现代人工智能的技术驱动因素、体系及回顾总结

除了新概念方法、理论和模型的进步，人工智能发展还有其他一些重要的技术驱动力。下面列举了一些主要的例子：

数据集的爆炸式增长：互联网已经成为人工智能的一个主要推动因素，因为它允许大量数据集的创建、分享、传播。后续文章航，我们还将专门审视数据是如何改变和推动人工智能技术的。基础设施：在过去15年左右的时间里，对人工智能最重要的公司可能是谷歌。为了跟上网络索引惊人的增长速度，该公司不得不想出创造性的方法来构建可扩展的系统，从而在服务器集群、虚拟化和开源软件方面进行了开拓性的创新。谷歌也是深度学习的早期采用者之一，2011年推出了“谷歌Brain”项目。对了，随后几年后公司雇佣了欣顿。（是的，我们还有“百度大脑”）GPU(图形处理单元)：这种芯片技术由英伟达(NVIDIA)首创，最初用于游戏中的高速图形处理。随后，GPU的架构最终成为人工智能的理想选择。请注意，大多数深度学习研究都是用这些芯片完成的。原因是，GPU使用并行处理，其速度要比传统CPU快好几倍。这意味着计算一个模型可能只需要一两天，而不是传统的几周甚至几个月。所有这些因素都在不断迭代强化，并为人工智能的发展提供了动力。更重要的是，这些因素很可能在未来许多年里继续保持活跃。

人工智能的体系

虽然我们在近期的文章中讨论了许多关于人工智能的概念，人们对人工智能的组织结构还是难以全面理解，如机器学习和深度学习这类术语经常会混淆。然而，理解这些术语区别是至关重要的，我们将在后续文章详细讨论这些区别。但从高层次的角度来看，下图显示了相互关联的人工智能主要元素。最重要的是人工智能涵盖了各种各样的理论和技术，我们可以把它分成两大类：机器学习和深度学习。

人工智能主要组成部分

回顾总结

人工智能成为今天的流行词并不是什么新鲜事。这个词经历了各种跌沓起伏的盛衰周期。谁能肯定他它不会再次失宠？

诚然，它可能再次失宠？但这一次，人工智能方面的真正创新正在改变企业，像百度、讯飞和华为这样的大型科技公司都将这一领域列为优先考虑的领域。总而言之，人工智能将继续发展并改变我们的世界，这似乎是一个不错的前景。

本文是人工智能短文的第七篇。在这些文章中，我们回顾了人工智能的缘起、发展兴衰及技术变迁，下面是一些对过往文章的小结，也是对人工智能过往发展的一个回顾。读史鉴今，在技术领域也被奉若圭臬。总结的基础上，不断推动人工智能和工业、农业及生活的融合，迎来人工智能的盛夏。

技术发展所需的时间往往比最初所理解的要长。人工智能不仅仅与计算机科学和数学有关。经济学、神经科学、心理学、语言学、电气工程、数学和哲学等领域都对其发展都有重要贡献。有两种主要类型的人工智能：弱人工智能和强人工智能。强人工智能使机器有自我意识；而弱人工智能是专注于特定任务的系统，如语音识别、人脸识别等等。目前，人工智能处于弱人工智能阶段。图灵测试是测试机器是否会思考的常用方法。它是基于某人（评价主体）是否真的认为一个系统（测试目标）是智能的。人工智能的一些关键驱动力包括欣顿等研究人员提出的新理论、数据的爆炸式增长、新技术基础设施和GPU。

*文章来源于网络，如有侵权请联系本网站*