人工智慧三駕馬車：演算法，算力，算據

AlphaGo和李世石的人機世紀之戰，最終AlphaGo贏得棋局。那麼人工智慧的勝利決定性因素是什麼？

因此總結一下人工智慧的三大支柱：演算法，算力，算據。

舉個例子，在AlphaGo的這場棋局裡面，演算法就是機器根據對方的棋局決定下一步該怎麼走，算力就是快速計算決定怎麼走，算據就是透過大量的實戰棋譜訓練機器模型的大資料。在比賽之前，AlphaGo透過人工輸出大量的棋譜資訊不停的訓練AI模型，然後透過和大量的人在網上比賽吸取了大量的棋譜並且不斷的訓練校正模型。

所以AI的優勢是吸取了大量的經驗資料，並把這些經驗資料抽象為資料模型，另外可以依靠計算能力快速做決策，並透過實戰不斷的最佳化演算法。這麼比對就看出來人工智慧的優劣勢了。

優勢在於機器可以不吃不喝的工作，依靠記憶儲存能力吸取大量的經驗，而且透過整合各種優秀人才的演算法進行不斷的進化，在做決定的時候快狠準。這麼一看實在是勞模。

劣勢在於AI只是某一個領域的專家，如果你問他十萬個為什麼的問題，AlphaGo就無法回答，因為它只是訓練了圍棋領域的資料，其他領域相當於白痴一個。而人的優勢在於可以橫跨多個領域，觸類旁通。這也是為什麼AI目前只在專用領域發展的原因，也被稱為弱人工智慧。

既然決定AI競爭力的三個因素是演算法、算力、算據，那麼哪一個才是決定性的因素。

演算法是依靠人設計的，並且可以透過深度學習不斷的校正。因此本質上來說，演算法是人的智力水平的體現。既然是人的智力水平體現，就看人才的質量了。這也是為什麼矽谷出現大量AI人才的原因，因為聚集了頂級的智力資源。

算力是機器運算的快慢，因此就是硬體而已，花錢堆疊就行了。關於算力可以參考之前的原創文章GPU：大資料算力時代，英偉達的王者逆襲之路

算據是給AI喂大量資料，因此誰手裡有大量的資料，誰的AI模型就更準確，同時透過不斷的深度學習反向校正演算法。

因此，可以看出演算法可以透過招募頂級的人才（錢）獲取智力資源，算力可以購買大量的硬體（錢）進行堆疊，而算據也可以大量購買（目前資料買賣中國官方並沒有明確的規定是否合法）。

但是 個人覺得算據才是核心競爭力。因為有了大量的資料就可以快速的訓練AI模型，同時透過訓練的結果不斷的最佳化演算法。這樣就能在競爭中快人一步。這也是 美國為什麼制裁中國AI科技公司的原因，包括商湯科技、曠世、海康威視等。因為中國有大量的人口資料，因此可以透過不斷的影像訓練而提高AI的效能。但是美國卻一直以侵犯人的隱私為藉口打擊中國，實則是因為在美國市場資料獲取太難了。不管是歐洲的GDPR還是美國的隱私安全法，在保護個人隱私的同時也大大限制了人工智慧的進步。