AI（人工智能）: 为什么人工智能现在蓬勃发展？

亦书

现在在这个人工智能测试教程中，让我们了解为什么人工智能现在正在蓬勃发展。

人工智能蓬勃发展

自上世纪九十年代以来，随着Yann LeCun的开创性论文，神经网络已经问世。然而，它在 2012 年左右开始成名。由三个关键因素解释其受欢迎程度是：

硬件

数据

算法

机器学习是一个实验领域，这意味着它需要数据来测试新的想法或方法。随着互联网的蓬勃发展，数据变得更加容易访问。此外，NVIDIA和AMD等巨头公司已经为游戏市场开发了高性能图形芯片。

硬件

在过去的二十年里，CPU的力量呈爆炸式增长，使用户能够在任何笔记本电脑上训练一个小型的深度学习模型。但是，您需要更强大的机器来处理用于计算机视觉或深度学习的深度学习模型。由于NVIDIA和AMD的投资，新一代GPU（图形处理单元）已经问世。这些芯片允许并行计算，机器可以将计算分离到多个 GPU 上以加快计算速度。

例如，使用 NVIDIA TITAN X 时，训练名为 ImageNet 的模型需要两天时间，而传统 CPU 则需要数周时间。此外，大公司使用 GPU 集群使用 NVIDIA Tesla K80 训练深度学习模型，因为它有助于降低数据中心成本并提供更好的性能。

数据

深度学习是模型的结构，而数据是使其生动的流体。数据为人工智能提供动力。没有数据，什么都做不了。最新技术突破了数据存储的界限，在数据中心存储大量数据比以往任何时候都容易。

互联网革命使数据收集和分发可用于为机器学习算法提供数据。如果您熟悉 Flickr、Instagram 或任何其他带有图像的应用程序，您可以猜测它们的 AI 潜力。这些网站上有数以百万计的带有标签的图片。这些图片可以训练神经网络模型来识别图片上的物体，而无需手动收集和标记数据。

人工智能与数据相结合，是新的黄金。数据是一种独特的竞争优势，任何公司都不应忽视，而人工智能可以从您的数据中提供最佳答案。当所有公司都可以拥有相同的技术时，拥有数据的公司将具有竞争优势。举个例子，世界每天创造大约 2.2 EB 或 22 亿 GB。

一家公司需要极其多样化的数据源来找到模式并大量学习。

  

算法

硬件比以往任何时候都更强大，数据很容易访问，但使神经网络更可靠的一件事是开发更准确的算法。初级神经网络是一个简单的乘法矩阵，没有深入的统计属性。自 2010 年以来，在改进神经网络方面取得了非凡的发现。

人工智能使用渐进式学习算法让数据进行编程。这意味着计算机可以自学如何执行不同的任务，比如发现异常，成为聊天机器人。