在《英国发展人工智能产业》中对于大数据和人工智能的关系，用一句话进行了简要概括：数据是为了开发人工智能，人工智能是为了管理数据(“Data for developing AI, Al for managing data”)。该报告指出正是数据的快速增长催生了人工智能，获取大量数据和特定数据是成功训练机器学习算法的关键。在有关机器学习的报告中，英国皇家学会指出，如果要在一个行业中使用人工智能，必须使用与该行业相关的数据来培训人工智能。如果缺乏相关性和高质量的数据，人工智能将无法得到发展。若训练数据的可用性增加，人工智能算法的准确性也会相应提高。日益增加的数据量使得人工智能变得尤为必要，有些部门的数据量已经大到只有人工智能有能力处理其数量和复杂性。

      在过去，人工智能由于处理器速度慢、数据量小而不能很好地工作。今天，大数据为人工智能提供了海量的数据，使得人工智能技术有了长足的发展，能够实现计算机数据信息分类存储目标，扩展数据信息存储容量，全面提升计算机网络系统的活跃性。通过人工智能技术，可以确定系统思维模式，单独处理信息，同时密切监测系统情况。

      大数据还可以从感知、认知层面分别促进人工智能的发展。首先，大数据能完善智能感知。大数据技术可以尽可能收集足够的感知数据，更好地还原真实世界。

      例如在智能交通系统中，数据采集系统需要实时对车辆状态、路面情况、周边静态与动态环境等进行感知，并随时与管理控制端通信。离开这些数据的采集，智能交通系统将无法发挥其作用。

      其次，大数据能够提高智能系统的认知水平。深度学习的实质，是通过构建具有很多隐层的机器学习模型和海量的训练数据，来学习更有用的特征。随着数据量的增多，机器分类或预测的准确性也会越高。

2.弊端

基于大数据发展人工智能能够带来很多红利，但同时也存在负面影响。李开复在演讲中谈到，大数据一体化是发展人工智能技术的必要条件，但同时他也指出，大数据和人工智能的结合可能威胁到信息流通和社会公平，并通过剑桥分析(Cambridge Analytica,CA)公司的例子来说明。2016年美国大选中，CA公司以人工智能技术为基础，使用一套软件系统来分析和引导舆论以达到操纵选举的目的。这套智能系统自动收集互联网上大量的选举信息并对其分析，综合评估两位总统候选人在民间的满意度，并向目标用户投放舆论信息等，以提高该公司支持的候选人的投票率。通过这类智能系统引导的选举在某种程度上可能是有失公平的，所以基于大数据的人工智能是存在风险的。