AI的生態圖景：模型、訓練資料、硬體和人員

AI的生態圖景：模型、訓練資料、硬體和人員

目前AI的生態圖景四個方面：模型、訓練資料、硬體和人員。新的模型（如生成對抗網路）正被廣泛應用，並取得了巨大的成功；更大的資料集可以用來訓練模型；硬體的改進加快了訓練的速度；而且，這個領域的每一次成功都會吸引更多的人進入這個行業。(Ed Newton-Rex Jukedeck)

進步是持續的，但是對社會產生直接的影響需要時間和金錢來進行研究。資料的可用性、計算的能力、每個模型的訓練週期和智慧水平都有侷限性。無監督學習的進步正在徹底改變商業應用程式，節省時間和金錢——2010年至2014年間，全球對人工智慧技術的投資從17億美元增長至149億美元（Merrill Lynch，Bank of America，2016）。

雖然AI不是一個新的概念，但它變得主流的過程也已經花費了數年的時間，近幾十年的發展速度是最快的。這意味著，由於我們目前使用arXiv和社交媒體進行傳播的文化，新的進步很快就會過時。AI的“過度活躍”可能是破壞性的，這迫使企業重新考慮他們正在設計的產品（Hugo Larochelle，Google Brain）。

AI的發展帶來了今天的模型：研究人員發現如何使用GPU來加速神經網路的訓練。這些方法使得模型能夠擴充套件到更大的資料集，並在對更小、更學術的資料集進行研究時實現更快的迭代。

DL社群開發了更好的開源庫和用於深度學習的工具。例如，Theano在如何實現DL模型方面取得了突破，這啟發了現在廣泛流行的TensorFlow。

ArXiv和社交媒體已經成為宣傳研究的主要真滴。這使得我們可以更快地迭代和構建其他研究人員的工作。(Hugo Larochelle, Google Brain)

https://blog.csdn.net/weixin_42137700/article/details/107633752