跨越在计算能力&大数据积累&有效算法的障碍

您当前位置：首页 > 行业分析 > IT通讯 > 　正文

来源：中为咨询www.zwzyzx.com 【日期：2016-10-14 11:54:08】【打印】【关闭】

相关报告

人工智能的核心是机器学习(MachineLearning)，机器学习是机器通过算法对大量经验数据的分析总结规律来对未来进行智能预测，包括三方面：1.学习的方式即算法；2.学习的样本即经验数据，对应的是大数据的积累；3.学习的能力，对应的是计算机的运算能力。纵观人工智能的历史，大量的数据积累、计算机的运算能力、缺乏有效的算法是制约人工智能发展的三大壁垒。

行业调查报告经验数据是机器学习事前训练的基础，尤其在深度学习框架提出后，训练的准确性与数据量成正比，加剧了对数据的需求。2000年前，由于计算机存储能力与数据产生量的限制，各种机器学习算法只能对有限的数据样本进行分析处理，准确性有限，制约了人工智能的发展。

尽管计算机的运算性能以摩尔定律的速度进步，但是计算机的运算核心CPU专为顺序串行计算设计，而主流的神经网络算法类似人脑神经，不仅结构是并行的，而且处理顺序也是并行的和同时的，所以大规模并行处理是神经网络计算的重要特征，算法的复杂度带来巨大的并行运算量，CPU无法应对。

同时，运算能力的不足也限制了算法的进步，21世纪前，由于巨大的计算量和优化求解难度，神经网络的模型大多是仅通常都是只有一层隐含层的浅层模型，对复杂函数的表示能力有限，没有表现出对其他算法的性能优势。

本文地址：http://www.zwzyzx.com/show-336-238162-1.html

分享到：

上一篇：人工智能的研究历史回顾

下一篇：人工智能面对的三个壁垒正逐步解决

相关资讯