中国“缺芯少魂”之痛难破解,打破AI核心技术瓶颈才有未来

智能家居 2019-12-02 10:31167未知admin

process-business-ideas-technology-development-factory-1458907-pxhere.com.jpg

【编者按】唯有拥抱开放、共享,才能真正推动中国核心技术,尤其是AI技术的快速进步和发展,从而突破“卡脖子”封锁。

“中国有多少数学家投入到人工智能的基础算法研究中?”

今年4月底,中国工程院院士徐匡迪等多位院士的发声,直击我国在算法这一核心技术上的缺失,引发业界共鸣,被称为“徐匡迪之问”。

由此,“依靠开源代码和算法是否足够支撑人工智能产业发展?”、“为什么要有自己的底层框架和核心算法?”等一系列问题,成为行业热议的话题。

事实上,除了核心算法之外,对底层框架的忽视,也成为影响我国人工智能发展的重要因素,甚至比“缺芯少魂”、“卡脖子”问题更危险!

然而,想要理清其中的缘由,就需要从读懂机器学习开始。

什么是机器学习?

众所周知,AI的根本目的就是让计算机模拟人类的行为和思维,以实现解放人力,提升效率,降低成本。其中,机器学习(Machine Learning)则是AI的智慧源泉。

从学术上来说,机器学习涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多领域交叉的课题和技术。

从广义上来说,机器学习就是赋予计算机学习能力,并实现模仿人类的一种方法。

从技术应用上来说,机器学习是利用大量数据,训练出专用的算法模型,然后通过该模型实现类似人的预测、推理,从而获取决策的方法。

从层级上来说,机器学习位于AI的技术层,与其他技术的相融合,构成了计算机视觉、智能语音、模式识别、数据挖掘、统计学习等AI核心技术,并在应用层得以体现。

从AI发展来看,几乎所有核心技术和应用场景的背后,都离不开机器学习所赋予的学习能力,也就是智能。

总之,机器学习既是人工智能的核心,也是计算机获得学习能力和智力的方法或途径。

而机器学习的核心则是算法。

深度学习算法与底层框架

作为AI大三元素(数据、算力、算法),目前主流的算法主要面向机器学习领域。因此,机器学习也可以理解为用于训练和推理的算法合集。

目前,机器学习算法可以分为传统算法和深度学习(Deep Learning)算法两大类。

深度学习是机器学习中一个新兴的研究方向,也是一个复杂的机器学习算法。深度学习的概念源于人工神经网络的研究,建立模拟人脑进行分析学习的神经网络,以模仿人脑的机制来解释数据,强调模型结构的深度和明确特征学习的重要性。

眼爆科技 Copyright © 2002-2017 深圳眼爆智能科技有限公司 版权所有 备案号:* 本站资源来自互联网,我们转载的目的是用于学习交流与讨论,如果您认为我们的转载侵犯了您的权益,请与我们联系(Email:gm@ybbtb.com),我们将在3个工作日内删除相关内容。

邮箱地址:gm@ybbtb.com