伴隨著科技的飛速發展，人工智慧逐漸進入日常生活的各個方面。而大數據技術的研究和發展，則更推動技術的革新和社會經濟的變革。大數據技術的出現背景、發展歷程、研究現狀以及發展過程中的存在問題是什麼？同時在人工智慧領域的大數據技術的發展又有哪些應用場景？讓我們一起去探索。
大數據的起源和發展
隨著網際網路的廣泛運用，雲計算時代已經逐漸步入人們的生活，大數據在此背景下應運而生。1982年，約翰·奈斯比特在其著作中提出「我們現在大量生產信息，正如過去我們大量生產汽車一樣」；阿爾文·托夫勒在《第三次浪潮》一書中，稱大數據為「第三次浪潮的華彩樂章」；面對海量的數據，原有的處理方式已無法應對。2011年，麥肯錫全球研究所發布了《大數據：創新、競爭和生產力的下一個前沿》的報告，對「大數據」進行清晰解釋；2012年，瑞士達沃斯召開世界經濟論壇，大數據是會議主題。
大數據發展起始於18世紀80年代初至90年代末，統計學家赫爾曼做出一台電動設備來統計美國本土人口普查數據，揭開數據處理新時代。雷德和普賴斯分別在1944年和1961年出版了《學者與研究型圖書館的未來》和《巴比倫以來的科學》，預測大數據時代的到來。2001年，美國Cartner公司推出大數據模型。2008年，美國自然雜誌出版的一期專刊中第一次提出大數據——Big Data模型。
大數據技術研究現狀
在國外，大數據技術被認為源於谷歌，在2003至2006年先後公開發表關於MapReduce、GFS和BigTable等核心技術學術論文。2012年，美國白宮頒布了《大數據研究與發展計劃》，投入巨資到大數據研究領域。美國防部還開展XDATA項目，將大數據研究投入軍事領域數據分析。在國內，2013年被稱為大數據元年。2014年，國內眾多網際網路企業如小米、百度、騰訊、阿里等已將大數據技術應用於公司業務。
大數據技術存在問題
大數據技術的發展對各行各業也有重大影響，同時大數據技術的研究目前還不夠完善，也面臨著諸多問題需要去解決。
（1）數據分析和處理問題。
傳統數據處理方式適用於少量的、結構化數據，而生活中採集的大多數數據是非結構化的數據，這就對數據分析和處理過程產生很大的影響。MapReduce計算並不能解決大數據處理的所有問題，需要更深層次的研究，解決數據處理的局限性。
（2）數據安全和隱私問題。
伴隨著海量數據的採集和處理，數據的安全和數據的隱私問題應運而生。如何能夠保障被採集數據的安全性、數據本身的隱私保護，都將是今後大數據技術研究的重點問題。現今社會就存在許多用戶數據信息被盜用或者共享公開化等情況，這樣對用戶的人身和財產安全都產生很大的威脅。
（3）政策和法規保障問題。
面對大數據飛速發展的今天，國家缺乏相應監管體系，致使大數據濫用後用戶的個人權益無法得到有效保障，國家應該建立相應的法律體系，對大數據的收集、開發和利用進行嚴格管理，同時對數據的正確使用設置規範和標準，推動大數據發展的規範化、合法化。
大數據技術在人工智慧領域的應用
大數據技術在人工智慧領域的應用廣泛，涉及智慧農業、智慧城市、智慧工業等諸多方面[。
智慧農業，大數據技術結合人工智慧技術，收集海量數據信息進行處理分析，建立起精準農業、農產品流通體系、農業氣象預測、農業環境管理等多個系統，推動農業的生產。智慧農業的提出使得很多技術可以整合使用，通過對土壤數據信息的採集，對土地耕作環境的監控，密切關注著溫度、濕度的變化，並及時反饋監測的數據信息，預測出今後發展的方向。
智慧城市，大數據技術應用於城市建設，建立城市數據信息共享平台，實時監管交通狀況系統、智慧社區服務平台、城市地下排水監控系統等，推動城市智能化管理。智慧城市的格局要以網絡化覆蓋為基礎，涵蓋公共、衛生、交通、社區服務、社會保障等諸多方面，每一個環節都有相應的系統進行建構網絡，然後通過各環節的相互配合去建造智慧城市格局。
智慧工業，大數據技術促進工業「跨尺度、產業鏈、跨界」多源數據融合特點，推動工業化的智能管理和產量提升。工業化的進程在大數據技術的協助下，可以有效進行數據規整，對工業流程數據進行密切監控，確保產品生產環節精確度更高。
當今時代是大數據的時代，大數據的合理使用將推動生產、生活的方方面面。大數據的發展和革新還在不斷地發生改變，與此同時對大數據處理技術的研究也一直從未間斷。然而，目前大數據的研究還處於初級階段，很多技術不夠完善，也存在著諸多問題，面臨著巨大的挑戰。伴隨著智能化時代的來臨，人工智慧與大數據技術的結合將是今後大數據發展研究的重要主題。