|
随着我国社会经济发展水平的提升，人工智能的技术运用的越来越熟练，智能推送等应用已经悄无声息的渗透到了我们的生活之中，今天我们就来聊一聊，人工智能的三大要素。 人工智能核心技术就是算法与算力，即“智”与“能”。算法决定了人工智能的智力高低，它是未来智力比拼的关键；算力即运算速度，它决定了AI的能力大小。算法算力综合起来就最终决定了AI的智能水平，并由此带来整个社会、经济、军事、科技上的巨大变革。 1.数据 实现人工智能的首要因素是数据，数据是一切智慧物体的学习资源，没有了数据，任何智慧体都很难学习到知识。 上世纪70年代初，美国康奈尔大学贾里尼克教授在做语音识别研究时另辟蹊径，换了个角度思考问题：他将大量的数据输入计算机里，让计算机进行快速的匹配，通过大数据来提高语音识别率。于是复杂的智能问题转换成了简单的统计问题，处理统计数据正是计算机的强项。从此，学术界开始意识到，让计算机获得智能的钥匙其实是大数据。 当前时代，无时无刻不在产生数据（包括语音、文本、影像等等），AI产业的高速发展催生了垂直领域的大量数据需求。这些大数据需要进行大量的预处理过程（特征化、标量化、向量化），处理后的数据才能为人工智能算法所用。 2.算法 AI算法是数据驱动型算法，是AI背后的推动力量。主流的算法主要分为传统的机器学习算法和神经网络算法，目前神经网络算法因为深度学习的快速发展而达到了高潮。 当前最具代表性的深度学习算法模型有深度神经网络（简称DNN）、循环神经网络（简称RNN）、卷积神经网络（简称CNN）。DNN和RNN就是深度学习的基础。 DNN内部的神经网络层可以分为三类，输入层、隐藏层和输出层。一般来说第一层是输入层，最后一层是输出层，而中间的层数都是隐藏层。DNN可以理解为有很多隐藏层的神经网络，是非常庞大的系统，训练出来需要很多数据、很强的算力进行支撑。 3.算力 算力的字面意思，大家都懂，就是计算能力（Computing Power）。是算法与数据的支撑。 更具体来说，算力是通过对信息数据进行处理，实现目标结果输出的计算能力。 在AI技术当中，算力是算法和数据的基础设施，它支撑着算法和数据，进而影响人工智能的发展。 算力的大小代表了数据处理能力的强弱。 二十年前，一个机器人，当时是用32个CPU, 达到120MHz 的速度。现在的人工智能系统使用的是成百上千个 算力卡来提升的计算能力。这大大增强了处理学习或智力的能力。这使得处理学习或者智能的能力得到比较大的增强。以前CPU要一个月才能出结果，然后再调整参数，一年只能调整12次，也就是12次迭代。算力卡产生后大幅提升了计算量，现在用 算力卡 可以一天就出结果，这样可以迭代的更快，这是技术大幅发展的条件。
| 
