纵式解读：AI的指数级增长有什么内幕？

　　为了克服这些缺点，在过去的两年中，RPA已经与机器学习和自然语言处理系统相结合，以构建更全面的自动化系统。

▲图4：机器人过程自动化取代人类

　　这种高速增长的主要原因包括摩尔定律、并行和分布式计算、开源软件、大数据的可用性，学术界和工业界之间日益增长的合作以及AI中正在进行的研究的数量的影响。

　　AI系统爆炸式增长的原因

　　摩尔的“法则”

　　摩尔在1965年观察到，电子电路中的晶体管数量大约每年翻一番，他预测这种增长速度将持续十年。 1975年，他预测将每两年翻一番。

　　计算能力的指数增长以及规模和成本的降低对AI领域产生了最大的影响

　　值得注意的是，摩尔定律并非真正的定律，而是由英特尔公司创始人戈登摩尔博士提出的一系列观察结果。实际上，在2015年，摩尔自己说：“我看到摩尔定律在未来十年左右会死掉”，这并不奇怪，因为今天的晶体管尺寸可以减少至多4900倍在一个硅原子的理论极限之前，这也提供了对感知器的尺寸和速度的限制。尽管如此，计算能力的这种指数增长以及尺寸和成本的降低对AI领域产生了最大的影响。　　

▲图5：图表显示晶体管数量每两年翻一番　　

　　并行和分布式计算

　　大多数人工智能算法需要巨大的计算能力，到2004年，并行和分布式计算变得切实可行。由于电子通信、存储和计算已经变得便宜和普及，许多公司(例如亚马逊，微软，IBM，谷歌)现在正在以小时甚至是每分钟的时间销售计算能力，这反过来又帮助研究人员和从业人员利用并行并分布式计算并在数千台计算机上同时执行其算法(通过使用Hadoop、Spark和相关框架)。

　　大数据的可用性

　　机器学习算法，尤其是深度学习算法需要大量的数据。例如，具有50个输入属性(或变量)和一个输出感知器以及三个包含50个感知器的隐藏层的监督神经网络具有10,050个连接，并且该网络可能需要数十万个或更多个标记的数据点用于训练，因为每个连接的权重都需要优化。幸运的是，到2017年，便宜且易于获得的硬件和网络连接允许人类产生超过8千兆字节(即8字节)的数据。许多研究人员和开发人员开始使用免费提供的数据为特定问题创建“开放”数据库，并开始“标注”这些数据。MNIST是1998年创建的第一个这样的数据库，ImageNet是2011年创建的最大的数据库。ImageNet包含超过1400万个图像的URL，其中超过1000万个已经手工标记以表示它们代表的内容。

　　免费提供开源软件

　　开放源代码软件允许用户自由地执行、修改和重新分配其副本，无论有无更改。卡耐基梅隆大学教授理查德斯托曼于1985年推出了自由软件基金会。2002年，Torch是第一个这样的机器学习软件，但自那时起，许多其他软件(例如Caffe、Theano、Keras、MXNet、DeepLearning4J、Tensorflow)已被引入。这使得研究人员和从业者能够大量使用开源软件进行实验，并构建新的算法，如果成功的话，这些算法通常也是开源的。

　　研究与开发的超常增长

　　据估计，自1950年以来，人工智能及其子领域已编写了超过20万篇研究文章。其中，仅在2008年至2017年期间就发布了超过125,000份。同样，自2008年以来，工业界与学术界的合作有了惊人的增长，这导致了人工智能解决方案的高速增长。

　　结论

　　“历史不会重演，但总会有惊人的相似”，这是马克吐温的一句名言，而将它应用在人工智能领域中似乎是比较贴切的，1950年代以及过去七年再次出现了巨大的变化。在这两种情况下，研究人员都非常热情，希望能够快速创建可以模拟人类的人工智能机器，并且这两种情况都导致人工智能研究与开发的高速增长。

　　在20世纪50年代和60年代，人工智能及其许多子领域都进行了开创性研究，而在目前的阶段，强大而乏味的工程以及廉价和丰富的计算产生超过20种人工智能系统与人类相媲美或击败人类。就像20世纪50年代和60年代一样，这再次在研究人员、开发人员、从业人员、投资者和公众中产生了欢欣，而这又开始了一个新的炒作循环周期。

（编辑：云计算网_泰州站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!