人工智能
人工智能相关,人工智能相关股票
2024-09-25 11:14:02 人工智能 0人已围观
大家好,今天小编关注到一个比较有意思的话题,就是关于人工智能相关的问题,于是小编就整理了2个相关介绍人工智能相关的解答,让我们一起看看吧。
人工智能的快速发展会给以后的社会和人类带来哪些机遇和挑战?
人工智能革命归根结底是算力的革命。
为了能够让读者对人工智能有一个相对清晰的印象,我打算先聊一些人工智能是什么,然后再聊具体的机遇和挑战。
如上文所讲,人工智能革命归根结底是算力的革命。何为算力?就是做1+1=2的能力,就是简单地做加法的能力,更复杂的计算都会转化为加法的计算。人工智能就是基于这个最微观的能力建立起来的大厦,这次的革命就是以GPU和TPU的算力的兴起为代表。所有的研究问题都可以看做一种优化,就是给出一个模型,这个模型有一些参数没办法确定,然后通过计算对这些参数进行优化,最终让这个模型的预测结果最好地符合观测数据。所以,计算就是优化。
(图源: https://www.cgdirector.com/best-hardware-for-gpu-rendering-in-octane-redshift-vray/)
人工智能的各种模型,算法和技术细节其实都没那么重要。现行的人工智能模型以神经网络为主,其实就是很简单的一些加和然后做一些非线性变换。神经网络虽然相对其他模型或许在表达上相对简洁,但是不是最根本的,哪怕就是线性模型,找到合适的参数可能都能够达到很好的效果,只不过参数量比较大而已。况且现在的人工智能趋势大有只用加和和乘法的趋势,非线性变换都没有那么必要了。这就是现在很火的transformer和Bert模型的核心——注意力机制。所以,最终的人工智能模型可能就是加法下的线性模型,只有加法没有任何其他的别的东西。
(图源:https://arxiv.org/pdf/1810.04805.pdf)
那么问题就是,如果这些简单的东西,为什么之前没有掀起这个革命?
我认为这是技术的趋势。当算力比较低的时候,人们需要通过智力去选择更复杂的模型,然后优化这个模型的时候就只需要相对较少的计算;而算力比较高的时候,人们只需要一来简单的模型,然后让模型足够大,剩下的就通过优化来实现就行了。所以算力才是最根本的能力,是“一力降十会”的力量。
举例来讲,以前人们设计芯片的时候需要专业人员化很久来设计走线,相关元件的布局,来达到性能的优化。但是近来谷歌开始利用强化学习进行芯片设计,所用的时间更少,而达到的效果可能更好。无他,大不了让计算机对所有布局可能都遍历一遍咯,总能找到最优的那个。如果算力足够,暴力搜素是最能保证最优性的算法,这就是算力带来的优越性。
(图源: https://ai.googleblog.com/2020/04/chip-design-with-deep-reinforcement.html)
那么回到这个问题,人工智能的发展带来的机遇和挑战是什么?人工智能对各个职业的替代性与搜索和优化的难度成反比。越难被搜索和优化的方向,越难被替代;越容易被搜索和优化的方向,越容易被替代。所以,最容易被替代的是:银行柜员,会计,人工客服,保安,制造业工人。不容易被替代的,教师,医生,设计师,作家和研究人员。在此还需要说明,这里面的所谓替代当然不是让这个行业没有了,而是说不需要那么多人了,可能原来这个行业需要100人,最后只有10个人就可以了。其实这也意味着越多的人将会从事更具创造性的职业,会促进创造性的极大发展。
(图源:https://www.chinait.com/ai/31641.html)
风已经吹起,我们拭目以待。
人工智能主要包括哪些产品?
从学科的角度来看,人工智能是一个典型的交叉学科,涉及到哲学、数学、计算机、控制学、神经学、经济学和语言学等学科,所以人工智能不仅知识量大,而且难度高。
关于人工智能的定义存在两个大的方向,一个是“像人一样思考和像人一样行动”,另一个是“合理的思考和合理的行动”,目前在研究领域更倾向于第二个方向,也就是追求智能体的合理性。当然,这仅仅是当前的研究出发点,未来也许会有新的方向性要求(或者叫做人性)。
从大的技术组成体系来看,人工智能技术涉及到物联网、云计算、大数据、边缘计算等内容,其中物联网是目前智能体一个重要的落地应用场景,物联网场景的搭建能够全面促进智能体的落地应用,目前车联网被看成是智能体全面落地应用的一个重要突破口,所以目前诸多科技公司都在布局相关领域(尤其是自动驾驶)。
人工智能的发展需要数据、算力和算法三大支撑因素,云计算提供了算力支撑(同时也是落地场景之一),而大数据则提供了数据的来源,随着大数据和云计算的发展,人工智能的发展也会在很大程度上得到促进。
从研究方向上来看,目前人工智能领域的研究方向包括机器学习、自然语言处理、知识表示、自动推理、计算机视觉和机器人学,目前除了机器学习(深度学习)之外,自然语言处理和计算机视觉方向也比较热。
到此,以上就是小编对于人工智能相关的问题就介绍到这了,希望介绍关于人工智能相关的2点解答对大家有用。