人工智能简介

• 人工智能应用加速发展

推荐

语音识别

信用评分

alphago

自动驾驶

机器人

用户画像

• 人工智能核心点

数据模型

处理能力

大数据

• 计算能力的提升加速人工智能的发展

         GPU

          NPU，hisi

          ARM, rockchip

• 单机数据分析向分布式计算发展
• 大数据的理解与分析需要AI

人工智能可学习大量的数据，高效分析挖掘出数据价值

• AI历史——三次浪潮

1956~1976专家系统

1976~2006人工神经网络，深度学习尚未突破

2006~至今，基于互联网大数据的深度学习

• 人工智能、机器学习、深度学习的关系

        早期规则化方法，80年代后用统计方法，2012年后深度学习方法

• 现状

应用层：互联网，安防，医疗，金融，运营商

接口层:TensorFlow,Caffe,CNTK,MXNet等

算法层：深度学习发展迅速，一些关键场景其他AI算法仍有用武之地

框架层：TensorFlow等框架 

基础设施层：CPU与GPU集群大范围使用，云平台蚕食传统Data Center市场

• 趋势

应用层：深入各个领域

接口层：Workflow,Model Sharing,User Friendly

算法层：AutoML，算法，系统，训练，推断多维度发展

框架层：中间层编译优化，开放协议onnx

基础设施层：GPU集群，ASIC,FPGA,SOC

 

• 主流技术栈