人工智能学习

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？

1. 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。

2. 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。

3. 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

1. 起步发展期：1956年—20世纪60年代初
2. 反思发展期：20世纪60年代—70年代初
3. 应用发展期：20世纪70年代初—80年代中
4. 低迷发展期：20世纪80年代中—90年代中
5. 稳步发展期：20世纪90年代中—2010
6. 蓬勃发展期：2011年至今
   

5. 人工智能分支

1. 主要分支介绍

   通讯、感知与行动是现代人工智能的三个关键能力࿰