浅谈深度学习(五):人工智能的三驾马车

Hinton名利双收
2012年Hinton团队在ImageNet的竞赛突破,引起了业界的强烈兴趣。几乎可以确定,人工智能的率先应用,极有可能会是图像识别。

之后Hinton和他的两个研究生,Alex Krizhevsky和 llya Sutskever,在2012年底,成立了DNNRresearch公司,三个月后,就被谷歌以五百万美元收购了。Hinton从此一半时间在硅谷,一半时间在多伦多,而他的两个研究生,则成为了谷歌的全职员工。

而Yann Lecun则来到了Facebook,成为了其智能研究院的带头人。

人工智能的三驾马车

人工智能的发展,离不开Hinton教授的苦苦坚持。上帝再一次眷顾了坚持到底的人。

当然,人工智能的发展仅仅有计算机神经网络算法的诞生及多番的改进,显然是发展不起来的,否则Hinton早就名利双收了。

人工智能的发展除了有优秀的神经网络算法外,还需要具备:

1.强有力的计算资源;
2.庞大的数据训练库;

即深度学习算法,计算蛮力,大数据三驾马车,缺一不可,而计算蛮力随着摩尔定律的发展,已经可以轻易获得,而且将会越来越强,深度学习算法已经在全球科学家的努力之后,不断改进,将会变得更加先进,而庞大的数据训练库,却不是一朝一夕能够建立起来的。

因此,在人工智能发展到今天,将会遇到新的挑战,这个挑战就是大数据的建立,就像一个极其聪明的人,如果不给他读书训练,再聪明也没有用。

人脸识别是如此,无人驾驶也是如此,在人工智能发展到2017年,人脸识别几乎可以说是最先落地的,这一个是得益于ImageNet大赛,另外一个是得益于人脸识别所需要的图像库建立可以说是相对容易的,就拿中国来说,中国已经有了一个庞大的人脸库,就是公安系统的身份证照片库,因此当前中国的人脸识别应用,已经达到了世界领先水平。

而拿目前很火的无人驾驶来说,缺的就是驾驶数据,而这个驾驶数据的建立要比图片库难多了,也将会耗费更长的时间,目前Tesla就在做这件事(详情可以参考“从特斯拉能量墙来看特斯拉的野心”),Tesla每卖出一辆车,就在由用户帮助其收集驾驶大数据。

谁率先收集到这个大数据,谁就将会占得先机。

(未完待续)

发表评论

邮箱地址不会被公开。 必填项已用*标注

此站点使用Akismet来减少垃圾评论。了解我们如何处理您的评论数据