本港台开奖现场直播 j2开奖直播报码现场
当前位置: 新闻频道 > IT新闻 >

码报:【j2开奖】资源 | 人工智能、深度学习、机器学习有什么区别?DL 应用案例全解析(下载)

时间:2017-03-19 05:28来源:本港台现场报码 作者:j2开奖直播 点击:
【倒计时 9 天, 点击“阅读原文”抢票 】 中国 AI 2017 开年盛典启幕在即,三大亮点不容错过: ① 两会 聚齐 BAT 人工智能技术领袖,洞察中国 AI 军团布局;② 引爆 AI 原力, 现场参

  【倒计时 9 天,点击“阅读原文”抢票中国 AI 2017 开年盛典启幕在即,三大亮点不容错过:① 两会 聚齐 BAT 人工智能技术领袖,洞察中国 AI 军团布局;② 引爆 AI 原力, 现场参与 AI 技术论坛顶牛对撞;③人工智能创业家巨星璀璨,看投资领袖预测 谁将成为中国 AI 独角兽

  【新智元导读】对于希望从战略层面洞察人工智能这一领域的企业领袖来说,insideBIGDATA Guide to Deep Learning & Artificial Intelligence是个有用的新资源。它解释了AI、机器学习以及深度学习区别,审视了AI和HPC的交集,介绍了各个领域中AI和深度学习的精彩应用例,展示了GPU是如何有效地和AI技术结合在一起的。【回复“170318”下载报告全文】

  这是AI的时代。基于AI的产品大量涌入市场,许多著名厂商已经在产品中整合了AI解决方:通用电气推行了AI业务Predix,IBM广告里Watson和Bob Dylan相谈甚欢,CRM巨人Saleforce则发布了智能系统Einstein,用于制订产品和销售策略。

  这些表象的背后是日积月累的努力和数十亿美元的投资。AI大潮席卷了制造业、交通、消费金融、精细农业、医疗医药以及包括公共事业的其他许多领域。

  为什么是现在?

  一个最大的问题也许是:为什么是现在?AI的进步有两个关键因素:1.数据的规模;2.计算能力。

  目前AI进入上升期的主要原因之一是较便宜的计算资源的兴起。像人工神经网络这样的机器学习技术在1980年代和1990年代早期就被广泛使用过,但由于种种原因在90年代后期逐渐淡出人们的视线。最近,神经网络才再次复兴。当初失宠是因为神经网络是非常耗费计算资源的算法。今天,计算机已经变得够快,可以运行大规模的神经网络。从2006年起,神经网络已经用于深度学习方法的实现。现在,随着GPU的使用(GPU原本是10年前设计用来进行游戏的),神经网络开发人员可以用计算机运行深度学习。云和GPU也日益紧密结合,AWS、Azure和Google云目前都为GPU提供了接口。

  AI技术包括:神经网络、LSTM、贝叶斯置信网络等等。神经网络的工作可以分为两大类:训练和推理。通常,训练会耗费更多的计算性能和动力,而推理(之前称为记分)则相反。一般来说,新的训练计算是英伟达GPU的天下,而老的训练计算则由传统的CPU执行。推理计算则由Intel CPU、Xilinx/Altera FPGA、英伟达 GPU以及像Google TPU这样的ASIC、甚至DSP分而治之。

  AI、机器学习和深度学习的区别

  AI、机器学习和深度学习的区别,可以通过下图直观的表示。首先是AI,它涵盖的范围最广,然后是后来兴起的机器学习——它可以看作是AI的子集,最后是深度学习——作为机器学习的子集,它推动了今日AI的勃兴。

  

码报:【j2开奖】资源 | 人工智能、深度学习、机器学习有什么区别?DL 应用案例全解析(下载)

  自从1956年一批计算机科学家在Dartmouth Conferences上提出AI的概念以来,它一直在学术研究实验室里缓慢进化。之后很长一段时间内,AI一会儿被人当作包罗万象的圣杯捧上天,一会儿被当作学术疯狂想象力的代表踩在脚下。直到2012年以前都是如此。

  在过去几年,尤其是从2015年开始,AI的潜能终于开始爆发。这和GPU的使用密切相关,并行处理变得前所未有的迅速、低成本且更有效。极度增长的存储能力和猛增的数据(包括图像、视频、文本、交易、地理数据等等)也是AI爆发的原因。

  顺应这一轨迹,深度学习实现了许多机器学习的应用,并扩展了AI的整体领域。深度学习使得各种机器辅助的梦想都变得真实起来。无人驾驶汽车,更好更有前瞻性的医疗,甚至更聪明的电影推荐,如今都来到人们面前,至少是不再遥远。AI成为了现在和未来的基石。

  AI和HPC的交集

  AI和HPC的交集表明,对于真实世界的应用来说,认知可以以一种实际的方法进行计算。它代表了逻辑处理与数值密集计算的平衡。这是一个商业、工业、政府和学术研究活动密集的领域。AI和深度学习算法与HPC数字密集型统计分析和操作的结合深深地影响了IT行业,影响到人类生活的各个方面。

  最近,百度首席科学家AndrewNg提出了一个问题:“为什么是HPC加快了机器学习和深度学习研究的进展?”他表示,今日AI取得的很多进步是由实验等实际工作推动的。他同时指出,HPC使得研究人员和开发人员工作更加高效,他们得以使用熟悉的“想法?实验(代)?结果(测试)“这一循环更快地迭代实验。以前花费几个星期、几个月甚至几年来完成的实验,现在可以减少到以天计算。

  关于AI和HPC的结合,我们有如下观察:

(责任编辑:本港台直播)

顶一下
(0)
0%
踩一下
(0)
0%
------分隔线----------------------------
栏目列表
推荐内容