人工智能的瓶颈如何解决?

发布时间:2021-01-15 11:00:00
阅读量:123
作者:猎维人工智能培训
随着数据呈几何量级的增长,监督型学习已经无法满足人工智能的发展需要,因为它需要有人去标注。另一个瓶颈是算力和算法不匹配。

在刚刚过去的 2020 年,人工智能技术狠狠地刷了一波存在感,抗疫中、 救灾中、扶贫中……它的身影无处不在。未来人工智能该如何发展?日前发布的《中共中央关于制定国民经济和社会发展第十四个五年规划和二〇三五年远景目标的建议》明确提出, “推动互联网、大数据、人工智能等同各产业深度融合”。

这也回答了传统行业、垂直行业如何实现转型升级,即产业的数字化。

智能化技术遇到了瓶颈

种种想法的实现,最终依靠的都是智能化技术,其中智能化技术又包括算力、算法和数据三大要素。

然而,随着数据呈几何量级的增长,监督型学习已经无法满足人工智能的发展需要,因为它需要有人去标注。另一个瓶颈是算力和算法不匹配。2012年之前,当一个新的算法出来,它所需求的算力基本上能跟上摩尔定律。但在2012年深度学习大规模出现以后,新的算法对算力的要求也“水涨船高”,算力、算法也遇到了瓶颈。

要使数字经济更高效,需要做到增效、降本。

监督型学习已经无法满足人工智能的发展需要

如何解决?

一个方向是算力上要突破。当前计算机架构是冯·诺依曼结构,计算单元和存储单元是分开的。为了突破这种架构,“非冯”的架构需要尽快出现,即存算一体。另一发展方向就是量子计算,其是真正意义上的并行计算,是另外一种架构上的探索。算法的发展方向还有一个也很重要,就是知识的融合。目前深度学习模型训练完后,其实是挖掘出来了一些隐性的知识,它可能无法表达,不能告诉人类是怎么回事。但这些隐性知识不是完全没有用处,它们是整个人类知识结构的一部分。

要使数字经济更高效,需要做到增效、降本。其中,增效就是传统行业的效率得以提高,降本就是在算法、算力上有所突破并使其成本降下来。需要各方搭起一个新的平台,能够把这种算法在不同行业上做一个更好的整合,从而带来整个行业的新发展。

更多资讯