今天，我們特別邀請到華為市場洞察部部長David，來給大家解讀一下AI。
AI三要素：算法、算力和算據
1956年，在美國達特茅斯學院，一堆科學家聚在一起開了個達特茅斯會議，在會上提出了人工智能（AI）的概念。從那以後，人工智能衍生出很多研究派系，如符號主義，聯結主義，進化主義，貝葉斯派等，但一直沒有什麼突破。
近幾年人工智能熱度又起來了，這次是AI龐大體系中的一個分支：由聯結主義衍生出來的機器學習，是隻適用於特定功能和場景的專用系統。機器學習本身也有著許多不同的細分算法，包括監督學習、無監督學習、強化學習、主動學習以及遷移學習等。目前最廣為人知的AlphaGo採用了深度學習和強化學習，其中深度學習就是一種監督學習算法。
對於AI來說，算法是不可或缺的。隨著ICT技術的快速發展，提供了發展AI的另外兩個必備條件：算力，也就是用以實現大規模並行計算的硬能力。2000年後，深度學習使用的算力經歷了從CPU到GPU，從單機到雲的發展過程，未來還可能用到量子計算。
還有一個是算據，就是針對某個應用的、海量的、有標籤的數據輸入。算力可以理解為硬件芯片服務器，那麼算據具體是什麼？我們舉例來說明。
比如說，你想要訓練一個識別馬路上是否有逆行車輛的AI系統，那你必須提供大量關於馬路交通狀況的圖片或視頻，而不能提供美食或是寵物的照片。其次，你的數據必須打有標籤。還是以識別逆行的系統為例，你必須在提供的交通圖片或視頻中至少打上”有逆行車輛“和”無逆行車輛“兩種標籤。這樣你的系統才能在不斷的對比以及識別中，總結出什麼是”有逆行車輛“的特徵。一般來說，你提供的算據越多，越豐富，你的深度學習系統準確率就越高。
目前，我們已經擁有非常多的數據。全球在2015年所產生的數據，如果都存在25GB的藍光光碟上，所用的光碟堆起來可以從地球到達月球。但是其中約90%是音視頻、圖像、文本等非結構化的數據，絕大多數都沒有被有效地分析和利用。隨著AI產業的發展，華為GIV預測2025年全球所產生的數據量將達180 ZB，都用藍光光碟存儲的話，堆起來可以往返月球11.3次，其中80%的數據都會得到分析利用。
針對不同的應用場景，我們可選擇的算法是不同的。基於不同的算法和深度學習模型的複雜度，所需的算力是不同的，而深度學習往往都需要大量的算力。當你搭建了一個針對某個應用場景的深度學習系統，你就需要提供大量的算據來不斷地訓練這個系統，以達到在實際應用中可接受的準確率。所以說算法、算據、算力三個因素互為影響，相互使能，這是以深度學習為代表的人工智能領域重要的特徵。
+智能，見未來
隨著數據利用率的大幅提升，整個世界將變得越來越智能，+智能將成為主旋律，無論是個人、家庭、還是組織都會受益。
人+智能，可以讓人越來越懶。
為什麼？因為大家都會有一個貼身的智能個人助理，相當於AI小秘書，她能聽懂、看懂並且提前知道你需要做的事情，然後幫你去完成，比如她可能會問你：“主人，明天是您的結婚紀念日，您妻子最喜歡藍玫瑰，要不要幫您預定一束？”，你只要說一句“好”就搞定了，可以幫你節省很多時間。華為GIV預測，2025年90%的智能手機用戶都會使用智能個人助理，所以那時候的懶不是罪，而是更聰明地利用時間。
家庭+智能以後，可以讓人越來越宅。
智能化的家居設備將讓家越來越舒適、安全，足不出戶就可以進行工作和社交， AI服務機器人也開始走入平常百姓家庭來幫忙做家務了。比如你在書房和同事進行視頻會議時，對家裡的服務機器人說一句“給我來一杯熱奶茶”，它就會按你喜歡的口味做一杯奶茶，並端到你的面前。華為GIV預測2025年各種類型的智能服務機器人將進入12%的家庭，所以那時候的宅不是罪，而是更聰明地利用空間。
組織+智能，會讓社會越來越高效。
華為GIV預測，2025年全球企業對AI的採用率將達到86%。未來AI技術將會滲透到各行各業，比如快遞物流將通過無人機、無人駕駛、AI路徑規劃，實現全國任何地方24小時內送達。智能交通系統將基於視頻分析交通流量，並進行實時智能管控，堵車現象將大幅減少。未來的智能工廠可以根據用戶獨一無二的需求在24小時內完成設計、生產、包裝發貨，全程無人參與。
這樣美好的智能世界，你想不想早日體驗？快來全聯接大會，跟我們一起+智能，見未來吧！
華為全聯接大會將於10月10-12日在上海舉辦。早鳥票優惠於2018年9月10日截止，具備敏銳科技嗅覺的你，快來加入這場科技盛宴！還可以註冊線上觀看直播哦！
閱讀更多 華為 的文章
