含义显得更加重要。

对于收集到的信息，安东尼认为，首先需要评估这是否是及时的信息。“比如说一分钟之前收集到的信息，并不代表这个信息本身是一分钟的历史，有可能是一年前的信息”。同时，也需要判断收集到信息的正确性。这在海量数据中，对快速收集到的信息在延时性和正确性等方面的基本判断，就对新技术提出了要求。这对于企业的运行方式也产生了影响。有很多客户都面临数字化发展带来的颠覆和挑战，以及如何在这些挑战下进行革新和转变。科技的发展，包括人工智能、物联网、金融科技的深入运用和技术汇集，使得海量数据的挖掘和应用更具备可能。

然而，对人工智能而言，其“预测未来”的能力，才是企业通过技术革新应对潜在挑战的重中之重。安东尼提到了处理欺诈方面的一个案例，在过去几十年的时间，他带领团队根据传统的欺诈类型，设计了成千上万个不同的算法，再加上邓白氏内部受到专业培训的专业人士的参与，处理了很多不同类型的欺诈行为。这些专业人士在检测和发现欺诈行为等方面拥有经验。

安东尼指出了一个“观察者效应”，也就是说如果这个人在做一件事情的时候，自己知道有别人在观察他，那么这个人就会不自主地去改变自身的行为。在这种情况下，即使用建模的方式模拟了一个不好的或者欺诈的行为，但是实际上这个被观察的对象，其行为跟真实的情况是有差异的，但这一点通过传统的建模方法是没有办法去进行行为检测的。所以，就需要有更为高级的人工智能手段、更加先进的调查方法来进行解决，去建模未来可能发生欺诈的行为。

斯克里费加诺今年被全球最大的高管级数字和数据领导人社区CDO俱乐部评选为“2018年度美国首席数据官”，他在语言学和高级计算机算法方面有着深厚的造诣，在多个行业和企业积累了近40年的经验。