人工智能（AI）作为这个时代最具影响力的技术进步，改变了全球经济的方方面面。
在经历了 AI 大爆炸、云服务、企业 AI、边缘 AI 和自主 AI 这五次增长浪潮后，AI 已从初出茅庐发展到无处不在。
与工业机械、晶体管、互联网和移动计算等技术突破一样，AI 首先由学术界提出，然后才逐渐实现了商业化。AI 首先在资源丰富的大型企业机构中扎根，经过多年的时间扩展到小型企业机构、专业人员和消费者。
自从 1956 年“AI”一词在达特茅斯大学诞生以来，该领域的从业人员已研究出许多方法来解决全球最棘手的问题。深度学习在其中最为热门，它使用被称为神经网络的数据结构模拟人类脑细胞的运作方式。
使用深度学习的数据科学家根据具体问题为神经网络设置最适合的参数，然后向 AI 提供数百万个问题和答案示例。AI 会调整每个答案示例的神经权重，直到它能够自己回答问题，甚至是从未见过的新问题。
AI 大爆炸
AI 计算的第一次浪潮被称为 “大爆炸”，它始于深度神经网络的发现。
“大爆炸”由三个基本因素推动，分别是：深度学习的学术突破、大数据的普及以及加速深度学习开发与训练的新 GPU 应用。
过去，计算机科学家需要指定每条 AI 指令，而现在算法可以编写算法，软件可以编写软件，计算机也可以自行学习。这标志着机器学习时代的开始。
过去十年，在后面四次增长浪潮的推动下，深度学习已经从学术界转移到了商业领域。
云
第一批使用 AI 的企业是大型科技公司。他们拥有科学知识和计算资源可以调整神经网络，使客户受益。通过云，AI 计算的第二次浪潮，他们做到了这一点。
例如谷歌将深度学习用于自然语言处理，推出了谷歌翻译。Facebook 将 AI 用于识别图像中的商品，使用户可以进行购买。通过此类云应用，谷歌、亚马逊和微软推出了许多开创性的 AI 实际应用。
这些大型科技公司随即开发了基础设施即服务（ infrastructure-as-a-service）平台，使企业和初创公司能够充分运用公有云的力量，并进一步推动了 AI 的采用。
现在，各种规模的企业都依靠云来快速、经济地使用 AI。云为企业部署 AI 提供了捷径，使企业能够专注于开发和训练模型，而不必费力搭建底层基础设施。
企业 AI
工具的开发使 AI 更容易获得，大型企业正在使用这项技术提高工作流程的质量、安全和效率，并引领 AI 计算的第三次浪潮。金融、医疗、环境服务、零售、娱乐等行业的数据科学家开始在自己的数据中心或云中训练神经网络。
例如对话式 AI 聊天机器人改进了呼叫中心；欺诈侦测 AI 监测线上市场的异常活动；计算机视觉成为了机械师、医生和飞行员的虚拟助手，为他们提供信息以做出更精准的决定。
尽管此轮 AI 计算浪潮诞生了广泛的应用并且每周都会登上头条新闻，但它才刚刚开始。企业正在大力投资于能够准备数据以训练模型的数据科学家和能够创建并自动化 AI 训练和部署流水线机器学习工程师。
边缘
第四次浪潮将 AI 从云或数据中心推向边缘，比如工厂、医院、机场、商店、餐厅和电网等地方。5G 的出现进一步提高了在任何地方部署和管理边缘计算设备的能力，为 AI 改造工作场所和企业实现来自终端用户的数据价值创造了巨大的机会。
物联网设备的采用和计算基础设施的进步推动了大数据的激增，企业借此创建和训练 AI 模型，并将模型部署在终端用户所在的边缘。
在这轮浪潮中，机器学习工程师和数据科学家必须考虑在边缘部署 AI 推理的设计限制，包括连接、存储、电池电量、算力和用于维护的物理访问。这些设计还必须满足企业主、IT 团队和安全运营的需求，以更好地确保部署的成功。
边缘 AI 虽然也处于早期阶段，但已被应用于许多行业。计算机视觉可以监控工厂车间的安全违规行为、扫描医疗图像中的异常增生以及确保高速公路上安全驾驶汽车。这些新应用潜力无限。
自主 AI
AI 的第五次浪潮将是自主性的增长——即 AI 在没有人类干预的情况下自主操控移动机械。汽车、卡车、船舶、飞机、无人机和其他机器人将在没有人类驾驶的情况下运行。5G 网络连接、加速计算的力量以及神经网络能力的持续创新是实现这一目标必不可少的条件。
疫情、全球供应链限制以及为提高业务流程效率而产生的自动化需求正在推动自主 AI 不断向前发展。
自主 AI 涵盖了深度学习以外的工程领域，因此需要机器学习工程师与机器人工程师开展合作，共同努力实现机器人系统工作流程的四个支柱：收集和生成基准真相数据、创建 AI 模型、使用数字孪生进行模拟以及在现实世界中操作机器人。
由于需要对所有可能的极端案例进行建模和测试，从而减轻在现实世界中部署机器人的安全风险，因此模拟能力对于机器人技术尤为重要。
自主机器还面临着部署、管理和安全方面的新挑战，因此企业需要协调工程、运营、制造、网络、安全和合规等团队。
开始使用 AI
自 AI 大爆炸以来，该行业已取得了迅速的发展并引发了后来的计算浪潮，包括云服务、企业 AI、边缘 AI 和自主机器。这些进步正在将 AI 从理论带到实践，改善企业和消费者的日常生活。
NVIDIA 花费数十年时间打造出的计算产品和软件帮助 AI 生态系统推动这些增长浪潮。除了在自己公司内部开发和实施 AI 之外，NVIDIA 还帮助无数企业、初创公司、工厂、医疗公司等采用、实施和扩展 AI 计划。
免责声明：本文来自NVIDIA英伟达中国客户端，不代表超天才网的观点和立场。文章及图片来源网络，版权归作者所有，如有投诉请联系删除。
匿名
这位投稿者太神秘了，什么都没留下~
超天才网©2017 www.supergenius.cn All Rights Reserved ICP备09005826号 京ICP证130304号
联系我们| 加入我们| 法律声明| 关于我们| 评论互动
超天才网©2013-2014 All Rights Reserved ICP备09005826号 京ICP证130304号
登录
人工智能计算的五次浪潮
人工智能（AI）作为这个时代最具影响力的技术进步，改变了全球经济的方方面面。
在经历了 AI 大爆炸、云服务、企业 AI、边缘 AI 和自主 AI 这五次增长浪潮后，AI 已从初出茅庐发展到无处不在。
与工业机械、晶体管、互联网和移动计算等技术突破一样，AI 首先由学术界提出，然后才逐渐实现了商业化。AI 首先在资源丰富的大型企业机构中扎根，经过多年的时间扩展到小型企业机构、专业人员和消费者。
自从 1956 年“AI”一词在达特茅斯大学诞生以来，该领域的从业人员已研究出许多方法来解决全球最棘手的问题。深度学习在其中最为热门，它使用被称为神经网络的数据结构模拟人类脑细胞的运作方式。
使用深度学习的数据科学家根据具体问题为神经网络设置最适合的参数，然后向 AI 提供数百万个问题和答案示例。AI 会调整每个答案示例的神经权重，直到它能够自己回答问题，甚至是从未见过的新问题。
AI 大爆炸
AI 计算的第一次浪潮被称为 “大爆炸”，它始于深度神经网络的发现。
“大爆炸”由三个基本因素推动，分别是：深度学习的学术突破、大数据的普及以及加速深度学习开发与训练的新 GPU 应用。
过去，计算机科学家需要指定每条 AI 指令，而现在算法可以编写算法，软件可以编写软件，计算机也可以自行学习。这标志着机器学习时代的开始。
过去十年，在后面四次增长浪潮的推动下，深度学习已经从学术界转移到了商业领域。
云
第一批使用 AI 的企业是大型科技公司。他们拥有科学知识和计算资源可以调整神经网络，使客户受益。通过云，AI 计算的第二次浪潮，他们做到了这一点。
例如谷歌将深度学习用于自然语言处理，推出了谷歌翻译。Facebook 将 AI 用于识别图像中的商品，使用户可以进行购买。通过此类云应用，谷歌、亚马逊和微软推出了许多开创性的 AI 实际应用。
这些大型科技公司随即开发了基础设施即服务（
infrastructure-as-a-service）平台，使企业和初创公司能够充分运用公有云的力量，并进一步推动了 AI 的采用。
现在，各种规模的企业都依靠云来快速、经济地使用 AI。云为企业部署 AI 提供了捷径，使企业能够专注于开发和训练模型，而不必费力搭建底层基础设施。
企业 AI
工具的开发使 AI 更容易获得，大型企业正在使用这项技术提高工作流程的质量、安全和效率，并引领 AI 计算的第三次浪潮。金融、医疗、环境服务、零售、娱乐等行业的数据科学家开始在自己的数据中心或云中训练神经网络。
例如对话式 AI 聊天机器人改进了呼叫中心；欺诈侦测 AI 监测线上市场的异常活动；计算机视觉成为了机械师、医生和飞行员的虚拟助手，为他们提供信息以做出更精准的决定。
尽管此轮 AI 计算浪潮诞生了广泛的应用并且每周都会登上头条新闻，但它才刚刚开始。企业正在大力投资于能够准备数据以训练模型的数据科学家和能够创建并自动化 AI 训练和部署流水线机器学习工程师。
边缘
第四次浪潮将 AI 从云或数据中心推向边缘，比如工厂、医院、机场、商店、餐厅和电网等地方。5G 的出现进一步提高了在任何地方部署和管理边缘计算设备的能力，为 AI 改造工作场所和企业实现来自终端用户的数据价值创造了巨大的机会。
物联网设备的采用和计算基础设施的进步推动了大数据的激增，企业借此创建和训练 AI 模型，并将模型部署在终端用户所在的边缘。
在这轮浪潮中，机器学习工程师和数据科学家必须考虑在边缘部署 AI 推理的设计限制，包括连接、存储、电池电量、算力和用于维护的物理访问。这些设计还必须满足企业主、IT 团队和安全运营的需求，以更好地确保部署的成功。
边缘 AI 虽然也处于早期阶段，但已被应用于许多行业。计算机视觉可以监控工厂车间的安全违规行为、扫描医疗图像中的异常增生以及确保高速公路上安全驾驶汽车。这些新应用潜力无限。
自主 AI
AI 的第五次浪潮将是自主性的增长——即 AI 在没有人类干预的情况下自主操控移动机械。汽车、卡车、船舶、飞机、无人机和其他机器人将在没有人类驾驶的情况下运行。5G 网络连接、加速计算的力量以及神经网络能力的持续创新是实现这一目标必不可少的条件。
疫情、全球供应链限制以及为提高业务流程效率而产生的自动化需求正在推动自主 AI 不断向前发展。
自主 AI 涵盖了深度学习以外的工程领域，因此需要机器学习工程师与机器人工程师开展合作，共同努力实现机器人系统工作流程的四个支柱：收集和生成基准真相数据、创建 AI 模型、使用数字孪生进行模拟以及在现实世界中操作机器人。
由于需要对所有可能的极端案例进行建模和测试，从而减轻在现实世界中部署机器人的安全风险，因此模拟能力对于机器人技术尤为重要。
自主机器还面临着部署、管理和安全方面的新挑战，因此企业需要协调工程、运营、制造、网络、安全和合规等团队。
开始使用 AI
自 AI 大爆炸以来，该行业已取得了迅速的发展并引发了后来的计算浪潮，包括云服务、企业 AI、边缘 AI 和自主机器。这些进步正在将 AI 从理论带到实践，改善企业和消费者的日常生活。
NVIDIA 花费数十年时间打造出的计算产品和软件帮助 AI 生态系统推动这些增长浪潮。除了在自己公司内部开发和实施 AI 之外，NVIDIA 还帮助无数企业、初创公司、工厂、医疗公司等采用、实施和扩展 AI 计划。
免责声明：本文来自NVIDIA英伟达中国客户端，不代表超天才网的观点和立场。文章及图片来源网络，版权归作者所有，如有投诉请联系删除。