人工智能技术——四要素分析

大数据:人工智能的智能都蕴含在大数据中。

算力:算力为人工智能提供了基本的计算能力的支撑。

算法:算法是实现人工智能的根本途径,是挖掘数据智能的有效方法。

场景:大数据、算力、算法作为输入,只有在实际的场景中进行输出,才能体现出实际的价值。

举个非常形象的类比:如果把炒菜作为我们的场景,那么大数据相当于炒菜需要的食材,算力就相当于炒菜需要的煤气/电力/柴火,算法就相当于烹饪的方法和调料。

1)大数据

如今这个时代,无时无刻不在产生大数据。移动设备、廉价的照相机、无处不在的传感器等等积累的数据。这些数据形式多样化,大部分都是非结构化数据。如果需要为人工智能算法所用,就需要进行大量的预处理过程。


2)算力

人工智能的发展对算力提出了更高的要求。以下是各种芯片的计算能力对比。其中GPU领先其他芯片在人工智能领域中用的最广泛。GPU和CPU都擅长浮点计算,一般来说,GPU做浮点计算的能力是CPU的10倍左右。


另外深度学习加速框架通过在GPU之上进行优化,再次提升了GPU的计算性能,有利于加速神经网络的计算。如:cuDNN具有可定制的数据布局,支持四维张量的灵活维度排序,跨步和子区域,用作所有例程的输入和输出。在卷积神经网络的卷积运算中实现了矩阵运算,同时减少了内存,大大提升了神经网络的性能。

3)算法

主流的算法主要分为传统的机器学习算法和神经网络算法。神经网络算法快速发展,近年来因为深度学习的发展到了高潮。


4)场景

人工智能经典的应用场景包括:
1. 用户画像分析
2. 基于信用评分的风险控制
3. 欺诈检测
4. 智能投顾
5. 智能审核
6. 智能客服机器人
7. 机器翻译
8. 人脸识别

版权声明:本文为CSDN博主「dyna_lidan」的原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/dyna_lidan/article/details/82229313

推荐阅读