91麻豆精品在线观看_一级做性色a爰片久久毛片免费_zzijzzij亚洲日本少妇jizjiz_国产日产欧美欧韩在线_日本高清在线www3344

AlphaGo 戰(zhàn)勝人類冠軍，人工智能再次成為世界焦點(diǎn)。由于棋類游戲通常被認(rèn)為是 人類智慧的濃縮，可作為檢驗(yàn)智力程度的試金石，AlphaGo 戰(zhàn)勝曾獲得世界冠軍的人類 九段圍棋高手李世石，是歷史上第一次機(jī)器在最高難度的棋類項(xiàng)目——圍棋上戰(zhàn)勝了人 類，繼 IBM 超級(jí)計(jì)算機(jī)深藍(lán)后，人工智能再次成為世界焦點(diǎn)。

　　AlphaGo 核心系統(tǒng)主要為值網(wǎng)絡(luò)、策略網(wǎng)絡(luò)、蒙特卡洛搜索樹等，其使用蒙特卡洛 樹搜索（Monte Carlo tree search），借助值網(wǎng)絡(luò)（value network）與策略網(wǎng)絡(luò)（policy network）兩種深度神經(jīng)網(wǎng)絡(luò)，通過值網(wǎng)絡(luò)來評(píng)估大量選點(diǎn)，策略網(wǎng)絡(luò)選擇落點(diǎn)。

　　人工智能發(fā)展歷史和理論派別

　　1956 年在 Dartmouth 會(huì)議上，第一次提出了“人工智能”這個(gè)詞，至今為止已有 60 年，今天的技術(shù)井噴來源于六十多年的持續(xù)前進(jìn)。

　　人工智能簡(jiǎn)單講即是由機(jī)器來仿真或模擬人智能的系統(tǒng)，其研究包含了推理、規(guī)劃、 學(xué)習(xí)、交流、感知、移動(dòng)、操作等，目前對(duì)其智能級(jí)別歸納為感知、決策、反饋三個(gè)層 次。

     一、人工智能發(fā)展歷史分析

       繼潛水艇、汽車、飛機(jī)等模仿生物的發(fā)明誕生后，人類開始研究模仿大腦思維運(yùn)作 的機(jī)器——即計(jì)算機(jī)，而計(jì)算機(jī)科學(xué)的發(fā)展促成了人工智能。1950 年，阿蘭.圖靈以“圖 靈測(cè)試”來判定計(jì)算機(jī)是否智能，即如果一個(gè)機(jī)器能夠與人類對(duì)話而不被發(fā)現(xiàn)是機(jī)器身 份，那么這個(gè)機(jī)器具備智能。

       人工智能第一次浪潮在 1956 年—1974 年，達(dá)特茅斯會(huì)議推動(dòng)了第一次人工智能浪 潮出現(xiàn)，當(dāng)時(shí)出現(xiàn)了增強(qiáng)學(xué)習(xí)的雛形、第一個(gè)計(jì)算機(jī)神經(jīng)網(wǎng)絡(luò)—感知器（深度學(xué)習(xí)模型）、 第一個(gè)能夠模擬人活動(dòng)的機(jī)器人 Robot C。

       20 世紀(jì) 70 年代末，神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)由于理論缺失和計(jì)算機(jī)有限的內(nèi)存及處理速度， 發(fā)展陷入低潮期。直到 20 世紀(jì) 80 年代中期，MLP（多層感知器）、ID3 算法（決策樹算 法）等各種算法的提出并應(yīng)用到實(shí)際，機(jī)器學(xué)習(xí)開始復(fù)蘇。

       第二次浪潮在 1990s-2000s, 新理論、新理念、摩爾定律都使 AI 迎來曙光。

       進(jìn)入二十一世紀(jì)，至今人工智能迎來第三次浪潮，機(jī)器學(xué)習(xí)大大放光芒。2006 年， 機(jī)器學(xué)習(xí)領(lǐng)域的泰斗 Hinton 和他的學(xué)生 Salakhutdinov在《 Scince》上 發(fā)表了一篇文章， 開啟了深度學(xué)習(xí)的熱潮。前期監(jiān)督深度學(xué)習(xí)算法的理論研究和工程化的成熟，計(jì)算機(jī)運(yùn) 算能力大幅提升，云計(jì)算、大數(shù)據(jù)、移動(dòng)互聯(lián)網(wǎng)融合推動(dòng)了人工智能加速發(fā)展。

       當(dāng)前，人工智能已在眾多方面取得了突破性進(jìn)展：機(jī)器學(xué)習(xí)進(jìn)入增強(qiáng)學(xué)習(xí)算法階段 （從任意初始狀態(tài)開始，機(jī)器與外部環(huán)境持續(xù)交互，通過不斷試錯(cuò)和累積回報(bào)來“學(xué)習(xí)” 最佳策略）、機(jī)器語音識(shí)別形成產(chǎn)業(yè)鏈、視覺識(shí)別逼近奇點(diǎn)、情感算法進(jìn)入新階段、神經(jīng) 元芯片取得關(guān)鍵性成功等。

       相關(guān)報(bào)告：智研咨詢發(fā)布的《2017-2022年中國人工智能市場(chǎng)分析預(yù)測(cè)及發(fā)展趨勢(shì)研究報(bào)告》

       二、人工智能三大理論派別                                      

       人工智能理論領(lǐng)域呈現(xiàn)三足鼎立的局面，分別為聯(lián)結(jié)主義、符號(hào)主義、行為主義。 符號(hào)主義注重人腦的抽象思維特性，聯(lián)結(jié)主義講究模仿人的形象思維特性，行為主義強(qiáng) 調(diào)人類智能的行為特性及其進(jìn)化過程，三大學(xué)派各有所長。

人工智能三大理論派別 

       目前發(fā)展最火的是深度學(xué)習(xí)，深度神經(jīng)網(wǎng)絡(luò)，屬于聯(lián)結(jié)主義；符號(hào)主義代表成就是 上個(gè)世紀(jì)的專家系統(tǒng)，機(jī)器人控制則屬于行為主義的領(lǐng)域。

       人工智能感知、計(jì)算、學(xué)習(xí)技術(shù)變革

       人工智能致力于用機(jī)器模擬人類行為，實(shí)現(xiàn)人類智慧才能實(shí)現(xiàn)的事情。人類的發(fā)展 在其一步步通過工具拓展自身，人工智能的發(fā)展亦是如此

       2020 年有 500 億個(gè)連接設(shè)備

全球運(yùn)動(dòng)檢測(cè)傳感器市場(chǎng) 

       二、云計(jì)算和大規(guī)模 GPU 并行計(jì)算是深度學(xué)習(xí)進(jìn)一步發(fā)展的運(yùn)算能力基礎(chǔ)。

       人工智能進(jìn)行深度學(xué)習(xí)需要將數(shù)以萬計(jì)的圖片、聲音視頻收集存儲(chǔ)起來，收集數(shù)據(jù)、 查詢數(shù)據(jù)、處理數(shù)據(jù)的數(shù)億次運(yùn)作需要強(qiáng)大的計(jì)算能力。

       云計(jì)算以整合、共享和動(dòng)態(tài)的硬件設(shè)備供應(yīng)來實(shí)現(xiàn) IT 投資的利用率最大化， GPU、 TPU 的加入，讓人工智能享受了計(jì)算性能的大步提升。

       從 CPU 計(jì)算，到 GPU（Graphic Processing Unit）、 FPGA（現(xiàn)場(chǎng)可變成門陣列）、TPU （Tensor Processing Unit）等超速處理硬件發(fā)展起來后，硬件密集計(jì)算能力升級(jí)換代。

       CPU 遵循馮諾依曼架構(gòu)，核心是存儲(chǔ)程序，順序執(zhí)行，在更大規(guī)模和更快速度的運(yùn) 行上效率不高。

       GPU 內(nèi)部結(jié)構(gòu)控制相對(duì)較為簡(jiǎn)單，對(duì) cache 需求較少，可針對(duì)密集的、高并行的計(jì) 算，其單位面積擁有的處理單元更高，更擅長圖像并行計(jì)算。

       FPGA 是一種半定制集成電路，通過可編輯的連接，可以將 FPGA 內(nèi)部的邏輯塊連接 起來，其運(yùn)行速度相對(duì)較慢，但是成本較低。

       TPU（Tensor Processing Unit）微軟為機(jī)器學(xué)習(xí)定制的芯片，效能更高，已應(yīng)用在 “google 街景”提高地圖與導(dǎo)航的準(zhǔn)確性以及 AlphaGo 的硬件平臺(tái)，未來將應(yīng)用在更多 人工智能平臺(tái)上。

       三、按照機(jī)器學(xué)習(xí)模型的層次結(jié)構(gòu)可分為淺層學(xué)習(xí)和深度學(xué)習(xí)。

       淺層學(xué)習(xí)模型包含不超過一層或兩層的非線性特征變換，包括獲取數(shù)據(jù)、特征表達(dá) 和機(jī)器學(xué)習(xí)部分。深度學(xué)習(xí)對(duì)疊多個(gè)層次，其特征學(xué)習(xí)能力更為優(yōu)異，通過構(gòu)建具有很多隱層的機(jī)器學(xué)習(xí)模型和海量的訓(xùn)練數(shù)據(jù)，學(xué)習(xí)更有用的特征。

淺層學(xué)習(xí)和深度學(xué)習(xí)的結(jié)構(gòu)區(qū)別

淺層學(xué)習(xí)和深度學(xué)習(xí)的結(jié)構(gòu)區(qū)別 

       面對(duì)海量數(shù)據(jù)，深度學(xué)習(xí)算法區(qū)別于傳統(tǒng)算法的標(biāo)記學(xué)習(xí)和有監(jiān)督學(xué)習(xí)（即必須人 為干預(yù)對(duì)樣本進(jìn)行標(biāo)注才能讓機(jī)器學(xué)會(huì)如何識(shí)別特定對(duì)象），采用從未標(biāo)記的數(shù)據(jù)開始學(xué) 習(xí)，通過訓(xùn)練自行掌握概念，最后輸出結(jié)果隨著數(shù)據(jù)處理量的增加而更加準(zhǔn)確。深度學(xué) 習(xí)能讓機(jī)器具備自主學(xué)習(xí)的能力，從而真正意義上引爆了機(jī)器學(xué)習(xí)的浪潮。

       產(chǎn)業(yè)鏈完備，期待商業(yè)價(jià)值落地

       AI 產(chǎn)業(yè)層鏈可分為基礎(chǔ)層、技術(shù)層、行業(yè)應(yīng)用層。

       基礎(chǔ)層包括芯片、傳感器、存儲(chǔ)設(shè)備等硬件及大數(shù)據(jù)資源；技術(shù)層包括機(jī)器學(xué)習(xí)、 自然語言處理、計(jì)算機(jī)視覺等；應(yīng)用層主要分布在金融、醫(yī)療、安防、教育等領(lǐng)域。