解析区块链如何扭转AI困境

2018-05-30 09:56:32 来源：人工智能抢沙发

2018-05-30 09:56:32 来源：人工智能

摘要：　　机器学习应用于人工智能领域，赋予计算机系统自动学习（执行任务）的能力。例如，我们可以训练计算机从成千上万辆不同颜色的车中识别出蓝色的车，或是从一堆新鲜果蔬中挑出变质的部分。
关键词：区块链

　　机器学习应用于人工智能领域，赋予计算机系统自动学习（执行任务）的能力。例如，我们可以训练计算机从成千上万辆不同颜色的车中识别出蓝色的车，或是从一堆新鲜果蔬中挑出变质的部分。

　　该技术广泛运用于各个行业，其中包括视频监控系统、社交媒体平台的相关功能（含脸部识别以及类似微博的“可能认识的人”等），我们甚至可以训练电脑识别出邮箱中带有明显“垃圾”特征或低质量的邮件内容，并将其过滤。

　　为此，人们在机器学习和人工智能行业投入了数十亿美元的资金。2016年，互联网数据中心（IDC）发布了一份全球半年度认知/人工智能系统开支指南。该报告预测，由于认知系统和人工智能的广泛应用，到2020年，全球收入将从2016年的近80亿美元上升至470多亿美元，相当于高达55%的年增长率。

　　透过这些惊人的数字，人工智能和机器学习的潜在益处显而易见。但是将之运用到实际中所需的庞大数据等潜在问题并未具体说明，目前仍然困难重重。

　　InfoWorld发布的行业数据表明，当前机器学习行业所面临的“最大挑战”是缺乏培训数据。据估计，全球99%的数据还未经过分析，且非结构化数据超过80%，这意味着即使人工智能公司能够获取这些数据，他们还得花费大笔资金雇佣工作人员查看和标记数据，分析标记完的数据才能导入计算机，其过程十分耗时费财。IDC报告指出，鉴于人工智能行业发展迅速，价值匪浅，各个企业亟需趁热打铁，踊跃加入。

　　数据（人工制造而非直接获得或收集的数据）可以解决数据访问问题，但是为确保人工智能和机器学习模型正确，需要大量的计算能力对计算机进行培训。例如，DeepMind团队的分布式AlphaGo之所以能够战胜世界围棋冠军李世石，是因为它的1202个CPU和176个CPU，该CPU量是单个计算机版本AlphaGo算法的25倍。

第三十八届CIO班招生
国际CIO认证培训
首席数据官（CDO）认证培训

责编：kongwen

免责声明：本网站（http://www.ciotimes.com/）内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
本网站刊载的所有内容（包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等）版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时，请及时通知本站，予以删除。