計算機在解決各種智能問題上的進步幅度并不大，但是十幾年量的積累，最終促成了質變。
這個時代屬于大數據
簡單地講，當時無論是做語音識別、機器翻譯、圖像識別，還是自然語言理解的學者，分成了界限很明確的兩派，一派堅持采用傳統的人工智能方法解決問題，簡單來講就是模仿人，另一派在倡導數據驅動方法。這兩派在不同的領域力量不一樣，在語音識別和自然語言理解領域，提倡數據驅動的派比較快地占了上風；而在圖像識別和機器翻譯方面，在較長時間里，數據驅動這一派處于下風。
這里面主要的原因是，在圖像識別和機器翻譯領域，過去的數據量非常少，而這種數據的積累非常困難。圖像識別就不用講了，在互聯網出現之前，沒有一個實驗室有上百萬張圖片。在機器翻譯領域，所需要的數據除了一般的文本數據，還需要大量的雙語（甚至是多語種）對照的數據，而在互聯網出現之前，除了《圣經》和少量聯合國文件，再也找不到類似的數據了。
在 20 世紀 90 年代互聯網興起之后，數據的獲取變得非常容易。從 1994 年到 2004 年的 10 年里，語音識別的錯誤率減少了一半，而機器翻譯的準確性提高了一倍，其中 20% 左右的貢獻來自方法的改進，80% 則來自數據量的提升。雖然在每一年，計算機在解決各種智能問題上的進步幅度并不大，但是十幾年量的積累，最終促成了質變。
數據驅動方法從 20 世紀 70 年代開始起步，在八九十年代得到緩慢但穩步的發展。進入 21 世紀后，由于互聯網的出現，使得可用的數據量劇增，數據驅動方法的優勢越來越明顯，最終完成了從量變到質變的飛躍。如今很多需要類似人類智能才能做的事情，計算機已經可以勝任了，這得益于數據量的增加。
全世界各個領域數據不斷向外擴展，漸漸形成了另外一個特點，那就是很多數據開始出現交叉，各個維度的數據從點和線漸漸連成了網，或者說，數據之間的關聯性極大地增強，在這樣的背景下，就出現了大數據。
智能手機和互聯網將繼續改變世界
大數據的時效性其實不是必需的，但是有了時效性可以做到很多過去做不到的事情，城市的智能交通管理便是一個例子。在智能手機和智能汽車（特斯拉等）出現之前，世界上的很多大城市雖然都有交通管理（或者控制）中心，但是它們能夠得到的交通路況信息最快也有 20 分鐘滯后。如果沒有能夠跟蹤足夠多的人出行情況的實時信息的工具，一個城市即使部署再多的采樣觀察點，再頻繁地報告各種交通事故和擁堵的情況，整體交通路況信息的實時性也不會比 2007 年有多大改進。
但是，在能夠定位的智能手機出現后，這種情況得到了根本的改變。由于智能手機足夠普及并且大部分用戶開放了他們的實時位置信息（符合大數據的完備性），德國機房主機 波蘭服務器，使得做地圖服務的公司，比如 Google 或者百度，有可能實時地得到任何一個人口密度較大的城市的人員流動信息，并且根據其流動的速度和所在的位置，很容易區分步行的人群和行進的汽車。
由于收集信息的公司和提供地圖服務的公司是一家，因此從數據采集、數據處理，到信息發布中間的延時微乎其微，所提供的交通路況信息要及時得多。使用過 Google 地圖服務或者百度地圖服務的人，對比六七年前，都很明顯地感到了其中的差別。當然，更及時的信息可以通過分析歷史數據來預測。一些科研小組和公司的研發部門，已經開始利用一個城市交通狀況的歷史數據，結合實時數據，預測一段時間以內（比如一個小時）該城市各條道路可能出現的交通狀況，并且幫助出行者規劃最好的出行路線。
仔細推敲英語中 bigdata 這種說法，我們不得不承認這個提法非常準確，它最重要的是傳遞了一種信息——大數據是一種思維方式的改變。現在的數據量相比過去大了很多，量變帶來了質變，思維方式、做事情的方法就應該和以往有所不同。這其實是幫助我們理解大數據概念的一把鑰匙。在有大數據之前，計算機并不擅長解決需要人類智能來解決的問題，但是今天這些問題換個思路就可以解決了，其核心就是變智能問題為數據問題。由此，全世界開始了新的一輪技術革命——智能革命。
