在人工智能的角逐中，仿真数据是重要的平衡力量吗？

全文共6085字，预计学习时长18分钟

图源：Unsplash

 

 

人工智能的角逐

 

人类正处于争夺人工智能统治地位的激烈角逐之中。美国五大科技公司（谷歌、亚马逊、脸书、苹果和微软）正将大量资金投入到图像识别、语音识别和情感分析等领域的研究和开发之中，并以前所未有的速度对人工智能技术初创公司进行收购。

 

 

在中国，百度、阿里巴巴、腾讯和小米在政府的支持下，正在迅猛发展，以期望在2025年成为人工智能领域的全球领导者。这一新型的军备竞赛尤为紧张激烈，因为似乎结局会是赢家垄断人工智能行业，通吃一切（这点下文会详细说明）。

 

 

 

 

为何数据至关重要

 

人工智能的进步依靠三个重要部分共同协作：算法创新、计算能力和数据。最先进的深度学习算法是推进人工智能技术发展的首个重要部分。随着大量财力流入学术实验室和大型科技公司，这些算法正在迅速完善。自2010年以来，最直接的结果就是学术研究呈爆炸式增长。例如，从2014年至2017年，有关神经网络的研究报告数量的复合年增长率达37%。同样，近期在首尔举行的国际计算机视觉大会，也见证了2017年到2019年研究报告递交量的翻倍增长。值得庆幸的是，学术研究人员开放了大多数的研究，以期望能和人工智能团体分享自己的进展成果，而大型技术实验室则渴望从世界范围内吸引最优秀的研究人员。

 

人工智能指数2018年度报告

 

计算能力是推进人工智能的第二个关键因素。在该领域，人们不断取得大量进展，在2012年到2018年间，见证了计算领域高达300000倍的增长。呈指数的增长的计算能力超越了之前每18个月翻一番的摩尔定律。有理由相信，随着Cerebras、Graphcore及HorizonRobotics等新的硬件初创公司开发出专门针对人工智能的芯片，实现FLOPS/Watt（还有TPU）的实质性增长，这一趋势仍会持续。性能的提升也伴随着计算成本(FLOPS/$)的下降，再加上分布式云计算，这将会让人工智能更加容易上手。

 

 

人工智能方程式的第三个，也是最后一个重要部分，就是数据。尽管有大量的算法创新，但数据依然尤为重要，因为如今的算法对数据有着极大的要求。为了达到更深层次的见解。人工智能算法需要用大量的数据集进行训练，并且需要用更多的数据集进行验证。数据能让人工智能算法更好运作，更快学习，更加强大。事实上，一个拥有更多数据的简单算法往往胜过一个拥有较少数据的复杂算法。除此以外，许多算法都出现了