從云計(jì)算、大數(shù)據(jù)到人工智能-課件

從云計(jì)算、大數(shù)據(jù)到人工智能01前言

云計(jì)算、大數(shù)據(jù)和人工智能，這三個(gè)詞現(xiàn)在非?；穑⑶宜麄冎g互相有關(guān)系。

一般談云計(jì)算的時(shí)候會(huì)提到大數(shù)據(jù)、談人工智能的時(shí)候會(huì)提大數(shù)據(jù)、也會(huì)提到云計(jì)算。。。。。。感覺(jué)三者之間相輔相成又不可分割。

這里我們有必要解釋一下，三者之間的相互關(guān)系。。。

云計(jì)算最初目標(biāo)云計(jì)算最初目標(biāo)是對(duì)資源的管理，管理的主要是計(jì)算資源、網(wǎng)絡(luò)資源、存儲(chǔ)資源三個(gè)方面。管數(shù)據(jù)中心就像配電腦-比如你要買(mǎi)臺(tái)筆記本電腦，是不是要關(guān)心這臺(tái)電腦是什么樣的CPU？多大的內(nèi)存？這兩個(gè)就被我們稱(chēng)為計(jì)算資源。Compute計(jì)算-家的所有的電腦、手機(jī)、平板就都可以通過(guò)路由器上網(wǎng)了。這就是網(wǎng)絡(luò)資源。Networking網(wǎng)絡(luò)-可能還會(huì)問(wèn)硬盤(pán)多大？過(guò)去的硬盤(pán)都很小，大小如10G之類(lèi)的；后來(lái)即使500G、1T、2T的硬盤(pán)也不新鮮了。(1T是1000G)，這就是存儲(chǔ)資源。Storage存儲(chǔ)資源運(yùn)營(yíng)數(shù)據(jù)中心的人是怎么把這些設(shè)備統(tǒng)一的管理起來(lái)的呢？什么叫計(jì)算、網(wǎng)絡(luò)、存儲(chǔ)資源？靈活就是想怎么就怎么想什么時(shí)候要就什么時(shí)候要，需要的時(shí)候一點(diǎn)就出來(lái)了。想要多少就有多少。需要一個(gè)空間很小的電腦，可以滿(mǎn)足；需要一個(gè)特別大的空間例如云盤(pán)，云盤(pán)給每個(gè)人分配的空間動(dòng)不動(dòng)就很大很大，隨時(shí)上傳隨時(shí)有空間，永遠(yuǎn)用不完，也是可以滿(mǎn)足的。管理的目標(biāo)就是要達(dá)到時(shí)間靈活性和空間靈活性時(shí)間靈活性空間靈活性靈活就是想啥時(shí)要都有，想要多少都行云計(jì)算彈性首先是它缺乏時(shí)間靈活性。不能夠達(dá)到想什么時(shí)候要就什么時(shí)候要。其次是它的空間靈活性也不行。不能根據(jù)用戶(hù)需求設(shè)置機(jī)器大小。物理設(shè)備不靈活每個(gè)客戶(hù)只能看到自己的那一小塊，但其實(shí)每個(gè)客戶(hù)用的是整個(gè)大的設(shè)備上的一小塊。如果事先物理設(shè)備都準(zhǔn)備好，虛擬化軟件虛擬出一個(gè)電腦是非?？斓?，基本上幾分鐘就能解決。虛擬化靈活多了空間靈活性和時(shí)間靈活性，即我們常說(shuō)的云計(jì)算的彈性。云計(jì)算—虛擬化需要比較復(fù)雜的人工配置影響時(shí)間靈活性和空間靈活性虛擬化的半自動(dòng)調(diào)度中心自動(dòng)在大池子里面找一個(gè)能夠滿(mǎn)足用戶(hù)需求的地方，把虛擬電腦啟動(dòng)起來(lái)做好配置云計(jì)算的全自動(dòng)虛擬化與云計(jì)算調(diào)度云計(jì)算—云化私有云：把虛擬化和云化的這套軟件部署在自己的數(shù)據(jù)中心里面。使用私有云的用戶(hù)往往很有錢(qián)，自己買(mǎi)地建機(jī)房、自己買(mǎi)服務(wù)器，然后讓云廠(chǎng)商部署在自己這里。公有云：把虛擬化和云化軟件部署在云廠(chǎng)商自己數(shù)據(jù)中心里面的，用戶(hù)不需要很大的投入，只要注冊(cè)一個(gè)賬號(hào)，就能在一個(gè)網(wǎng)頁(yè)上點(diǎn)一下創(chuàng)建一臺(tái)虛擬電腦。。云計(jì)算大致分兩種：一個(gè)是私有云，一個(gè)是公有云。Vmware私有云

公有云：阿里云、騰訊云、網(wǎng)易云、亞馬遜云技術(shù)開(kāi)源Rackspace和美國(guó)航空航天局合作創(chuàng)辦了開(kāi)源軟件OpenStack，它是一個(gè)計(jì)算compute、網(wǎng)絡(luò)networking、存儲(chǔ)storage的云化管理平臺(tái)。IaaS-InfranstractureAsAService隨著OpenStack的技術(shù)越來(lái)越成熟，可以管理的規(guī)模也越來(lái)越大，并且可以有多個(gè)OpenStack集群部署多套。在這個(gè)規(guī)模下，對(duì)于普通用戶(hù)的感知來(lái)講，基本能夠做到想什么時(shí)候要就什么時(shí)候要，想要多少就要多少。從感覺(jué)上來(lái)講，就實(shí)現(xiàn)了云計(jì)算的彈性。其實(shí)有點(diǎn)像銀行，給儲(chǔ)戶(hù)的感覺(jué)是什么時(shí)候取錢(qián)都有，只要不同時(shí)擠兌，銀行就不會(huì)垮。到了這個(gè)階段，云計(jì)算基本上實(shí)現(xiàn)了時(shí)間靈活性和空間靈活性；實(shí)現(xiàn)了計(jì)算、網(wǎng)絡(luò)、存儲(chǔ)資源的彈性。資源層面的靈活性云計(jì)算不光管資源，也要管應(yīng)用安裝的過(guò)程平臺(tái)幫不了你的忙，但是可以幫你做到自動(dòng)化。自己的應(yīng)用自動(dòng)安裝通用的應(yīng)用不用安裝復(fù)雜度比較高的，都在用的，例如數(shù)據(jù)庫(kù)等云計(jì)算應(yīng)用解決管理資源的以上的應(yīng)用彈性問(wèn)題云計(jì)算應(yīng)用而容器是能更好地解決這個(gè)問(wèn)題。容器是Container，Container另一個(gè)意思是集裝箱，其實(shí)容器的思想就是要變成軟件交付的集裝箱。集裝箱的特點(diǎn)：一是封裝，二是標(biāo)準(zhǔn)云計(jì)算不光管資源，也要管應(yīng)用雖說(shuō)腳本的方式能夠解決自己的應(yīng)用的部署問(wèn)題，然而不同的環(huán)境千差萬(wàn)別，一個(gè)腳本往往在一個(gè)環(huán)境上運(yùn)行正確，到另一個(gè)環(huán)境就不正確了。云計(jì)算—容器有了集裝箱以后，所有的貨物都打包在一起了，船員再也不用上岸長(zhǎng)時(shí)間耽擱了沒(méi)有集裝箱的時(shí)候，每次換船，船員們都要在岸上待幾天才能走云計(jì)算--PaaS容器如何對(duì)應(yīng)用打包呢？還是要學(xué)習(xí)集裝箱。首先要有個(gè)封閉的環(huán)境，將貨物封裝起來(lái)，讓貨物之間互不干擾、互相隔離，這樣裝貨卸貨才方便。好在Ubuntu中的LXC技術(shù)早就能做到這一點(diǎn)。封閉的環(huán)境主要使用了兩種技術(shù)：看起來(lái)是隔離的技術(shù)，稱(chēng)為

Namespace，也即每個(gè)Namespace中的應(yīng)用看到的是不同的IP地址、用戶(hù)空間、程號(hào)等。用起來(lái)是隔離的技術(shù)，稱(chēng)為Cgroups，也即明明整臺(tái)機(jī)器有很多的

CPU、內(nèi)存，而一個(gè)應(yīng)用只能用其中的一部分。有了容器，使得PaaS層對(duì)于用戶(hù)自身應(yīng)用的自動(dòng)部署變得快速而優(yōu)雅。大數(shù)據(jù)擁抱云計(jì)算結(jié)構(gòu)化數(shù)據(jù)有固定格式和有限長(zhǎng)度的數(shù)據(jù)。例如填的表格就是結(jié)構(gòu)化的數(shù)據(jù)，國(guó)籍：中華人民共和國(guó)，民族：漢，性別：男，這都叫結(jié)構(gòu)化數(shù)據(jù)。非結(jié)構(gòu)化數(shù)據(jù)現(xiàn)在非結(jié)構(gòu)化的數(shù)據(jù)越來(lái)越多，就是不定長(zhǎng)、無(wú)固定格式的數(shù)據(jù)，例如網(wǎng)頁(yè)，有時(shí)候非常長(zhǎng)，有時(shí)候幾句話(huà)就沒(méi)了；例如語(yǔ)音，視頻都是非結(jié)構(gòu)化的數(shù)據(jù)。半結(jié)構(gòu)化數(shù)據(jù)是一些XML或者HTML的格式的，不從事技術(shù)的可能不了解，但也沒(méi)有關(guān)系。數(shù)據(jù)類(lèi)型在PaaS層中一個(gè)復(fù)雜的通用應(yīng)用就是大數(shù)據(jù)平臺(tái)。大數(shù)據(jù)4V特征結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)如今的數(shù)據(jù)類(lèi)型早已不是單一的文本形式，網(wǎng)絡(luò)日志、音頻、視頻、圖片、地理位置信息等，對(duì)數(shù)據(jù)的處理能力提出了更高要求實(shí)時(shí)獲取需要的信息比如：在客戶(hù)每次瀏覽頁(yè)面，每次下訂單過(guò)程中都會(huì)對(duì)用戶(hù)進(jìn)行實(shí)時(shí)的推薦，決策已經(jīng)變得實(shí)時(shí)數(shù)據(jù)量巨大全球在2010年正式進(jìn)入ZB

時(shí)代，IDC預(yù)計(jì)到2020年，全球?qū)⒖偣矒碛?5ZB

的數(shù)據(jù)量沙里淘金，價(jià)值密度低雖然數(shù)據(jù)量很大，但是價(jià)值密度較低，如何通過(guò)強(qiáng)大的機(jī)器算法更迅速地完成數(shù)據(jù)價(jià)值“提純”，是目前大數(shù)據(jù)亟待解決的難題大數(shù)據(jù)產(chǎn)品市場(chǎng)價(jià)值解決方案轉(zhuǎn)化1.

海量（Volume）3.速度（

Velocity）4.

價(jià)值（value）2.

多樣（Variety）軟件是大數(shù)據(jù)的引擎和數(shù)據(jù)中心（DataCenter）

一樣，軟件是大數(shù)據(jù)的驅(qū)動(dòng)力.軟件改變世界!大數(shù)據(jù)擁抱云計(jì)算數(shù)據(jù)的應(yīng)用分這四個(gè)步驟：數(shù)據(jù)、信息、知識(shí)、智慧你每天跑步帶個(gè)手環(huán)收集的也是數(shù)據(jù)，網(wǎng)上這么多網(wǎng)頁(yè)也是數(shù)據(jù)，我們稱(chēng)為Data數(shù)據(jù)數(shù)據(jù)十分雜亂，經(jīng)過(guò)梳理和清洗，才能夠稱(chēng)為信息信息信息會(huì)包含很多規(guī)律，我們需要從信息中將規(guī)律總結(jié)出來(lái)，稱(chēng)為知識(shí)（Knowledge），而知識(shí)改變命運(yùn)。知識(shí)有了知識(shí)，然后利用這些知識(shí)去應(yīng)用于實(shí)戰(zhàn)，有的人會(huì)做得非常好，這個(gè)東西叫做智慧智慧大數(shù)據(jù)升華為智慧數(shù)據(jù)的處理分以下幾個(gè)步驟，完成了才最后會(huì)有智慧：數(shù)據(jù)收集數(shù)據(jù)傳輸數(shù)據(jù)存儲(chǔ)數(shù)據(jù)處理和分析數(shù)據(jù)檢索和挖掘大數(shù)據(jù)升華為智慧當(dāng)數(shù)據(jù)量很小的時(shí)候，很少的幾臺(tái)機(jī)器就能解決。慢慢的當(dāng)數(shù)據(jù)量越來(lái)越大，最牛的服務(wù)器都解決不了問(wèn)題的時(shí)候，就想怎么辦呢？要聚合多臺(tái)機(jī)器的力量，大家齊心協(xié)力一起把這個(gè)事搞定，眾人拾柴火焰高。大數(shù)據(jù)升華為智慧智慧形成大數(shù)據(jù)獲取當(dāng)數(shù)據(jù)量很小時(shí)，很少的幾臺(tái)機(jī)器就能解決當(dāng)數(shù)據(jù)量越來(lái)越大，這時(shí)就要聚合多臺(tái)機(jī)器的力量對(duì)于數(shù)據(jù)的收集：就IoT來(lái)講，外面部署著成千上萬(wàn)的檢測(cè)設(shè)備，將大量的溫度、濕度、監(jiān)控、電力等數(shù)據(jù)統(tǒng)統(tǒng)收集上來(lái)；就互聯(lián)網(wǎng)網(wǎng)頁(yè)的搜索引擎來(lái)講，需要將整個(gè)互聯(lián)網(wǎng)所有的網(wǎng)頁(yè)都下載下來(lái)。多臺(tái)機(jī)器組成網(wǎng)絡(luò)爬蟲(chóng)系統(tǒng)，每臺(tái)機(jī)器下載一部分，同時(shí)工作，才能在有限的時(shí)間內(nèi)，將海量的網(wǎng)頁(yè)下載完畢。大數(shù)據(jù)調(diào)度對(duì)于數(shù)據(jù)的傳輸：一個(gè)內(nèi)存里面的隊(duì)列肯定會(huì)被大量的數(shù)據(jù)擠爆掉，于是就產(chǎn)生了基于硬盤(pán)的分布式隊(duì)列，這樣隊(duì)列可以多臺(tái)機(jī)器同時(shí)傳輸，隨你數(shù)據(jù)量多大，只要我的隊(duì)列足夠多，管道足夠粗，就能夠撐得住。大數(shù)據(jù)存儲(chǔ)對(duì)于數(shù)據(jù)的存儲(chǔ)：一臺(tái)機(jī)器的文件系統(tǒng)肯定是放不下的，所以需要一個(gè)很大的分布式文件系統(tǒng)來(lái)做這件事情，把多臺(tái)機(jī)器的硬盤(pán)打成一塊大的文件系統(tǒng)。大數(shù)據(jù)處理與分析分布式計(jì)算的方法，將大量的數(shù)據(jù)分成小份，每臺(tái)機(jī)器處理一小份，多臺(tái)機(jī)器并行處理，很快就能算完。例如著名的Terasort對(duì)1個(gè)TB的數(shù)據(jù)排序，相當(dāng)于1000G，如果單機(jī)處理，怎么也要幾個(gè)小時(shí)，但并行處理209秒就完成了。大數(shù)據(jù)分析流程大數(shù)據(jù)分析-挖掘建模使用廣義角度分類(lèi)聚類(lèi)估值預(yù)測(cè)關(guān)聯(lián)規(guī)則···數(shù)理基礎(chǔ)角度機(jī)器學(xué)習(xí)方法統(tǒng)計(jì)方法神經(jīng)網(wǎng)絡(luò)方法決策樹(shù)基于范例學(xué)習(xí)規(guī)則歸納遺傳算法···回歸分析時(shí)間序列分析關(guān)聯(lián)分析聚類(lèi)分析粗糙集探索性分析支持向量機(jī)最近鄰分析···模糊集前向神經(jīng)網(wǎng)絡(luò)自組織神經(jīng)網(wǎng)絡(luò)多層神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)···感知機(jī)可視化數(shù)據(jù)挖掘工具Weka軟件SPSS軟件Clementine軟件RapidMiner軟件其他數(shù)據(jù)挖掘軟件大數(shù)據(jù)技術(shù)體系大數(shù)據(jù)擁抱云計(jì)算大數(shù)據(jù)擁抱云計(jì)算所以說(shuō)什么叫做大數(shù)據(jù)？說(shuō)白了就是一臺(tái)機(jī)器干不完，大家一起干。可是隨著數(shù)據(jù)量越來(lái)越大，很多不大的公司都需要處理相當(dāng)多的數(shù)據(jù)，這些小公司沒(méi)有這么多機(jī)器可怎么辦呢？大數(shù)據(jù)需要云計(jì)算，云計(jì)算需要大數(shù)據(jù)說(shuō)到這里，大家想起云計(jì)算了吧。當(dāng)想要干這些活時(shí)，需要很多的機(jī)器一塊做，真的是想什么時(shí)候要就什么時(shí)候要，想要多少就要多少。例如大數(shù)據(jù)分析公司的財(cái)務(wù)情況，可能一周分析一次，如果要把這一百臺(tái)機(jī)器或者一千臺(tái)機(jī)器都在那放著，一周用一次非常浪費(fèi)。那能不能需要計(jì)算的時(shí)候，把這一千臺(tái)機(jī)器拿出來(lái)；不算的時(shí)候，讓這一千臺(tái)機(jī)器去干別的事情？誰(shuí)能做這個(gè)事兒呢？只有云計(jì)算，可以為大數(shù)據(jù)的運(yùn)算提供資源層的靈活性。而云計(jì)算也會(huì)部署大數(shù)據(jù)放到它的PaaS平臺(tái)上，作為一個(gè)非常非常重要的通用應(yīng)用。因?yàn)榇髷?shù)據(jù)平臺(tái)能夠使得多臺(tái)機(jī)器一起干一個(gè)事兒，這個(gè)東西不是一般人能開(kāi)發(fā)出來(lái)的，也不是一般人玩得轉(zhuǎn)的，怎么也得雇個(gè)幾十上百號(hào)人才能把這個(gè)玩起來(lái)。所以說(shuō)就像數(shù)據(jù)庫(kù)一樣，還是需要有一幫專(zhuān)業(yè)的人來(lái)玩這個(gè)東西。現(xiàn)在公有云上基本上都會(huì)有大數(shù)據(jù)的解決方案了。一個(gè)小公司需要大數(shù)據(jù)平臺(tái)的時(shí)候，不需要采購(gòu)一千臺(tái)機(jī)器，只要到公有云上一點(diǎn)，這一千臺(tái)機(jī)器都出來(lái)了，并且上面已經(jīng)部署好了的大數(shù)據(jù)平臺(tái)，只要把數(shù)據(jù)放進(jìn)去算就可以了。云計(jì)算需要大數(shù)據(jù)，大數(shù)據(jù)需要云計(jì)算，二者就這樣結(jié)合了。人工智能擁抱大數(shù)據(jù)機(jī)器什么時(shí)候才能懂人心雖說(shuō)有了大數(shù)據(jù)，人的欲望卻不能夠滿(mǎn)足。雖說(shuō)在大數(shù)據(jù)平臺(tái)里面有搜索引擎這個(gè)東西，想要什么東西一搜就出來(lái)了。但也存在這樣的情況：我想要的東西不會(huì)搜，表達(dá)不出來(lái)，搜索出來(lái)的又不是我想要的。例如音樂(lè)軟件推薦了一首歌，這首歌我沒(méi)聽(tīng)過(guò)，當(dāng)然不知道名字，也沒(méi)法搜。但是軟件推薦給我，我的確喜歡，這就是搜索做不到的事情。當(dāng)人們使用這種應(yīng)用時(shí)，會(huì)發(fā)現(xiàn)機(jī)器知道我想要什么，而不是說(shuō)當(dāng)我想要時(shí)，去機(jī)器里面搜索。這個(gè)機(jī)器真像我的朋友一樣懂我，這就有點(diǎn)人工智能的意思了。人們很早就在想這個(gè)事情了。最早的時(shí)候，人們想象，要是有一堵墻，墻后面是個(gè)機(jī)器，我給它說(shuō)話(huà)，它就給我回應(yīng)。如果我感覺(jué)不出它那邊是人還是機(jī)器，那它就真的是一個(gè)人工智能的東西了。讓機(jī)器學(xué)會(huì)推理如何讓機(jī)器學(xué)會(huì)推理？讓機(jī)器具有學(xué)習(xí)的功能從各種各樣的數(shù)據(jù)中快速獲取有價(jià)值信息的能力機(jī)器更智能，具有分析能力計(jì)算機(jī)利用經(jīng)驗(yàn)改善自身性能的行為機(jī)器學(xué)習(xí)的最終目的是從數(shù)據(jù)中獲取知識(shí)由計(jì)算機(jī)代替人去挖掘信息，獲取知識(shí)人工智能淺析模擬大腦的工作方式人類(lèi)的腦子里面不是存儲(chǔ)著大量的規(guī)則，也不是記錄著大量的統(tǒng)計(jì)數(shù)據(jù)，而是通過(guò)神經(jīng)元的觸發(fā)實(shí)現(xiàn)的，每個(gè)神經(jīng)元有從其它神經(jīng)元的輸入，當(dāng)接收到輸入時(shí)，會(huì)產(chǎn)生一個(gè)輸出來(lái)刺激其它神經(jīng)元。于是大量的神經(jīng)元相互反應(yīng)，最終形成各種輸出的結(jié)果。人工智能淺析用一個(gè)數(shù)學(xué)單元模擬神經(jīng)元。這個(gè)神經(jīng)元有輸入，有輸出，輸入和輸出之間通過(guò)一個(gè)公式來(lái)表示，輸入根據(jù)重要程度不同(權(quán)重)，影響著輸出。將n個(gè)神經(jīng)元通過(guò)像一張神經(jīng)網(wǎng)絡(luò)一樣連接在一起。n這個(gè)數(shù)字可以很大很大，所有的神經(jīng)元可以分成很多列，每一列很多個(gè)排列起來(lái)。每個(gè)神經(jīng)元對(duì)于輸入的權(quán)重可以都不相同，從而每個(gè)神經(jīng)元的公式也不相同。當(dāng)人們從這張網(wǎng)絡(luò)中輸入一個(gè)東西的時(shí)候，希望輸出一個(gè)對(duì)人類(lèi)來(lái)講正確的結(jié)果。人工智能淺析神經(jīng)網(wǎng)絡(luò)的普遍性定理是這樣說(shuō)的，假設(shè)某個(gè)人給你某種復(fù)雜奇特的函數(shù)，f(x)不管這個(gè)函數(shù)是什么樣的，總會(huì)確保有個(gè)神經(jīng)網(wǎng)絡(luò)能夠?qū)θ魏慰赡艿妮斎離，其值f(x)（或者某個(gè)能夠準(zhǔn)確的近似）是神經(jīng)網(wǎng)絡(luò)的輸出。如果在函數(shù)代表著規(guī)律，也意味著這個(gè)規(guī)律無(wú)論多么奇妙，多么不能理解，都是能通過(guò)大量的神經(jīng)元，通過(guò)大量權(quán)重的調(diào)整，表示出來(lái)的。聽(tīng)起來(lái)也沒(méi)有那么有道理，但的確能做到，就是這么任性！人工智能淺析人工智能擁抱云計(jì)算由于人工智能算法多是依賴(lài)于大量的數(shù)據(jù)的，這些數(shù)據(jù)往往需要面向某個(gè)特定的領(lǐng)域(例如電商，郵箱)進(jìn)行長(zhǎng)期的積累。如果沒(méi)有數(shù)據(jù)，就算有人工智能算法也白搭，所以人工智能程序很少像前面的IaaS和PaaS一樣，將人工智能程序給某個(gè)客戶(hù)安裝一套，讓客戶(hù)去用。因?yàn)榻o某個(gè)客戶(hù)單獨(dú)安裝一套，客戶(hù)沒(méi)有相關(guān)的數(shù)據(jù)做訓(xùn)練，結(jié)果往往是很差的。但云計(jì)算廠(chǎng)商往往是積累了大量數(shù)據(jù)的，于是就在云計(jì)算廠(chǎng)商里面安裝一套，暴露一個(gè)服務(wù)接口。比如您想鑒別一個(gè)文本是不是涉及黃色和暴力，直接用這個(gè)在線(xiàn)服務(wù)就可以了。這種形勢(shì)的服務(wù)，在云計(jì)算里面稱(chēng)為軟件即服務(wù)，SaaS(SoftwareASAService)于是人工智能程序作為SaaS平臺(tái)進(jìn)入了云計(jì)算。人工智能一覽表

應(yīng)用領(lǐng)域技術(shù)體系人工智能內(nèi)容人工智能的六大關(guān)鍵技術(shù)什么是深度學(xué)習(xí)深度學(xué)習(xí)的實(shí)質(zhì)，是通過(guò)構(gòu)建具有很多隱層的機(jī)器學(xué)習(xí)模型和海量的訓(xùn)練數(shù)據(jù)，來(lái)學(xué)習(xí)更有用的特征，從而最終提升分類(lèi)或預(yù)測(cè)的準(zhǔn)確性。所以，“深度模型”是手段，“特征學(xué)習(xí)”是目的。區(qū)別于傳統(tǒng)的淺層學(xué)習(xí)，深度學(xué)習(xí)的不同在于：1）強(qiáng)調(diào)了模型結(jié)構(gòu)的深度，通常有5層、6層、甚至10多層的隱層節(jié)點(diǎn)；2）明確突出了特征學(xué)習(xí)的重要性，也就是說(shuō)，通過(guò)逐層特征變換，將樣本在原空間的特征表示變換到一個(gè)新特征空間，從而分類(lèi)或預(yù)測(cè)更加容易。人工智能崛起人工智能機(jī)器學(xué)習(xí)算法是實(shí)現(xiàn)人工智能落地的引擎機(jī)器學(xué)習(xí)尤其是深度學(xué)習(xí)/強(qiáng)化學(xué)習(xí)促成了人工智能與商業(yè)場(chǎng)景的結(jié)合深度學(xué)習(xí)對(duì)并行計(jì)算單位時(shí)間數(shù)據(jù)吞吐能力有更高要求GPU/FPGA的發(fā)展及計(jì)算能力的提升使得云計(jì)算平臺(tái)可以快速計(jì)算、處理大量的數(shù)據(jù)大量實(shí)時(shí)產(chǎn)生的數(shù)據(jù)為人工智能的落地應(yīng)用奠定了基礎(chǔ)