干货满满的AI技术学习总结

导读：人工智能作为新一轮产业变革的核心驱动力，将催生新的技术、产品、产业、业态、模式，从而引发经济结构的重大变革，实现社会生产力的整体提升。 人工智能大家已经耳熟能详，但在分享相关技术文章之前，还是跟大家简单介绍下其技术现状，旨在勾起读者的兴趣。包括生态、芯片、计算处理架构、国际化标准等。 麦肯锡预计，到2025 年全球人工智能应用市场规模总值将达到1270 亿美元，人工智能将是众多智能产业发展的突破点。通过对人工智能产业分布进行梳理，提出了人工智能产业生态图，主要分为核心业态、关联业态、衍生业态三个层次。

智能芯片从应用角度可以分为训练和推理两种类型。从部署场景来看，可以分为云端和设备端两步大类。训练过程由于涉及海量的训练数据和复杂的深度神经网络结构，需要庞大的计算规模，主要使用智能芯片集群来完成。与训练的计算量相比，推理的计算量较少，但仍然涉及大量的矩阵运算。目前，训练和推理通常都在云端实现，只有对实时性要求很高的设备会交由设备端进行处理。 按技术架构来看，智能芯片可以分为通用类芯片(CPU、GPU、FPGA)、基于FPGA 的半定制化芯片、全定制化ASIC 芯片、类脑计算芯片(IBM TrueNorth)。另外，主要的人工智能处理器还有DPU、BPU、NPU、EPU 等适用于不同场景和功能的人工智能芯片。 面对海量的数据处理、复杂的知识推理，常规的单机计算模式已经不能支撑。所以，计算模式必须将巨大的计算任务分成小的单机可以承受的计算任务，即云计算、边缘计算、大数据技术提供了基础的计算框架。

目前流行的分布式计算框架如OpenStack、Hadoop、Storm、Spark、Samza、Bigflow 等。各种开源深度学习框架也层出不穷，其中包括：TensorFlow、Caffe、Keras、CNTK、Torch7、MXNet、Leaf、Theano、DeepLearning4、Lasagne、Neon 等等。

在人工智能数据采集、分析、处理方面的企业主要有两种：一种是数据集提供商，以提供数据为自身主要业务，为需求方提供机器学习等技术所需要的不同领域的数据集。另一种是数据采集、分析、处理综合性厂商，自身拥有获取数据的途径，并对采集到的数据进行分析处理，最终将处理后的结果提供给需求方进行使用。 近年来，在国际标准化组织、国外标准化组织、以及国内标准化组织都在研究人工智能问题，并进行相关技术的标准化工作。

人工智能科学家吴恩达反复强调，“AI is the new electricity” 。今天的人工智能，犹如一百年前的电，正在给人类带来同样巨大，甚至更加精彩的变化。

毋庸置疑，这是一个属于人工智能的时代。人工智能正在渗透到各行各业，并且离我们越来越近，新的时代中，我们应该如何利用好新武器？

极客时间“AI 技术内参”专栏将为你系统剖析人工智能核心技术，精讲人工智能国际顶级学术会议核心论文，解读技术发展前沿与最新研究成果，分享数据科学家以及数据科学团队的养成秘笈。希望能够帮助你在人工智能领域找到最佳学习路径，不断进阶。

洪亮劼有丰富的学术研究和工业界实践经验，这些经验给予他全面、独特的视角，和他一起看懂人工智能，也是这个专栏的初心。

原价199，现在团购只要79，扫描下面二维码即可加入学习。