Python人工智能的四大趨勢和九大挑戰(zhàn)
來源：
奇酷教育 發(fā)表于：
近年來，隨著計算機視覺、語音識別、機器翻譯的技術的發(fā)展和商業(yè)化，及諸如數(shù)字廣告和智能基礎設施等基于機器學習的后臺技術的普遍部署
近年來，隨著計算機視覺、語音識別、機器翻譯的技術的發(fā)展和商業(yè)化，及諸如數(shù)字廣告和智能基礎設施等基于機器學習的后臺技術的普遍部署，
人工智能已經(jīng)從實驗室的研究項目變成了實際生產(chǎn)系統(tǒng)不可或缺的關鍵技術。正是因為積累的海量數(shù)據(jù)、計算能力前所未有的發(fā)展高度、機器學習方法的不斷進展、系統(tǒng)軟件和架構(gòu)的持續(xù)創(chuàng)新、及方便這些技術落地的開源項目和云計算平臺，促使了人工智能技術的廣泛應用。
人工智能系統(tǒng)研究的主要有哪些大挑戰(zhàn)，飛速發(fā)展的原因是什么？
下一代人工智能系統(tǒng)將更廣泛地影響我們的生活，人工智能將會通過與環(huán)境交互替人類進行更關鍵的和更加個性化的決策。若想要人工智能發(fā)揮更大的作用，我們將面臨諸多極具挑戰(zhàn)性的問題：我們需要人工智能系統(tǒng)可以在各種極端情況下及時做出安全的決策，比如在各種惡意攻擊情況下具備魯棒性，在保證隱私的情況下具備處理跨多組織多個人的共享數(shù)據(jù)的能力。隨著摩爾定律的終結(jié)，存儲和處理數(shù)據(jù)的能力將受限，這些挑戰(zhàn)也將變得更加難以解決。在這篇文章里，我們將總結(jié)在系統(tǒng)領域、體系結(jié)構(gòu)領域、安全領域等方面的具體研究方向。
四大趨勢：
1.關鍵性任務的人工智能
2.個性化人工智能
3.跨多組織機構(gòu)的人工智能
4.后摩爾定律時期的人工智能
九大挑戰(zhàn)：
1.持續(xù)學習
2.魯棒決策
3.可解讀的決策
4.安全
5.對抗學習
6.在保密數(shù)據(jù)上的共享學習
7.特定領域定制的硬件
8.組件化的AI系統(tǒng)
9.跨云端和邊緣的系統(tǒng)
人工智能在過去二十年飛速發(fā)展的原因歸結(jié)于三點：
人工智能系統(tǒng)研究的主要有哪些大挑戰(zhàn)，飛速發(fā)展的原因是什么？
2，高擴展性的計算機和軟件系統(tǒng)
3，開源軟件（Spark、TensorFlow、MXNet、Caffe、PyTorch、BigDL）及公有云服務（Amazon AWS、Google Cloud、MS Azure）的興起和流行，這使研究人員可以很容易的租用GPU服務器或者FPGA服務器來驗證他們的算法。
雖然人工智能已經(jīng)應用到了眾多應用領域，但是人類希望在更多領域發(fā)揮人工智能的作用，包括健康醫(yī)療、交通運輸、工業(yè)制造、國防、娛樂、能源、農(nóng)業(yè)、銷售業(yè)等等領域。大規(guī)模系統(tǒng)和機器學習框架已經(jīng)幫助人工智能取得了一定程度的成功，我們期待計算機系統(tǒng)能夠可以更進一步地促進人工智能的發(fā)展。
您現(xiàn)在所在的位置：首頁 >關于奇酷 > 行業(yè)動態(tài) > Python人工智能的四大趨勢和九大挑戰(zhàn)
