普通人如何站在时代风口学好AI？这是我看过最好的答案

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~