摘要:当前,数据、算法、算力的发展突破正推动AI应用的逐步落地。

AI是什么?

根据维基百科的定义,人工智能是一种新的通用目的技术(GPT, General Purpose Technology),它横跨整个人类经济的多种用途,具有巨大技术性互补和溢出效应。

简而言之,AI是21世纪的一种基础技术,它会应用在我们日常生活的方方面面。

AI的历史、现在和未来

早期,受到20世纪数学哲学的影响,诞生出两种流派的人工智能。

基于形式主义(认为所有数学分支都可以公理化的)和逻辑主义(一切数学都是建立在数理逻辑的基础之上)的符号主义的人工智能,以及基于构造主义的连接主义和行为主义人工智能。

早期的流派都认为自己提出的理论有很大的潜力,可以解决很多问题。但在经过一系列探索后,科学爱家发现AI并没有想象中的简单。

之后,AI经历了起起落落的发展阶段。直到2006年,深度学习之父Geoffrey Hinton 和他的学生Ruslan Salakhutdinov在《科学》上发表了一篇文章,提出了深层网络训练中梯度消失问题的解决方案,至此开启了深度学习在学术界和工业界的浪潮。

2012年,Geoffry Hinton又带着团队参加了ImageNet ILSVRC挑战赛,以惊人的优势获胜(错误率比第二名低了足足 10%),这次的比赛结果以及相应的论文拉开了深度学习的热潮。

而深度学习之所以会从2006年后大放异彩,很大一部分的原因是数据、算力的发展,当时的数据集ImageNet的数据量很大,再加上使用GPU训练深度学习网络,这两个突破奠定了深度学习的崛起。

如今,GPU的算力也越来越强,现在的AI发展又是如何呢?

AI应用落地的三驾马车

当前,数据、算法、算力的发展突破正推动AI应用的逐步落地。

1、数据资源丰富

随着物联网基础设施及智能手机、可穿戴设备的普及,我们每个人时刻都在产生大量数据。据IDC发布《数据时代2025》的报告显示,全球每年产生的数据将从2018年的33ZB增长到175ZB,相当于每天产生491EB的数据。

另一方面,大数据等技术,降低了数据处理和存储的成本,数据作为人工智能时代的“石油”,驱动着AI的发展。

2、算法持续突破

在传统深度学习CNN/RNN系列模型之后,强化学习、对抗网络算法模型不断涌现。AI算法逐步逼近人类水平。

自然语言处理(NLP)方面,2018年Google推出的BERT开启了NLP的元年,如今BERT在数据集上的两个指标(GLUE基准:80.4%,MultiNLI准确度:86.7%)全面超越人类。

计算机视觉方面,图像分类的算法很早之前就已超越了人类;动作识别目前精读相对较低,停留在52.5%;人脸识别的某些数据集也已经超越了人类。

语音语义识别方面,中文语音识别准确率达到新高度,中文语音识别字错率(CER)达到3.71%,与人类专业的速记员水平相当。

3、AI芯片释放巨大算力

AI芯片市场细化,推理与训练、云侧与端侧分离,性能持续提升,突破摩尔定律瓶颈,释放ZB级数据分析算力。

NVIDIA的Tesla V100,作为AI训练通用芯片,性能远超上一代P100的10+倍;

Google的TUP3.0是2.0性能的8倍左右;

华为也推出了适用于推理场景的昇腾310以及适用于模型训练的昇腾910。

从早期的CPU、GPU到现在的TPU、ASIC,进入到细分领域后,各种AI专用芯片会层出不穷,性能不断提升,功耗不断降低。

未来,AI是否会超越人类?

当前,一些算法在某些数据集上的准确率已经高于人类,很多人会问:AI是否会超越人类?

如图,首先并不是人类社会的所有问题都是数学问题,有很多问题是不能用数学来描述,黄色圈子内是可以用数学解决的问题。

由此引出了第一个问题:世界上是否所有数学问题都有明确的答案?

答案是有些数学问题是无解的。

第二个问题:如果有明确的答案,是否可以通过有限步骤的计算得到答案?

这就是数学的可计算问题,经过验证,并不是所有数学问题都是可以计算。

接下来是第三个问题:对于那些有可能在有限步骤计算出来的数学问题,能否有一种假想的机械(图灵机),让它不断运动,最后当机器停下来的时候,那个数学问题就解决了?

结果是只有部分问题是图灵机能够解决的。

回答完上面三个问题后,再回看上面那张图,蓝色圈子里面的一个小圆是AI可以解决的问题,最后的小点才是AI已经找到解决方法的问题,只占据非常小的一部分。

所以,我们可以说,在AI已经找到解决方法的问题上,它可能超越了人类,但是在更多的问题上,它是没办法超越的。

那么在某些领域里,AI的准确率既然高于人类,比如图像识别,它可以完全替代人类吗?

如上图所示,左边是正常的原图,中间是干扰数据,让AI预测的是加了干扰数据的右图。我们可以很清楚的辨别左右两组图完全没有区别,但是AI算法做不到,它会把右边的三张图片都判断为鸵鸟。

再来看另一组AI犯错的案例,上面是一些噪点和花纹的数据,但AI有99.6%的概率会将这些图片识别成某种类别的物体。在我们普通人来看,AI有时候会犯一些非常愚蠢的错误。

这时候再回答“未来,AI是否会超越人类?”的问题,答案就是:AI能解决的只是人类社会中很小的一部分问题,即使它能解决,并在统计意义上得到一个还不错的准确率,但它有时还是会犯很愚蠢的错误,AI的预测结果并不是完全可信的,AI不会超越人类,它应该成为人类的工具,使人类社会的生产效率进一步提高。

人工智能入门的三大难点

最后谈谈高校学生,或者是普通开发者学习AI可能会碰到的一些问题,主要有以下三个难点:

一是要学习的基础知识太多,做AI开发涉及到Python编程知识、Linux知识,视觉方面要学图像处理、OpenCV等,同时还要有一定的数学基础。

二是没有GPU机器,自己买GPU做AI训练,成本非常高。

三是碰到问题找不到人进行交流,尤其是非计算机专业的同学学AI会比较难,因为做AI开发不像传统的软件开发那样有非常多的书籍资料和社区可以交流,很多人只能在GitHub上找一些资料来解决学AI过程中的一些问题,能交流的人和圈子都会更少一点。

结语:

幸运的是,华为云提供了一站式AI开发平台ModelArts,可以低门槛、低成本的上手AI,并且提供ModelArts社区、《ModelArts人工智能应用开发指南》等书籍,解决学习AI过程的以上三个难点。而且在1024程序员节这样喜大普奔的日子里,华为云也推出了以“向云而生”为主题的一系列趣味活动和直播,学AI的同时可以集卡牌、抽盲盒,看直播更有超豪华锦鲤大礼包。

备注:本文整理自华为云EI图像算法专家零一老师的直播《开发者如何抓住时代机遇学好AI》,点击可以回看

点击关注,第一时间了解华为云新鲜技术~

普通人如何站在时代风口学好AI?这是我看过最好的答案的更多相关文章

  1. 一个AI产品经理怎么看AI的发展

    一个AI产品经理怎么看AI的发展 https://www.jianshu.com/p/bed6b22ae837 最近一直在思考这个问题,人工智能接下来的几年会有什么样的发展,是否真的能够在很多工作岗位 ...

  2. HDZ城市行深圳站|AIoT时代,如何抓住智联生活的战略机会点?

    摘要:2021年12月24日,HDZ城市行深圳站:AIoT引爆全场景应用新机会(智联生活专场)圆满落幕. 2021年12月24日,HDZ城市行深圳站:AIoT引爆全场景应用新机会(智联生活专场)圆满落 ...

  3. B站英文教学视频的字幕获取 学习必看!

    前言 最近在B站看一些纯英文的课程,视频课程有的是纯中文字幕的,有的是纯英文字幕的.由于英文的重要性,一份字幕的文档在我们观看后,留着日后粗略再读是很有益处的.但是为了得到这个英文字幕走了许多弯路.最 ...

  4. 爬取并分析一下B站的最热视频排行榜,看看大家都喜欢看什么视频

    前言 现在大家的生活中,已经越来越离不开B站了,2020年的第一季度,B站月活跃用户达到了1.72亿,日活跃用户也已经突破了5000万个用户.源源不断的流量让B站的up主们也是粉丝数目不断暴涨,百万粉 ...

  5. 想学好web前端,需要看哪些书籍

    目前市场上HTML.CSS 类别书籍,都是大同小异,在当当网.卓越网搜索一下很多推荐.今天web前端大牛根据自己的经验总结如下:Javascript 的书籍推荐看老外写的,国内很多 Javascrip ...

  6. 互联网时代: 从Uber的供需匹配看开发需求

    每次看电影中的有钱人都有专属司机接送,只要坐在车里,就有人帮忙开车门.提行李及关车门.感觉是非现实的遥远画面,现在却有机会可以在日常生活中成真! 2009年Travis Kalanick及Garret ...

  7. 他被称为"中国第一程序员",微软得不到他曾想毁了他,如今拜入武当修道

    GitHub 15.4k Star 的Java工程师成神之路,不来了解一下吗! GitHub 15.4k Star 的Java工程师成神之路,真的不来了解一下吗! GitHub 15.4k Star ...

  8. 云计算和AI时代,运维应该如何做好转型?

    云计算和AI时代,运维应该如何做好转型? 今天我们来聊一聊,在云计算和AI时代,运维应该如何做好转型?今天的内容可以说是我们前面运维组织架构和协作模式转型的姊妹篇.针对运维转型这个话题,谈谈我的思考和 ...

  9. 花十分钟,让你变成AI产品经理

    花十分钟,让你变成AI产品经理 https://www.jianshu.com/p/eba6a1ca98a4 先说一下你阅读本文可以得到什么.你能得到AI的理论知识框架:你能学习到如何成为一个AI产品 ...

随机推荐

  1. Vue等待父组件异步请求回数据'后'传值子组件

    问题: 让子组件在父组件有哪个数据的时候再渲染, 解决方案: 可以在父组件上加一个判断条件, 举例说明: <a-component :opt="opt" v-if=" ...

  2. docker的使用场景和背景了解

    Docker的使用场景以及优缺点 https://blog.csdn.net/zhangdekui/article/details/81541519 浅析Docker容器的应用场景 https://w ...

  3. Jmeter引用外部jar包的几种方法

    总结记录下jmeter引用外部jar包的3种方法及其优缺点: 一.测试计划中添加目录或jar包到Classpath 操作:测试计划->添加目录或jar包到Classpath-->浏览导入j ...

  4. 有向图的基本算法-Java实现

    有向图 有向图同无向图的区别为每条边带有方向,表明从一个顶点至另一个顶点可达.有向图的算法多依赖深度搜索算法. 本文主要介绍有向图的基本算法,涉及图的表示.可达性.检测环.图的遍历.拓扑排序以及强连通 ...

  5. python基本语法要注意哪些?本文详解!

    基本语法 第一个注释 print("hello,python") # 第二行注释 string_demo = "你好!" string_demo print ( ...

  6. 神经网络全连接层+softmax:

    如下图:(图片来自StackExchange) 强化说明全连接层: 1.通常将网络最后一个全连接层的输入,即上面的x \mathrm{x}x,视为网络从输入数据提取到的特征. 2. 强化说明softm ...

  7. python库之argparse

    先运行一个干净的argparse 由于没有添加任何参数,所以只能用自带的 -h(--help)参数 现在来加一个参数 所以echo为必填项 描述在-h时会出现 type=int指定参数只能是数字,否则 ...

  8. 文档驱动 —— 表单组件(六):基于AntDV的Form表单的封装,目标还是不写代码

    开源代码 https://github.com/naturefwvue/nf-vue3-ant 也不知道大家是怎么写代码的,这里全当抛砖引玉 为何封装? AntDV非常强大,效果也非常漂亮,功能强大, ...

  9. Oracle 11gR2-Win 64bit

    版本:Oracle 11gR2下载地址:http://www.oracle.com/technetwork/database/enterprise-edition/downloads/index.ht ...

  10. P2034 选择数字 / P2627 [USACO11OPEN]Mowing the Lawn G

    Link 题目描述 给定一行 \(n\) 个非负整数 \(a[1]..a[n]\) .现在你可以选择其中若干个数,但不能有超过 \(k\) 个连续的数字被选择.你的任务是使得选出的数字的和最大. 输入 ...