AI应用现状

1 人工智能三要素
2 计算力的增长
3 海量数据的积累
- 3.1 大数据和人工智能的关系
- 3.2 大数据助力人工智能发展
  - 3.2.1 围棋程序AlphaGo
  - 3.2.2 人工智能安防系统
4 算法的进步和优化
- 4.1 拓展：深度学习
- 4.2 实践任务：了解常用开源平台

人工智能三要素

人工智能有三要素：数据、算力、算法。

人工智能高速发展主要取决于以下三个原因：一、计算力的增长；二、海量数据的积累；三、算法的进步和优化。

视频：https://weibo.com/tv/v/GAetrrtwi

计算力的增长

计算能力的限制曾经是人工智能研究跌入低谷的原因。随着摩尔定律的发展，计算能力逐步得到解放。

CPU 性能飞速提升，被最初用来训练深度学习。

拥有出色的浮点计算性能的 GPU 更适合做深度学习训练。

什么是CPU和GPU

视频：https://jingyan.baidu.com/article/e5c39bf5ea3e3639d76033cc.html

CPU和GPU的对比

GPU 相比 CPU 拥有更高的训练速度

批处理大小	CPU 训练时间	GPU 训练时间	GPU 加速
64 images	64s	7.5s	8.5x
128 images	124s	14.5s	8.5x
256 images	257s	28.5s	9.0x

为什么用GPU训练深度神经网络？

视频：https://www.bilibili.com/video/av79958156/

未来人工智能芯片的应用大体有两个方向：其一是用于云端服务器的的芯片，其二是用于终端（例如手机及其他智能硬件）的人工智能芯片。

拓展：什么是FPGA

基于FPGA 的半定制化芯片

FPGA（Field－Programmable Gate Array），即现场可编程门阵列，是一种半定制的集成电路，百度就采用了 FPGA 打造百度大脑专用 AI 芯片。

全定制化 ASIC 芯片

ASIC（Application Specific Integrated Circuit）即专用集成电路，是指应特定用户要求和特定电子系统的需要而设计、制造的集成电路。

海量数据的积累

数据是限制人工智能爆发的又一因素。在大数据这个概念出现之前计算机并不能很好的解决需要人去做判别的一些问题。人工智能是用大量的数据作导向，让需要机器来做判别的问题最终转化为数据问题。

随着移动互联网的爆发，数据量呈现出指数级的增长，大数据的积累为人工智能提供了基础支撑。

大数据主要包括采集与预处理、存储与管理、分析与加工、可视化计算及数据安全等，具备数据规模不断扩大、种类繁多、产生速度快、处理能力要求高、时效性强、可靠性要求严格、价值大但密度较低等特点，为人工智能提供丰富的数据积累和训练资源。

大数据：https://haokan.baidu.com/v?vid=15078611043962215251&pd=bjh&fr=bjhauthor&type=video

大数据和人工智能的关系

中国正在说：周涛教授阐述大数据与人工智能之间的关系

大数据助力人工智能发展

围棋程序AlphaGo

谷歌的围棋程序AlphaGo已经达到了人类围棋选手无法达到的境界，没有人可以与之竞争，这是因为AlphaGo在不断进行学习。AlphaGo不但从人员专业选手以往的数百万份棋谱中学习，还可以从自己和自己的对弈棋谱中学习。

人工智能安防系统

基于大数据的深度学习到底如何在现实生活中发挥作用呢？一个非常好的例子是，计算机可以通过预先学习成千上万张脱敏的人脸图片，掌握认识和分辨人脸的基本规律。然后，计算机可以记住全国所有通缉犯的长相。没有一个单独的人类警察可以做到这一点。这样一来，全国的安防系统只要接入了这套会识别通缉犯相貌的计算机程序，通缉犯在公共场合一露面，计算机就可以通过监控摄像头采集的图像将通缉犯辨认出来。大数据和深度学习一起，可以完成以前也许需要数万名人类警察才能完成的任务

任何拥有大数据的领域，我们都可以找到深度学习一展身手的空间，都可以做出高质量的人工智能应用。任何有大数据的领域，在合法合规的前提下，都有创业的机会。

视频：首次实测媒体见面会：大数据+人工智能 “秒级”筛查多种肺部疾病

阅读：李开复AI五讲｜人工智能需要什么样的大数据？

http://finance.sina.com.cn/roll/2019-08-28/doc-ihytcern4077904.shtml