人工智能面对的三个壁垒正逐步解决

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 11:57:01】【打印】【关闭】

相关报告

人工智能的核心是机器学习(MachineLearning)，行业调查报告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。

移动互联网乃至万联网产生的大数据，解决了人工智能的数据瓶颈，极大拓展了算法事前训练的样本容量，提高了算法的准确率。这也是近几年人工智能在语音识别、计算机视觉领域取得突破的关键基础之一。

移动互联网进入成熟阶段，更快的通信网络与移动终端的移动特征带来了PC互联网时代所不具有的特征：1）更高的普及率；2）更高的使用频率；3）更多的数据类型。这些特征决定了移动互联网将比PC互联网时代产生更大的数据量。2011年全球数据量达到1.8ZB，其中90%以上是最近几年才产生的。

数据总量=用户量*使用频率*数据品类*单次数据量我国智能手机2013年保有量为5.8亿，2014年出货量将超过4亿部，增速超过20%，民用计算机2013年保有量不到3亿台，PC出货量增速已经进入负时代。移动终端的普及率大大超过的PC。

互联网主机数量快速增长

移动设备的便捷性及其对碎片化时间的利用决定其使用频率频率远高于PC。移动设备具备PC中没有的数据品类：地理位置、通讯录信息，同时更快的通信网络的普及推动语音、视频信息量大大增加。

全球数据的产生量成指数上升

而随着移动互联网向万联网演进，数据将进一步爆发，根据KPCB的预测，到2020年，联网的硬件规模将是目前的十倍以上，将推动数据的生产量快速提高，16年整体的数据总量将达到13ZB，比13年翻三倍。

万联网的智能硬件数量和形态指数提升

16年积累的数据量是13年的3倍，达13ZB

GPU性能的快速提升和GPU加速技术应用于机器学习，解决了计算机并行计算的运算能力不足的难题，提供了人工智能发展的硬件基础。

1999年，NVIDIA提出GPU的概念，与CPU不同的是，CPU由专为顺序串行处理而优化的几个核心（多核）组成。而GPU则由数以千计的更小、更高效的核心（众核）组成，这些核心专为同时处理多任务而设计。

GPU由于1）运算单元多，可以同时处理多个并行运算任务；2）内存带宽大，众核具备同时读取数据能力，整体的数据吞吐能力强，使其非常适合并行任务处理。随着技术的进步，CPU的运算核数与内存带宽快速增加，使得GPU的并行计算能力是CPU的几十倍。

GPU与CPU设计思路的不同使其更加适合并行运算