提醒！文末有福利哟！
说起今年的科技热词，非人工智能（AI）莫属了。“智能+”时代已经到来，那么人工智能是怎么逐步发展起来的呢？
先来看看它在历史上经历过的三次浪潮： 第一个兴起阶段：以1956年的达特茅斯学院会议为标志，首次提出了人工智能的概念； 第二个兴起阶段：以日本提出支持开发第五代计算机项目为标志； 第三个快速发展阶段：以加拿大多伦多大学的教授欣顿（Geoffrey Hinton）于2006年提出深度学习神经网络为标志。当前正处于这个快速发展的阶段！ 人工智能的发展可以说得益于三驾马车：数据、算法、算力。 简单来说，如果用火箭来比喻人工智能，那么： 数据=燃料 算法=引擎 算力=加速器
下面请坐稳，司机要开车了！
随着互联网的飞速发展，这个世界上的数据变得异常丰富，数据量呈爆炸式地增长。
今天的大数据越来越多地呈现出以下一种或几种特性：
例如，以前电视台某个节目的收视率往往要由专业的调查公司通过抽样调查的方式估算出来。现在，有了微博、视频网站等，我们就可以直接利用网络上每时每刻产生的大数据对节目热度进行分析。
例如，每年“双11”期间的各类电子商务平台上，所有这些交易数据都可以被实时汇总，供人们对“双11”当天的交易情况进行监控、管理、分析、汇总。大数据的实时性为大数据的应用提供了更多的选择，为大数据更快产生应用价值提供了基础。
假如利用用户ID，将用户在微博上的社交行为和用户在电子商务平台的购买行为关联起来，就可以向微博用户更准确地推荐他最喜欢的商品。聚合更多数据源，增加数据维度，这是提高大数据价值的好办法。
机器学习是对能通过数据或经验自动改进的计算机算法的研究。
机器学习算法的广义分类大概有3种：监督学习、无监督学习、强化学习。
这就像教小孩子分类，先给他一个苹果，然后告诉他这是苹果。经过反复地训练学习，再给他苹果的时候，问他这是什么，他应该告诉你，这是苹果。如果给他一个梨，他应该告诉你，这不是苹果。
继续上面的例子，给小孩子一堆水果，比如有苹果、橘子、梨这3种，小孩子一开始不知道这些水果是什么，让小孩子对这堆水果进行分类。等小孩子分类完后，给他一个苹果，他应该将这个苹果放到刚刚分好的苹果堆中去。
谷歌的AlphaGo围棋程序，赢了围棋界排名世界第一的柯洁，背后使用的就是强化学习技术。
深度学习是机器学习的子领域。
具体来说，深度学习是机器学习中具有深层结构的神经网络算法。人工智能算法从专家系统到特征工程，最后到深度学习的这个过程中，人工参与在逐渐减少，而机器工作在逐渐增加，由于深度学习算法的优异表现得到了主流认可，所以在多方应用中得到长足发展。 第三驾马车：算力是人工智能技术实现的保障
算力，也就是指芯片。
人工智能领域是一个数据密集、计算密集的领域，传统的数据处理技术难以满足高强度、大数据的处理需求。
人工智能芯片的出现让大规模的数据效率大大提升，加速了深层神经网络的训练迭代速度，极大地促进了人工智能行业的发展。
在人工智能市场高速发展的今天，人们都在寻找能让深度学习算法更快速、更低能耗执行的芯片。 人工智能芯片主要包括： ● GPU（Graphics Processing Unit，图形处理器） ● FPGA（Field Programmable Gate Array，现场可编程逻辑门阵列） ● ASIC( Application Specific Integrated Circuit，专用集成电路) ● 类脑芯片
说起今年的科技热词，非人工智能（AI）莫属了。“智能+”时代已经到来，那么人工智能是怎么逐步发展起来的呢？
先来看看它在历史上经历过的三次浪潮： 第一个兴起阶段：以1956年的达特茅斯学院会议为标志，首次提出了人工智能的概念； 第二个兴起阶段：以日本提出支持开发第五代计算机项目为标志； 第三个快速发展阶段：以加拿大多伦多大学的教授欣顿（Geoffrey Hinton）于2006年提出深度学习神经网络为标志。当前正处于这个快速发展的阶段！ 人工智能的发展可以说得益于三驾马车：数据、算法、算力。 简单来说，如果用火箭来比喻人工智能，那么： 数据=燃料 算法=引擎 算力=加速器
下面请坐稳，司机要开车了！
随着互联网的飞速发展，这个世界上的数据变得异常丰富，数据量呈爆炸式地增长。
今天的大数据越来越多地呈现出以下一种或几种特性：
大数据取代了传统的抽样调查
例如，以前电视台某个节目的收视率往往要由专业的调查公司通过抽样调查的方式估算出来。现在，有了微博、视频网站等，我们就可以直接利用网络上每时每刻产生的大数据对节目热度进行分析。
许多大数据都可以实时获取
例如，每年“双11”期间的各类电子商务平台上，所有这些交易数据都可以被实时汇总，供人们对“双11”当天的交易情况进行监控、管理、分析、汇总。大数据的实时性为大数据的应用提供了更多的选择，为大数据更快产生应用价值提供了基础。
大数据往往混合了来自多个数据源的多维度信息
假如利用用户ID，将用户在微博上的社交行为和用户在电子商务平台的购买行为关联起来，就可以向微博用户更准确地推荐他最喜欢的商品。聚合更多数据源，增加数据维度，这是提高大数据价值的好办法。
机器学习是对能通过数据或经验自动改进的计算机算法的研究。
机器学习算法的广义分类大概有3种：监督学习、无监督学习、强化学习。
- 监督学习：
这就像教小孩子分类，先给他一个苹果，然后告诉他这是苹果。经过反复地训练学习，再给他苹果的时候，问他这是什么，他应该告诉你，这是苹果。如果给他一个梨，他应该告诉你，这不是苹果。
无监督学习：
继续上面的例子，给小孩子一堆水果，比如有苹果、橘子、梨这3种，小孩子一开始不知道这些水果是什么，让小孩子对这堆水果进行分类。等小孩子分类完后，给他一个苹果，他应该将这个苹果放到刚刚分好的苹果堆中去。
强化学习：
谷歌的AlphaGo围棋程序，赢了围棋界排名世界第一的柯洁，背后使用的就是强化学习技术。
深度学习是机器学习的子领域。
具体来说，深度学习是机器学习中具有深层结构的神经网络算法。人工智能算法从专家系统到特征工程，最后到深度学习的这个过程中，人工参与在逐渐减少，而机器工作在逐渐增加，由于深度学习算法的优异表现得到了主流认可，所以在多方应用中得到长足发展。 第三驾马车：算力是人工智能技术实现的保障
算力，也就是指芯片。
人工智能领域是一个数据密集、计算密集的领域，传统的数据处理技术难以满足高强度、大数据的处理需求。
人工智能芯片的出现让大规模的数据效率大大提升，加速了深层神经网络的训练迭代速度，极大地促进了人工智能行业的发展。
在人工智能市场高速发展的今天，人们都在寻找能让深度学习算法更快速、更低能耗执行的芯片。 人工智能芯片主要包括： ● GPU（Graphics Processing Unit，图形处理器） ● FPGA（Field Programmable Gate Array，现场可编程逻辑门阵列） ● ASIC( Application Specific Integrated Circuit，专用集成电路) ● 类脑芯片
敬请期待哦！
—— The End——
接下来是福利时间！
为了感谢大家的支持，鲜枣课堂再次联合人民邮电出版社，给大家送上10本《AI赋能：驱动产业变革的人工智能应用》！
《AI赋能：驱动产业变革的人工智能应用》
▋ 简要介绍
中国人工智能产业发展联盟是在国家发改委、科技部、工信部、网信办四部委联合指导和推动下，由中国信息通信研究院牵头，会同中国电子技术标准化研究院、国家工业信息安全发展研究中心等单位筹建而成的机构。
《AI赋能 驱动产业变革的人工智能应用》集合了在中国人工智能产业发展联盟组织的第二批“人工智能技术和应用案例评选”活动中名列前茅的51个优秀案例，全书共5章，包含：智能制造、智能农业、智能城市、智能医疗、电信领域。本书展示了人工智能技术在工业、医疗、交通、金融、通信、政务、教育、公共安全等各个领域的实际应用，展现了中国科技公司引领技术创新完成行业融合的新浪潮。
▋ 活动规则
规则很简单：在本文下方留言，分享您对人工智能的看法或者心得（不少于20字），入选留言点赞最多的前10名（公众号只支持100条留言，所以要趁早），送价值119元的《AI赋能：驱动产业变革的人工智能应用》一本。（全国包邮）
截止时间：2019年8月16日22:00，禁止技术手段刷赞，发现取消资格。
没抢到怎么办？
可以扫描下面的二维码直接购买：
《AI赋能：驱动产业变革的人工智能应用》
赶紧留言吧！
越早留言，获赠机会越大！
祝你好运哟！
719
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
