算法、算力和數據 是人工智能快速發展的三個要素。首先在算法上的突破 才讓人工智能的商業化發展看到了希望。其次 計算能力的提升 使得復雜的算法得以實現 快速得出訓練成果 降低成本。最后 大數據時代為人工智能的訓練學習提供了大量的資料。離開其中任何一樣 人工智能都無法實現大規模商業化應用。

1. 算法

算法是人工智能發展的基礎 現在主要應用的深度學習算法。算法框架中諸如Caffe、TensorFlow、Torch等大多數已經實現了開源 成為大多數工程師的選擇 對行業的加速發展和人才的培養起到了非常大的作用。

全球的開源平臺的成熟 也使得中國企業能夠快速地復制其他地區開發的先進算法。就應用層面而言 中國的算法發展程度與其他國家并無太大差距。事實上 中國在語言識別的人工智能算法上取得了突破性進展 在世界上領先。

2. 算力

計算能力是人工智能的基礎設施之一 因此具有較高的戰略意義。GPU（圖形處理器）強大的并行計算能力顯著提升了計算機的性能 而且降低了成本。英偉達最新的GTX1080游戲顯卡擁有9TFLOPS的浮點性能 但是價格只要700美元。每GFLOPS的算力成本只有8美分。而1961年的IBM1620要提供1 GFLOPS的算力 費用大概是9萬億美分。

在算力部門 英偉達、英特爾和AMD這全球最大的三家芯片供應商 負責提供GPU和CPU。硅谷也在針對性發展FPGU（現場可編程門陣列）和ASIC（專用集成電路） 應用于人工智能計算。云計算和超級計算機也在為人工智能的發展提供服務。

3. 數據

人工智能系統必須通過大量的數據來“訓練”自己 才能不斷提升輸出結果的質量。擁有的高質量數據越多 神經網絡就會變得越有效率。

人工智能的根基是訓練 就如同人類如果要獲取一定的技能 那必須經過不斷地訓練才能獲得 而且有熟能生巧之說。AI也是如此 只有經過大量的訓練 神經網絡才能總結出規律 應用到新的樣本上。如果現實中出現了訓練集中從未有過的場景 則網絡會基本處于瞎猜狀態 正確率可想而知。比如需要識別勺子 但訓練集中勺子總和碗一起出現 網絡很可能學到的是碗的特征 如果新的圖片只有碗 沒有勺子 依然很可能被分類為勺子。因此 對于AI而言 大量的數據太重要了 而且需要覆蓋各種可能的場景 這樣才能得到一個表現良好的模型 看起來更智能。責任編輯：YYX