人工智能[685]人工智能的三大核心驱动力,分别是大数据算法和超级计算

开通VIP,畅享免费电子书等14项超值服

首页

好书

留言交流

下载APP

联系客服

2024.01.12北京

人工智能[685]

人工智能的三大核心驱动力,分别是大数据、算法和超级计算

人工智能技术和产品已经渗透到我们工作、生活的方方面面。未来,人工智能的发展将主要依靠哪些技术推动呢?大数据、算法、超级计算这三大计算将是人工智能的核心驱动力。

一、人工智能的诞生历程

人工智能概念最早可以追溯到古希腊时期,在火神的故事里就提到过智能机器人与人工生物的概念。可以说,人工智能概念的雏形最早是来自科幻小说和神话故事。1942年,美国科幻巨匠阿西莫夫在其巨作《我,机器人》的引言中提出:“机器人学三大法则”,这三大法则也成为后来学术界默认的研发原则。1950年,英国数学家阿兰?图灵在《思想》杂志上发表了一篇题为《计算机器与智能》的论文。2014年,在英国皇家学会举行的一次图灵测试中,一台来自俄罗斯超级计算机尤金?古斯特曼顺利通过了图灵测试,这是图灵测试提出六十多年来首次有机器通过该测试。这台叫尤金?古斯特曼的超级计算机的33%回答骗过了裁判,让裁判以为和他交流的是人而非机器。1956年,在美国最悠久的世界顶尖学府――达特茅斯学院举行的一次会议上,著名计算机科学家约翰?麦卡锡正式提出“人工智能”一词,并说服与会者接受该词作为本领域的专用名称。这次会议也当做人工智能正式诞生的标志。

二、人工智能的定义

人工智能涉及的学科非常多。比如说计算机科学、脑科学、哲学、心理学、语言学等。学术界目前还没有统一的人工智能定义,不同研究方向的专家对人工智能的理解不一样,定义也有所侧重。目前比较通俗的定义是:人工智能就是用人工的方法在机器上实现的智能,被称为机器智能。

根据人工智能的智能水平,从低到高可以划分为三个层次,第一个层次是计算智能,就是能存会算,各种棋类游戏、专家系统体现的就是计算智能;第二个层次是感知智能,就是能听会说、能看会认,像语音助手、人脸识别、看图搜图和无人驾驶体现的就是感知智能;第三个层次是认知智能,就是能理解会思考,这是人工智能领域专家们正在努力的方向,比如说微软小冰就具有非常初级的理解语意的能力。

三、人工智能的核心驱动力

人工智能有三大核心驱动力,大数据、算法和超级计算。

第一大核心驱动力――大数据

在人类发明的史上,很多发明都是从模仿动物开始,比如说为了实现飞行梦想模仿鸟,历史上有各种关于模仿鸟试图飞行的记载,用这种方法飞行的结果可想而知,肯定都以失败告终。于是,我们把使用这种方法论的人统称为"飞鸟派”,早期研究人工智能的基本上都是"飞鸟派”,因为他们认为计算机要获得智能必须模仿人的思考模式。比如说当时的语音识别研究,几乎所有的专家都把精力投入到教会计算机理解人类的语言上,研究进展缓慢。上世纪七十年代初,美国康奈尔大学有位叫贾里尼克的教授在做语音识别研究时另辟蹊径,换了个角度思考机器语音识别这个问题。将大量的数据输入计算机里,让计算机进行快速的匹配,通过大数据来提高语音识别率。于是复杂的智能问题被转换成了简单的统计问题,处理统计数据正是计算机的强项。从此,学术界开始意识到,让计算机获得智能的钥匙其实是大数据。

什么是数据呢?你可能会认为大数据就是一堆数字组成的,其实数据的范畴比数字大得多,网上所有的信息都可以称为数据,通俗理解,大数据就是用现有的一般技术难以管理的大量数据的集合。

大数据有三大特征:体量大、多维度、全面性。

第三个特征就是全面性。2016年,特朗普当选美国总统让很多人感到意外,特朗普的当选甚至被称为当年的"黑天鹅”事件。因为选前的各种民调都显示希拉里支持率大幅领先,大部分主流媒体也看好希拉里,但是结果却大相径庭。但有家叫新创的印度公司开发的人工智能系统MogIA一直就预测特朗普将胜出。跟传统调查公司主要依靠访谈和问卷调查不同,MogIA的判断依据是收集自Google、Facebook和Twitter等网站的超过2000万个数据点,2000万个数据点采集的数据明显比传统抽样调查只有几万甚至只有几千的调查数据更为全面,更能准确的反映民众的真实想法。采集这么多数据,过去是无法想象的,但是现在我们能做到,甚至做到采集全部的数据。印度的新创公司这次就是胜在其调查数据的全面性上。

第二大核心驱动力――算法

机器学习除了在对象识别领域外,在其他领域也得到了广泛使用,并取得了让人激动人心的成果。搜索引擎、语音识别技术、自然语言处理、图像识别、推荐系统、专家系统和无人驾驶技术等领域在机器学习算法的推动下取得了长足进步,机器智能水平有了很大的提升,但是理解能力和想象力仍是短板。

第三大核心驱动力――超级计算

有了大数据和先进的算法,还得有处理大数据和执行先进算法的能力。每个聪明的人工智能系统背后都有一套强大的硬件系统。目前世界运算速度最快的超级计算机是中国的神威?太湖之光,峰值性能达每秒12.5亿亿次,运算速度相当于普通家用电脑的200万倍,神威?太湖之光一分钟的运算量需要全球72亿人用计算器不间断运算32年。超级计算机一个国家科技发展水平和综合国力的反映。没有超级计算机,天气预报不可能预报15天,中国的大飞机研制不可能进展如此之快,另外,核武器的爆炸模拟、地震预警、药物研发等领域也离不开超级计算机。

云计算:一种基于因特网的超级计算模式,在远程的数据中心里,成千上万台电脑和服务器连接成一片电脑云。因此,云计算甚至可以让你体验每秒10万亿次的运算速度,计算能力堪比超级计算机。云中的单个计算机性能可能非常一般,甚至就是普通电脑,但是很多一般加在一起的实力却不能小觑,就像俗语说的三个臭皮匠能顶个诸葛亮,集腋能成裘。

大数据、算法、超级计算三者相辅相成、相互依赖、相互促进,共同推动人工智能向前发展,在不久的将来,多智时代一定会彻底走入我们的生活,有兴趣入行未来前沿产业的朋友,可以留心多智时代,及时获取人工智能、大数据、云计算和物联网的前沿资讯和基础知识,让我们一起携手,引领人工智能的未来!

THE END
1.大数据大数据算法大数据算法的技术涵盖了多个领域,包括分布式存储与处理、数据挖掘、机器学习、图计算、文本挖掘与自然语言处理、推荐系统、关联规则挖掘、时间序列分析、异常检测、数据压缩与降维、网络分析、模式识别等。这些算法的选择取决于具体的应用场景和问题要求,通常需要综合倾斜考虑算法的效率、准确性、可扩展性等因素。 https://blog.csdn.net/xiaoyingxixi1989/article/details/141688931
2.大数据:聚类算法深度解析聚类分析的应用非常广泛,从市场细分到图像分割,都离不开聚类的帮助。通过深入理解聚类分析的概念和方法,我们能够更好地应用它来解决实际问题。 1.2 大数据背景下的挑战 在大数据背景下,数据量巨大、多样性高、实时性要求等因素给聚类分析带来了巨大的挑战。传统的聚类算法可能无法有效处理这些庞大的数据集,因此需要采用http://www.360doc.com/content/24/0111/21/78411425_1110749888.shtml
3.PrefixSpan算法的基本概念51CTO学堂序列模式挖掘和和关联规则算法是比较类似的,但项集是有序的,相对关联规则的推荐算法更精准。 本课就从序列模式挖掘简介、序列模式挖掘应用场景、 序列模式挖掘基本概念、PrefixSpan的基本概念、PrefixSpan算法流程、PrefixSpan算法优势和劣势、Spark MLlib实现的PrefixSpan源码实战、充电了么自研序列模式挖掘源码实战等从理https://edu.51cto.com/lesson/831195.html
4.干货一文读懂工业大数据的算法与模型基本知识与应用算法和模型是大数据分析系统中的两个问题,很多时候人们无法将这两个概念准确的区分开来,或者在某些场景下经常把算法和模型当做是同一个概念。实际上,算法和模型是有紧密联系的。 数据分析的算法是一般规则,所采用的方法是具有通用性和一般性的,如果需要用算法来解决实际的问题,达到商业的价值,就需要将算法和实际的应https://www.evget.com/doclib/s/14/10645
5.什么是大数据数据挖掘6帆软数字化转型知识库大数据和数据挖掘是两者之间既有联系又有区别的概念。大数据指的是体量巨大、结构复杂且增长速度快的数据集合,通常用来描述企业和组织所面临的数据挑战。数据挖掘则是从大数据中提取有价值的信息和知识的过程,通过应用各种算法和技术发现隐藏的模式和关系。大数据强调的是数据的规模和多样性、数据挖掘强调的是从数据中提取https://www.fanruan.com/blog/article/602195/
6.大数据的详细定义三种类型的大数据 结构化数据:这类数据最容易整理和搜索,主要包括财务数据、机器日志和人口统计明细等。结构化数据很好理解,类似于 Excel 电子表格中预定义的行列布局。这种结构下的数据很容易分门别类,数据库设计人员和管理员只需要定义简单的算法就能实现搜索和分析。不过,即使结构化数据数量非常大,也不一定称得上大数https://blog.itpub.net/70041355/viewspace-3029299/
7.大数据基础术语精粹来袭大数据,或称巨量资料,指的是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。 二、大数据的4V: Volume(大量)、Velocity(高速)、Variety(多样)、Value(价值) 三、当前用于分析大数据的工具主要有开源与商用两个生态圈 http://www.mudan.gov.cn/2c908084831c4eb30183205259ac001f/2c908084831c4eb3018320df837d0020/1669185201282129920.html
8.许成钢:大数据从市场上来,如果把市场消灭了,数据没有了再一点就是今天讨论人工智能也好、讨论相关的激励机制问题也好,有一个重要基本概念——硬数据和软数据,硬数据就是前面我提到过的,所有可以度量可以传递的数据;但是,永远和硬数据对应的还有一部分是软数据,软数据是没有办法用传感器或移动设备度量的,不能度量就无法传递、无法处理。所以当我们讨论人工智能是基于大数据训https://www.thepaper.cn/newsDetail_forward_1804344
9.浅析“大数据杀熟”维权路径,守护平安3·15一、概念解析 “大数据杀熟”是指互联网平台对老用户杀熟。大数据挖掘算法获取用户信息并对用户进行“画像”分析,基于其获取的用户消费频率、消费习惯、消费能力等信息,在消费者不知情的情况下,向老用户收取高于新用户的价格,且该价格并不反映成本差异,实现“千人千价”。 http://www.xufenglawfirm.com/a/571
10.DizzyK/ustccyber大数据算法 密码工程原理与实践 数据建模与分析基础 网络优化导论 机器学习及其安全应用 网络空间安全数学建模基础 2020级王小谟英才班 专业核心课 编译原理和技术 ( H ) 编译原理和技术的高级课程 2020级第二学士 必修课 网络算法学 数字图像处理与分析 https://toscode.gitee.com/DizzyK/ustc_cyber_security
11.《数据结构与算法》课程教学大纲能力贡献:通过学习数据结构与算法的基本概念和基本原理,增强学生对抽象数据类型的理解能力;通过用C++编程语言实现数据结构和算法,增强学生的程序设计能力;掌握基本的算法分析技术,增强对算法流程和程序实现的分析能力;通过分析数据结构与算法的应用案例、上机练习以及数据结构与算法应用设计,培养学生利用所学知识解决具体问题https://www.cse.cqu.edu.cn/info/2105/3558.htm
12.2020年中国人工智能+物流发展研究报告界面新闻·JMedia尤其是对配送时效性要求非常高的即时物流领域,在引入基于机器学习与运筹优化算法的订单分配系统后,将行业发展初期使用的效率较低的骑手抢单模式和人工派单模式转变为系统派单模式。即时物流订单分配本质上可以看作是带有若干复杂约束的动态车辆路径问题(DVRP),订单分配系统的工作原理是以大数据平台收集的骑手轨迹、配送业务https://www.jiemian.com/article/4654860.html
13.大数据算法(王宏志著)完整pdf扫描版[101MB]电子书下载大数据算法是国内系统介绍大数据算法设计与分析技术的教材,内容丰富,结构合理,旨在讲述和解决大数据处理和应用中相关算法设计与分析的理论和方法,切实培养读者设计、分析与应用算法解决大数据问题的能力。不仅适合计算机科学、软件工程、大数据、物联网等学科的本科生和研究生使用,而且可供其他相近学科的本科生和研究生使用。https://www.jb51.net/books/583619.html
14.神经网络算法:大数据分析的强大工具神经网络算法作为一种重要的机器学习算法,在大数据分析中发挥着越来越重要的作用。本文将围绕“大数据 神经网络算法 神经网络算法综述”这一主题,分以下几个部分进行阐述:摘要、引言、文献综述、结论和参考文献。在引言部分,我们将介绍大数据和神经网络算法的基本概念,简要说明本文的研究范围和目的,重点突出神经网络算法在https://developer.baidu.com/article/detail.html?id=1831261
15.郑智航徐昭曦:大数据时代算法歧视的法律规制与司法审查——以内容提要:算法自动化决策为人们带来方便的同时,也可能因其决策过程的不透明和信息不对称而对某些群体造成歧视。实践中,算法歧视主要表现为偏见代理的算法歧视、特征选择的算法歧视和大数据杀熟三种基本形态。为了消除算法歧视给社会带来的影响,各国政府采取了一系列的规制措施。从规制的空间维度来看,这些措施包括原则性规制https://www.legal-theory.org/?mod=info&act=view&id=25344
16.大数据的基本概念和应用基础大数据集群为什么是奇数台服务器? 因为hadoop框架需要奇数台服务器 因为kafka需要奇数台服务器 因为zookeeper的半数存活机制 因为hdfs的存储机制 * HDFS是( ) 计算引擎 资源调度器 文件系统 辅助工具 * Hive的默认计算引擎是( ) HDFS Spark Tez MR * https://www.wjx.cn/vm/wVwUfsl.aspx
17.孟勤国谈算法歧视侵害消费者权益——是大数据和算法技术运用引发算法作为人机互动的机制,即人类通过代码设置、数据运算于机器自动化判断与决策,其公正性取决于人的意志而非算法技术。算法技术运用可能对特定群体或个体出现系统、重复的不公正结果,构成算法歧视,如算法价格歧视、算法就业歧视、算法信用歧视等。算法歧视侵害消费者权益,其中,以大数据杀熟最为普遍。大数据杀熟是经营者利用https://m.yunnan.cn/system/2023/06/07/032618660.shtml
18.大数据:数据挖掘十大经典算法概述腾讯云开发者社区大数据:数据挖掘十大经典算法概述 国际权威的学术组织theIEEEInternationalConferenceonDataMining(ICDM)2006年12月评选出了数据挖掘领域的十大经典算法:C4.5,k-Means,SVM,Apriori,EM,PageRank,AdaBoost,kNN,NaiveBayes,andCART. 不仅仅是选中的十大算法,其实参加评选的18种算法,实际上随便拿出一种来都可以称得上是经典https://cloud.tencent.com/developer/news/236172
19.大数据日知录(豆瓣)大数据是当前最为流行的热点概念之一,其已由技术名词衍生到对很多行业产生颠覆性影响的社会现象,作为最明确的技术发展趋势之一,基于大数据的各种新型产品必将会对每个人的日常生活产生日益重要的影响。 《大数据日知录:架构与算法》从架构与算法角度全面梳理了大数据存储与处理的相关技术。大数据技术具有涉及的知识点异常众多https://book.douban.com/subject/25984046/
20.清华教授彭兰:数据与算法时代的新风险数据分析算法大数据“数据,在本质上,是人类观察世界的表征形式。不论是过去的小数据,还是现在的大数据,研究数据,在某种程度上,其实在本质上都是在研究人本身……人类文化是存在偏见的,作为与人类社会同构的大数据,也必然包含着根深蒂固的偏见。而大数据算法仅仅是把这种歧视文化归纳出来而已。” https://tech.sina.com.cn/it/2018-11-05/doc-ihmutuea7098355.shtml