AI（人工智能）的三大基石：数据、算力和算法

——漫谈人工智能（番外篇）

文/陈思进

近年来人工智能（以下简称“AI”）发展迅速并日益受到重视，日前中国信息通信研究院发布的《环球人工智能计策与政策不雅观察（2020）》报告中指出，截止2020年12月尾，环球已有39个国家和地区制订了AI的计策政策、家当方案文件。
本篇文章作为AI科普系列文章中的番外篇，紧张向大家先容AI三大核心要素（也是AI的三大基石）——数据、算力和算法。

数据是AI算法的“饲料”

在如今这个时期，无时无刻不在产生数据（包括语音、文本、影像等等），AI家当的飞速发展，也萌生了大量垂直领域的数据需求。
在AI技能当中，数据相称于AI算法的“饲料”。
机器学习中的监督学习（Supervised Learning）和半监督学习（Semi-supervised Learning）都要用标注好的数据进行演习（由此催生大量数据标注公司，对未经处理的低级数据进行加工处理, 并转换为机器可识别信息），只有经由大量的演习，覆盖尽可能多的各种场景才能得到一个良好的模型。

目前，数据标注是AI的上游根本家当，以人工标注为主，机器标注为辅。
最常见的数据标注类型有五种：属性标注（给目标工具打标签）、框选标注（框选出要识别的工具）、轮廓标注（比框选标注更加详细，边缘更加精确）、描点标注（标注出目标工具上细致的特色点）、其他标注（除以上标注外的数据标注类型）。
AI算法须要通过数据演习不断完善，而数据标注是大部分AI算法得以有效运行的关键环节。

算法是AI的背后“推手”

AI算法是数据驱动型算法，是AI背后的推动力量。

主流的算法紧张分为传统的机器学习算法和神经网络算法，目前神经网络算法由于深度学习（源于人工神经网络的研究，特点是试图模拟大脑的神经元之间通报和处理信息的模式）的快速发展而达到了高潮。

南京大学打算机系主任、人工智能学院院长周志华教授认为，本日“AI热潮”的涌现紧张由于机器学习，尤其是机器学习中的深度学习技能取得了巨大进展，并在大数据和大算力的支持下发挥巨大的威力。

当前最具代表性深度学习算法模型有深度神经网络（Deep Neural Network，简称DNN）、循环神经网络（Recurrent Neural Network，简称RNN）、卷积神经网络（Convolutional Neural Network，简称CNN）。
谈到深度学习，DNN和RNN便是深度学习的根本。
DNN内部的神经网络层可以分为三类，输入层，隐蔽层和输出层, 一样平常来说第一层是输入层，末了一层是输出层，而中间的层数都是隐蔽层。
DNN可以理解为有很多隐蔽层的神经网络，是非常弘大的系统，演习出来须要很多数据、很强的算力进行支撑。

算力是根本举动步伐

AI算法模型对付算力的巨大需求，推动了本日芯片业的发展。
据OpenAI测算,2012年开始,环球AI演习所用的打算量呈现指数增长,均匀每3.43个月便会翻一倍,目前打算量已扩大30万倍,远超算力增长速率。

在AI技能当中，算力是算法和数据的根本举动步伐，支撑着算法和数据，进而影响着AI的发展，算力的大小代表着对数据处理能力的强弱。
算力源于芯片，通过根本软件的有效组织，终极开释到终端运用上，作为算力的关键根本，AI芯片的性能决定着AI家当的发展。

加快补齐AI芯片短板

从技能架构来看，AI芯片可以分为四大类：通用性芯片（GPU，特点是具备通用性、性能高、功耗高）、半定制化芯片（FPGA，特点是可编程、功耗和通用性一样平常）、全定制化芯片（ASIC，特点是不能扩展、性能稳定、功耗可控）和类脑芯片（特点是功耗低、相应速率快）。

AI实质上是利用人工神经网络对人脑进行的仿照，旨在替代人们大脑中的生物神经网络。
由于每个任务对芯片的哀求不同，以是可以利用不同的AI芯片进行演习和推理。

在过去二十年当中，处理器性能以每年大约55%的速率提升，内存性能的提升速率每年只有10%旁边，存储速率严重滞后于处理器的打算速率。
随着AI技能的发展，所需数据量变得越来越大，打算量越来越多，“内存墙”（指内存性能严重限定CPU性能发挥的征象）的问题越来越严重。
因此，存算一体（将部分或全部的打算移到存储中，打算单元和存储单元集成在同一个芯片，在存储单元内完成运算）有望成为办理芯片性能瓶颈及提升效能比的有效技能手段。

目前，数据中央中核心算力芯片各种通用的GPU占主导地位。
IDC的研究指出，2020年，中国的GPU做事器霸占95%旁边的市场份额，是数据中央AI加速方案的首选。
但IDC也做出预测，到2024年，其他类型加速芯片的市场份额将快速发展，AI芯片市场呈现多元化发展趋势。

近些年来，我国AI虽然取得了不少的打破和进展（例如小i机器人主导了环球第一个AI情绪打算的国际标准），并在国际上具备一定的竞争力，但AI芯片对外依赖较大（根据赛迪智库人工智能家当形势剖析课题组研究指出，海内AI芯片厂商须要大量依赖高通、英伟达、AMD等国际巨子供货）,并缺少AI框架技能（深度学习主流框架TensorFlow、Caffe等均为美国企业或机构节制）的支撑。

未来人们对科技的依赖会进步神速，AI也将会成为大国竞争的焦点。
为摆脱我国AI的短板，有专家表示AI芯片方面我国可以借鉴开源软件成功履历,降落创新门槛,提高企业自主能力,发展国产开源芯片；算法框架方面则可通过开源形成广泛的运用生态,广泛支持不同类型的AI芯片、硬件设备、运用等。

算法、算力、数据作为AI核心三要素，相互影响，相互支撑，在不同行业中形成了不一样的家当形态，随着算法的创新、算力的增强、数据资源的累积，传统根本举动步伐将借此东风实现智能化升级，并有望推动经济发展全要素的智能化改造，让人类社会从信息化进入智能化。

（思进注：除注明作者之外，所有文章皆为思进原创。
【免责声明】本文仅代表原作者个人的论述和不雅观点，敬请读者自行判断。
内容或者数据仅供参考，不构成任何详细投资建议、不作任何商业用场、更不对其真实性卖力。
投资者据此操作，风险自担。
）