圖靈博士既沒有講計算機怎樣才能獲得智能，也沒有提出什么解決復雜問題的智能方法婶博，
而只是提出了一種驗證機器有無智能的判別方法（真是絕妙Ｎ酱）
在人工智能1.0時代驹闰，科學家致力于解決‘讓機器像人一樣思考來獲得智能’，
但是現(xiàn)在幾乎所有的科學家都不再堅持這種說法皿桑，而是回到圖靈博士描述機器智能的原點毫目，
“讓機器能夠解決人腦所能解決的問題“，而不在于是否采用和人一樣的方法诲侮。
很顯然镀虐，答案就是‘數(shù)據(jù)驅動’，讓機器能夠不斷的學習沟绪，成長來達成刮便。
那么什么樣的數(shù)據(jù)才能算得上大數(shù)據(jù)呢？它有以下幾個特征（3V）
大量（Vast）绽慈，多樣性（Variety）恨旱，及時性（Velocity）。
（注：并非所有數(shù)據(jù)都必須是及時的久信，Variety也可解為‘多維度’）
除了國際象棋窖杀、圍棋等專業(yè)領域，我們以‘讓計算機回答復雜問題’為例來說明機器如何另辟蹊徑來完成目標的裙士。
（比如入客，天空為什么是藍色的？）
Google的思路就是‘將這個智能問題變成一個大數(shù)據(jù)問題’腿椎，解法如下：
第一步桌硫，通過研究發(fā)現(xiàn)，大約70%~80%的復雜問題啃炸，其實在Google第一頁搜索的結果中都有答案
第二步铆隘，把問題和網(wǎng)頁中的每一句話一一匹配，挑出那些可能是答案的片段
第三步南用，利用自然語言處理技術膀钠，將挑出的答案片段合成為完成的自然段落
下棋也好，回答問題也好裹虫，都體現(xiàn)出大數(shù)據(jù)對機器智能的決定性作用肿嘲。機器獲得智能的方法不是和我們
一樣靠推理，而更多的是利用大數(shù)據(jù)筑公，從數(shù)據(jù)中學習獲得信息和知識雳窟。變智能問題為數(shù)據(jù)問題。
