五道财富
首頁 / 市場研究 / 文章

五道研究院 | AI研究报告③-人工智能产业发展要素分析

2018-12-05 . Tags: 市場研究


三大技術要素

推動人工智能逐步走向實際應用


來源:華菁證券研究所


互聯網的發展

提供了種類豐富的大數據資源,提升算法有效性


在前兩次人工智能發展的浪潮中,數據的缺乏使得算法難以得到很好的驗證與發展,數據支撐是人工智能得以發展的基礎。就目前可應用的人工智能算法而言,需要大量樣本的歸納總結進而得出自己的識別邏輯,這樣數據的豐富性和規模對算法訓練的結果非常重要,大數據爆發式的增長爲算法的訓練提供了很好的養料。



近年来,随着互联网时代的到来,数据打破了地域、行业的限制,随着 PC、移动互联网、电子设备的增加推进了数据指数式的增长。根据监测统计,2011年全球数据总量已经达到0.7ZB(1ZB 等于1万亿GB,0.7ZB也就相当于7亿个1TB的移动硬盘),而这个数值还在以每两年翻一番的速度增长。2016年全球的数据总量为16ZB,目前全球数据的增长速度在每年40%左右,根据市场调研机构IDC的预计,到2020 年,全球数据总量将40ZB,我国数据量达8.6ZB,占全球数据总量的比例达到20%,或成为世界第一数据资源大国和全球的数据中心;到2025年,全球的数据总量将达到163ZB,是目前的10倍,全球每人每天与联网设备互动的次数将近4800次,平均每18秒产生一次互动。


隨著百度等搜索引擎提供大量的搜索數據,騰訊社交平台積累社交數據,阿裏巴巴、京東等形成大規模的電商數據,滴滴打車、共享單車收集交通數據……不同場景數據量的增多、數據類別的全面化使得不同商業場景的人工智能應用成爲可能。


硬件成本指數下降

運算時間縮短,助力人工智能崛起


人工智能領域的發展與芯片性能的進步是分不開的。人工智能之所以在90年代以前有一段很大的發展空白的一個主要原因是算力不足,運算時間成本過高。傳統CPU芯片難以滿足深度學習高性能並行計算的需求。在深度神經網絡的訓練過程中,爲了得到具備普遍意義的效果,這個訓練的過程需要海量的數據量;而由于神經網絡在計算過程中存在大量的矩陣和卷積計算,傳統CPU不具備大量數據並行處理的能力,計算效率較低,而人工智能算法需要具有大量數據並行處理能力並做了針對性優化的芯片支持。



90年代人工智能取得的突破很大程度是由于半导体芯片性能的增加。从芯片性能进化史中可以看出,90年代是芯片性能高速发展取得突破的时代。从1978-1986年,芯片性能几乎以每年25%的速度增长;从80年代中期到2000年芯片进入高速发展期,性能年均增长率更是达到52%。所以芯片性能的提升极大地促进了人工智能科技的发展。在GPU能够很好的应用在深度學習之后,英伟达针对这些应用场景研发出针对性的产品以及加速驱动程序。同时谷歌、寒武纪、地平线、特斯拉等公司也开始研发针对深度學習优化的 ASIC芯片,大量针对性芯片的研发带来人工智能芯片发展的一场变革。


深度學習

推動神經網絡算法發展步入爆發期


深度學習的出现使得机器具备了更强的学习能力。不同于数学证明系统、统计技术、专家系统等传统计算算法,深度學習算法不需要人为提取特征,而是通过大量的数据训练人工神经网络,神经网络学习隐含在数据中的深层次规律,对数据进行分类识别,用训练得到的神经网络再去推断并得出输出结果。这种算法突破了过去传统浅层学习算法的局限,改变了机器学习算法的设计的思路。



随着神经网络的不断强化、构建,神经网络的层数逐渐增多,机器学习的精确率越高,且提升的速度也在不断增加,深度學習带来的高效率与显著效果使得人工智能技术得以从学术领域转战应用到商业场景中。在语音识别领域,深度學習突破了技术瓶颈,大幅降低语音识别的错误率,2017年微软转录Switchboard语料库录音的错误率已降至5.5%。

 


未完待續,持續更新




聲明:文章内容由五道集團-五道研究院编辑报道不構成任何投資建議,所采用的第三方數據、資料、圖片均有可靠來源,但不保證這些資料的准確性或完整性,引用文章版權歸原作者所有,侵刪。


友情链接:明仕彩票开户  001彩票平台网址  博纳彩票平台  letou瑞丰  必赢彩app客户端下载  杰利棋牌  020彩票注册  北京快三官网  人人彩票注册  快三彩票官网