Excel 表格突然变成 AI？深入数据库 (SQL) 的人工智能故事

试想一下，如果平日里用于管理公司销售额或库存的死板数据库表格，突然有一天开始对你说：“老板，预计明天的销售额是这么多”，或者精准地猜出顾客的偏好，会怎样？通常我们认为，要使用 AI，必须将数据从数据库中提取出来，转移到像 Python 这样专业的编程环境中。但最近在开发者中，出现了一个非常有趣的挑战：“何不直接在存储数据的地方 (SQL) 运行 AI，而无需移动数据呢？”

这为什么重要？

在数据流经的路径上植入 AI，就像“在工厂制造产品的同时完成质量检查”。通常情况下，从数据库中提取数据并将其发送到外部 AI 模型的过程会耗费时间和成本。但如果在 SQL Server 等环境内直接进行预测，就能减少复杂的数据传输过程，从而更快速、高效地分析数据 出处: SQL Server Downloads – SQL Server Central。

用我们的日常生活类比，就像智能手机相册应用无需连接云端服务器，就能直接在手机本地识别出人物照片一样，这种便利性同样可以应用于数据管理工作中。由于不需要将数据提取出来，速度更快，安全性问题也会大大减少。

浅显易懂：神经网络是“微型过滤器”的网络

那么，在 SQL 中运行的这个“神经网络 (Neural Network)”究竟是什么呢？虽然技术术语听起来很难，但如果打个比方，神经网络可以被比作“相互交换信息并进行学习的数万个微型过滤器”。

1. 神经元 (Neuron) 的连接：神经网络由被称为“神经元”的简单单位像网状结构一样紧密连接而成。它们相互发送信号，执行非常复杂的任务 出处: Neural network - Wikipedia。
2. 模仿大脑的结构：这一结构灵感来源于人类大脑处理信息的方式 出处: Neural Network from Scratch. In this article I’ll implement a neural。正如我们看到物体时大脑的多个部位同时反应从而识别出“这是苹果”一样，神经网络也是通过神经元合力解决问题。

3. 权重与层 (Layer)：神经网络是将简单的神经元层层堆叠而成的形式。接收数据后，利用每个神经元所拥有的“权重（重要度）”和“偏置（基准值）”进行学习。简单来说，就是每当信息通过时，微型过滤器们会对各自的信息进行修整、过滤和学习，最终得出“这是什么？”的结果 [出处: What Is a Neural Network?

   IBM](https://www.ibm.com/think/topics/neural-networks)。

这就是人们试图用我们整理数据时使用的 SQL 语言来实现这一复杂过程。这超越了利用 Excel 函数功能进行简单计算的水平，而是让数据库本身能够观察数据并识别模式。

现状

未来会怎样？

未来，数据库管理员或许不仅是整理数据的人，还将成为“在数据库中培育 AI 的人”。因为在数据停留的最安全、最深处获取即时洞察，正是数据管理的未来。你们所使用的系统，也许有一天也会在后台默默地学习数据，并给出更智能的答案。

MindTickleBytes 的 AI 记者视角

如果传统的存储介质——数据库也能兼具 AI 的大脑，那么数据传输时产生的瓶颈现象将会消失。将古典工具 SQL 与现代神经网络技术相结合，是展示 AI 如何能更贴近、更自然地渗透到我们身边的绝佳案例。即便不经过复杂的外部 AI 模型，数据库本身也变得“聪明起来的时代”已经加速到来。

参考资料

1. Neural network - Wikipedia
2. SQL Server Downloads – SQL Server Central

3. [ShowHN: I implemented a RNN from scratch by…

   Hacker News](https://news.ycombinator.com/item?id=44879741)

4. Neural Network from Scratch. In this article I’ll implement a neural

5. [What Is a Neural Network?

   IBM](https://www.ibm.com/think/topics/neural-networks)