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。
领取专属 10元无门槛券
私享最新 技术干货