Jerry Kaplan：坚信人工智能会让未来更加光明

机器学习背后是一系列的应用，包括软件的技术，包括选择各种不同的使用模式，案例，包括大量的事例来提取模式。对同一领域的数据进行收集，如果这个体量足够大了，让你能够找到一些模式，但是你能够充分地利用那些模式，来进行数据的预测或者说是归类，特别是对于同一领域的新数据的事例进行预测或者分类，因此在另外一方面，机器学习也是一个非常好的例子，对于你的未见的未来进行更好的预测，假设，机器学习的程序是用来识别图像，识别对象，而图像包括我们之前的讲者也提到的，在这里有不同的猫猫狗狗的照片，它能够找到其中的相关性，这个相关性也许是任何一样东西和股价的相关性，他找到这个相关性之后能够用来做股票，包括证券的销售等等。

大家是这方面的专家，大家知道了逻辑推理和机器学习是两种不同的人工智能领域，不同的两条路，但是又有一个问题出现了，逻辑推理为什么在过去的几十年里如此风靡全球，相应而言，当下，现在，机器学习变得大行其道呢？如果要说它背后简单的答案，也许是有不同的存储、网络、计算，数据正在发生深远的变革。他们所变化的这个体量不是一点点，也不是许多，我想说这个词，是一个巨大的天量的海量的变化，而这样的变化也是让我们的可能变得有更多的无限的可能。在回顾过去的几十年的发展，在速度和内存上面差不多每一年半，它的能力就能翻一番，这意味着当下的计算机，现在差不多它现在的能力，应该说是在过去的三十年里，应该是翻了二十多倍，那我想这应该是如果看到他的指数，是 2 的 20 次方，产生的体量应该是超过 1 百万了，因此甚至超越了我们直觉的分析和知识，来理解这巨大的海量，一百万代表的是速度方面，就是我们一个蜗牛的步行的速度和一个航天飞机，如果把它放到同一个阶数下面，他们的差别是多少？50 万。

如果再看苹果手表，苹果手表它的计算能力和传统的美国完整的空间项目，这是最早的，比 1965 年登月时候的计算能力要大得多，同样发生变化的也包括数位化的数据，所发生的体量也是海量巨大的。这为什么改变了整个人工智能的发展方向和方法呢？首先第一种方法，人工智能当中的推理法，他只要少量的数据就能够完成很多的工作，只要输入端很少的事实，能够有很好的推理和演绎，得出很多有用的用户案例，而这对于我们现存的技术，特别是对于 20、30年当时现成的技术而言，这种法以无是有效的。对比一下，30 年之前，计算机，或者说机器学习的算法还缺少数据，就算你有这部分的数据，它背后的存储处理能力，在当时也是会限制你能够发展的方向和速度。因此，再回到 20、30 年之前，这是为什么逻辑推算是主导。

而在那个时候，人们并不非常关心机器学习，随着时间的推移，情况发生了逆转。机器学习它能够带来的是非常混乱的，非结构化的真实世界当中的问题，因为数据量变得大了很多。他需要大量的计算能力，需要很强的云存储能力，而且需要更大量的数据，数据越多，结果越好，越准，因此，机器学习是一个非常非常好的一种匹配，特别是在一个数据密度非常高的世界当中，而且是当我们即将进入到 5G 的万物互联的时代。这也是发展到现在，我也给大家介绍了人工智能的发展史。

（编辑：成都站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!