人工智能学习
1. 人工智能应用场景
网络安全、电子商务、计算模拟、社交网络 … …
2. 人工智能必备三要素
数据,算法,计算力
计算力之CPU、GPU对比:
- CPU主要适合I\O密集型的任务
- GPU主要适合计算密集型任务
提问:什么类型的程序适合在GPU上运行?
-
计算密集型的程序。
所谓计算密集型(Compute-intensive)的程序,就是其大部分运行时间花在了寄存器运算上,寄存器的速度和处理器的速度相当,从寄存器读写数据几乎没有延时。可以做一下对比,读内存的延迟大概是几百个时钟周期;读硬盘的速度就不说了,即便是SSD, 也实在是太慢了。
-
易于并行的程序。
GPU其实是一种SIMD(Single Instruction Multiple Data)架构, 他有成百上千个核,每一个核在同一时间最好能做同样的事情。
-
CPU和GPU的区别
见扩展
3. 人工智能和机器学习,深度学习的关系
- 机器学习是人工智能的一个实现途径
- 深度学习是机器学习的一个方法发展而来
4. 人工智能发展历程
起源:图灵测试, 达特茅斯会议
发展历程
- 起步发展期:1956年—20世纪60年代初
- 反思发展期:20世纪60年代—70年代初
- 应用发展期:20世纪70年代初—80年代中
- 低迷发展期:20世纪80年代中—90年代中
- 稳步发展期:20世纪90年代中—2010
- 蓬勃发展期:2011年至今