一、AI與數據分析的現狀

AI很厲害，但還不是數據分析師

當我們談到「AI做數據分析」，這聽起來非常高大上。但，AI真的能夠勝任這個工作嗎？實際上，AI雖然能根據「龐大的資料庫」給出答案，但這並不代表它能真正理解我們想要的數據分析結果，尤其是那些需要數學式評估，具有科學精神為背景的數據分析。有關「數據分析」，我將在第六章在專門說明。

AI會數據處理，不是數據分析

目前的AI主要依賴於機器學習和各種演算法來幫助我們處理和分析資料。有些人甚至把數據視覺化當成了一種分析方法。但要知道，數據分析不僅僅是漂亮的圖表或表格，真正的數據分析需要數學模型和統計分析的支撐。

傳統的數據分析方法通常會產出一些數學結果或統計分析的報告。這些方法可能看起來老套，但它們能給出準確的數字計算結果。而現有的AI技術，無法像我們人類一樣做「數字計算」，所以它們更偏向於數據處理而非真正的數據分析。沒有數學公式的AI就像沒有靈魂的空殼。

端到端技術的黑盒問題

現代AI的主流是端到端技術，這種技術試圖簡化整個流程，但也帶來了黑盒問題：我們無法完全了解AI是如何得出結論的。這就是為什麼還有一些科學家從2012年開始，堅持在數學AI領域進行基礎研究。但這樣的基礎研究是漫長且有很多難關需要克服。所以比如陽萌就提出了將兩種方法結合或者對端到端技術進行改良的可能性。

儘管如此，我們在數據分析中遇到的許多難題，或理論上的難題，同樣會在人工智慧發展過程中重現。所以，「數據建模」並不只是簡單地套用數學運算模型，而是要讓數據自己說話，通過數學模型來真正解釋數據的特徵或規律。這就是為什麼端到端技術無法完全解決黑盒問題，甚至可能出現一些繞道的演算法。

沒有數學式結果的AI沒有靈魂

總之，現有的AI在數據分析方面更像是個助理，它能幫助我們處理數據，但還遠不能取代我們對數據的深入理解和分析。AI可以協助，但要真正做到數據分析，我們還需要將人類原本在數學和統計分析過程中所做的步驟或判斷轉為人工智慧來執行，如此才有可能做到AI與數據分析的結合。