人工智慧這兩年的火爆大家有目共睹，取得的一些技術進步大家想必也有所耳聞。這裡就來談談人工智慧的三要素：資料、算力和演算法。
首先，這三要素缺一不可，都是人工智慧取得如此成就的必備條件。如果非要給這三者排個序的話，我認為應該是資料、算力和演算法。
第一是資料。因為人工智慧的根基是訓練，就如同人類如果要獲取一定的技能，那必須經過不斷地訓練才能獲得，而且有熟能生巧之說。ai也是如此，只有經過大量的訓練，神經網路才能總結出規律，應用到新的樣本上。如果現實**現了訓練集中從未有過的場景，則網路會基本處於瞎猜狀態，正確率可想而知。比如需要識別勺子，但訓練集中勺子總和碗一起出現，網路很可能學到的是碗的特徵，如果新的只有碗，沒有勺子，依然很可能被分類為勺子。因此，對於ai而言，大量的資料太重要了，而且需要覆蓋各種可能的場景，這樣才能得到乙個表現良好的模型，看起來更智慧型。
第二是算力。有了資料之後，需要進行訓練，不斷地訓練。ai中有乙個術語叫epoch，意思是把訓練集翻過來、調過去訓練多少輪。只把訓練集從頭到尾訓練一遍網路是學不好的，就像和小孩說乙個道理，一遍肯定學不會，過目不忘那就是神童了，不過我至今還沒見到過。當然，除了訓練(train)，ai實際需要執行在硬體上，也需要推理(inference)，這些都需要算力的支撐。
第三是演算法。其實大家現在演算法談得很多，也顯得很高階，但其實某種程度上來說演算法是獲取成本最低的。現在有很多不錯的*****，開源的網路**，各種automl自動化手段，使得演算法的門檻越來越低。另外提一點，演算法這塊其實是創業公司比較容易的切入點，資料很多人會覺得low，會認為就是打打標籤而已，所以願意做的不多；算力需要晶元支撐，是大公司爭奪的主要陣地，留下的只有演算法了。
不過，如果想做乙個非常成功的ai應用，這三者都需要具備，所謂天時地利人和。
十次方算力租賃知識 AI人工智慧需要租賃算力嗎
時至今日，人工智慧的發展已經是不可忽視的，特別是經過這次疫情之後，人工智慧技術在其中發揮的作用更是讓人們驚嘆 比如在火神山醫院的建設中，6架50公尺高空的智慧型無人照明飛機，每架機就能實現照亮6000平方公尺範圍，持續照明10小時。與普通的照明裝置相比，無人照明飛機利用它的智慧型移動性，可自由變換角...
三歲孩子到經濟學人，秒懂人工智慧AI
三歲孩子到經濟學人，秒懂人工智慧因為我的農業公司要涉足人工智慧，又因為沒錢請演算法工程師，所以自己先了解了解人工智慧。入坑人工智慧時間尚短，短到不忍直視 僅指時間短啊 對於雲裡霧裡的各種專業詞彙，讓我這個文科生情何以堪？但了解了一段時間後，發現，其實沒那麼難理解。為了給二年級兒子準備人工智慧的家長課...
在AI人工智慧中如何學習大資料，成為佼佼者
大資料和人工智慧的關係，首先要說什麼是大資料。這些年來，大資料先是被神化，繼而又被妖魔化，到了今天，其實誰也不知道別人所謂的大資料指的是什麼。但為了說清楚大資料和人工智慧的關係，我們還是回歸大資料的本質 海量的 多維度 多形式的資料。人工智慧 任何智慧型的發展，其實都需要乙個學習的過程。而近期人工智...