Eso realmente depende de lo que entiendas por AI y Big Data. En mi humilde opinión, esos dos términos son los nombres más publicitados y abusados en informática. Así que definamos algunos conceptos básicos …
La IA es una colección de métodos utilizados para diseñar agentes que (aprenden a) lograr algún objetivo medible. Los métodos más famosos incluyen: Redes neuronales artificiales y aprendizaje profundo, Algoritmos genéticos (heurística en general), Búsqueda de árboles de Montecarlo y muchos, muchos más.
Big Data es una colección de métodos utilizados para procesar y analizar conjuntos de datos que no se pueden procesar de manera convencional. Una aplicación bien conocida son los sistemas de recomendación (piense en Facebook, YouTube, Spotify).
- Cómo usar la prueba T de Student para la selección de funciones
- ¿Qué significa 'estimación ML o MAP no captura la incertidumbre de los parámetros'?
- ¿Cuál es la diferencia entre Hadoop y Teradata aster?
- ¿Cómo puedo ejecutar una regresión lineal en paralelo?
- ¿Debo escribir el código de Random Forest por mi cuenta o usar implementaciones existentes?
AI y Big Data tienen una cosa en común … Machine Learning.
Si crea un agente de inteligencia artificial con enormes cantidades de datos, aplica Big Data a la inteligencia artificial.
Si diseña un Agente de IA para revisar sus Big Data, entonces aplica AI a Big Data.
No puedo pensar en un ejemplo de lo último … pero lo primero sucede muy a menudo, con un excelente ejemplo de Deep Learning. Aquí hay un artículo interesante (ligeramente técnico) que ofrece un buen alcance del estado del arte (estoy seguro de que puede encontrarlo fácilmente en línea):
