2018年4月10日和11日，Facebook的创始人兼首席执行官马克-扎克伯格在美国经历了为期两天的国会作证（Cecilia Kang等，"马克-扎克伯格的证词。第2天带来更严厉的质询“, 纽约时报，2018 年 4 月 11 日）。
此次质询是在 Facebook 和 剑桥分析公司剑桥分析公司是一家数据分析咨询公司，该公司在未经所有者同意的情况下，将私人数据分享给了该咨询公司，并将其不当使用。剑桥分析公司随后利用这些数据进行心理分析（如 BBC新闻, “脸书丑闻 "殃及8700万用户'"，2018年4月4日；Brian X. Chen，"我下载了Facebook掌握的关于我的信息。呀。” 纽约时报，2018年4月11日）。在这里，多达8700万用户的私人数据，从联系人到旅行或饮食习惯，通过估计的信仰，被分享和使用。考虑到所涉及的数据数量，我们正在处理被称为大数据的东西，它的存在和使用既让人害怕又让人着迷，当大数据与人工智能（AI）相关联时，更是如此。
在这篇文章中，我们将更详细地讨论这些 "大数据"，重点是它们作为当前人工智能指数式发展背后的关键驱动力和力量，或者更确切地说，是人工智能的一个子领域--深度学习（DL）的扩张背后的驱动力。此前，我们将 "大数据 "确定为六个驱动因素之一，它们不仅是人工智能扩张背后的力量，也因此成为人工智能力量竞争中的赌注（Helene Lavoix, "人工智能--力量、驱动力和赌注" 红色（团队）分析会, 2018年3月26日）。
我们将首先解释为什么大数据是深度学习的一个子领域的驱动力。监督学习。然后，我们将深入研究人工智能所需的这些大数据的特点，以更好地理解我们的驱动力。这将明显地使我们开始设想在新出现的人工智能世界中的影响和利害关系，并显示一个驱动力--大数据--如何也会成为一个利害关系，并带来潜在的地缘政治后果。同时，我们确定了人工智能的两个新驱动力，即想象力和我们试图更好地理解的这个新兴的人工智能世界。我们最后将转向很可能是人工智能的新领域--强化学习，它不需要大数据。因此，大数据可能只是一个暂时的驱动力。
总结
因此，大数据只是人工智能的一个子领域，即SL方法中的DL的发展和扩张的驱动力。相反，除了需要预先训练人工智能代理，特别是在大型数据集没有标记的情况下，大数据并不是人工智能最新和最先进发展的驱动力，而是通过RL的方法。就RL而言，我们需要关注其他的驱动力，特别是架构和算法，如之前所确定的，但也很可能是人类理解和描述规则集的能力，这可能导致我们确定新的驱动力，从而为人工智能的扩展和人工智能的力量，超越这里确定的新驱动力，例如想象力或人工智能世界的出现。
