• 欄目導航
    COLUMN NAVIGATION
    聯系我們
    CONTACT US
    最新動態
    您的位置:首頁 >> 新聞資訊 >> 最新動態
    人工智能走向深度學習能帶來什么
    發表時間:2020-05-06 08:41:21  |  點擊率:0

    據介紹,人工智能比較大的挑戰之一是識別度不高、準確度不高,提高準確度就要提高模型的規模和精細度,提高線下訓練的頻次,這需要更強的計算力。當前隨著人工智能算法模型的復雜度和精度愈來愈高,互聯網和物聯網產生的數據呈幾何倍數增長,在數據量和算法模型的雙層疊加下,人工智能對計算的需求越來越大。ck6150數控車床


    “2016年3月,谷歌人工智能阿爾法圍棋(AlphaGo)戰勝韓國棋手李世石時,人們慨嘆人工智能的強大,而其背后巨大的‘付出’卻鮮為人知——數千臺服務器、上千塊CPU、高性能顯卡以及對弈一場棋所消耗的驚人電量!边h望智庫人工智能事業部部長、圖靈機器人首席戰略官譚茗洲在接受科技日報記者采訪時表示。


    “相比云計算和大數據等應用,人工智能對計算力的需求幾乎無止境!敝袊こ淘涸菏、浪潮集團首席科學家王恩東也指出。


    據介紹,人工智能比較大的挑戰之一是識別度不高、準確度不高,提高準確度就要提高模型的規模和精細度,提高線下訓練的頻次,這需要更強的計算力。


    當前隨著人工智能算法模型的復雜度和精度愈來愈高,互聯網和物聯網產生的數據呈幾何倍數增長,在數據量和算法模型的雙層疊加下,人工智能對計算的需求越來越大。


    從中國信息通信研究院王蘊韜在通信世界網發表的文章了解,人工智能基礎設施建設重要一方面是繼續夯實通用算力基礎。當前算力供給已經無法滿足智能化社會構建,根據OpenAI統計,從2012年至2019年,隨著深度學習“大深多”模型的演進,模型計算所需計算量已經增長30萬倍,無論是計算機視覺還是自然語言處理,由于預訓練模型的廣泛使用,模型所需算力直接呈現階躍式發展。


    據斯坦!禔IINDEX2019》報告,2012年之前,人工智能的計算速度緊追摩爾定律,算力需求每兩年翻一番,2012年以后,算力需求的翻番時長則直接縮短為3、4個月。面對已經每過20年才能翻一番的通用計算供給能力,算力捉襟見肘已經不言而喻。


    無疑,人工智能走向深度學習,計算力已成為評價人工智能研究成本的重要指標。


    未來如何解決算力難題,據科技日報報道,目前計算存儲一體化正在助力、推動算法升級,成為下一代AI系統的入口。存內計算提供的大規模更高效的算力,使得AI算法設計有更充分的想象力,不再受到算力約束。從而將硬件上的先進性,升級為系統、算法的領先優勢,最終加速孵化新業務。


    而除了計算存儲一體化的趨勢,量子計算或是解決AI所需巨額算力的另一途徑。目前量子計算機的發展已經超越傳統計算機的摩爾定律,以傳統計算機的計算能力為基本參考,量子計算機的算力正迅速發展。


    山東華北數控機床有限公司   技術支持:滕州網站建設
    日本XXXX裸体XXXX按摩视频,成年男女免费视频在线观看不卡,俄罗斯少妇大屁股XXXXX,车上他弄得我好爽高潮视频