AI三要素：算法、算力和算据

1956年，在美国达特茅斯学院，一堆科学家聚在一起开了个达特茅斯会议，在会上提出了人工智能（AI）的概念。从那以后，人工智能衍生出很多研究派系，如符号主义，联结主义，进化主义，贝叶斯派等，但一直没有什么突破。

近几年人工智能热度又起来了，这次是AI庞大体系中的一个分支：由联结主义衍生出来的机器学习，是只适用于特定功能和场景的专用系统。机器学习本身也有着许多不同的细分算法，包括监督学习、无监督学习、强化学习、主动学习以及迁移学习等。目前最广为人知的AlphaGo采用了深度学习和强化学习，其中深度学习就是一种监督学习算法。

对于AI来说，算法是不可或缺的。随着ICT技术的快速发展，提供了发展AI的另外两个必备条件：算力，也就是用以实现大规模并行计算的硬能力。2000年后，深度学习使用的算力经历了从CPU到GPU，从单机到云的发展过程，未来还可能用到量子计算。

还有一个是算据，就是针对某个应用的、海量的、有标签的数据输入。

算力可以理解为硬件芯片服务器，那么算据具体是什么？我们举例来说明。

比如说，你想要训练一个识别马路上是否有逆行车辆的AI系统，那你必须提供大量关于马路交通状况的图片或视频，而不能提供美食或是宠物的照片。其次，你的数据必须打有标签。还是以识别逆行的系统为例，你必须在提供的交通图片或视频中至少打上”有逆行车辆“和”无逆行车辆“两种标签。这样你的系统才能在不断的对比以及识别中，总结出什么是”有逆行车辆“的特征。一般来说，你提供的算据越多，越丰富，你的深度学习系统准确率就越高。

目前，我们已经拥有非常多的数据。全球在2015年所产生的数据，如果都存在25GB的蓝光光碟上，所用的光碟堆起来可以从地球到达月球。但是其中约90%是音视频、图像、文本等非结构化的数据，绝大多数都没有被有效地分析和利用。随着AI产业的发展，华为GIV预测2025年全球所产生的数据量将达180 ZB，都用蓝光光碟存储的话，堆起来可以往返月球11.3次，其中80%的数据都会得到分析利用。

针对不同的应用场景，我们可选择的算法是不同的。基于不同的算法和深度学习模型的复杂度，所需的算力是不同的，而深度学习往往都需要大量的算力。当你搭建了一个针对某个应用场景的深度学习系统，你就需要提供大量的算据来不断地训练这个系统，以达到在实际应用中可接受的准确率。所以说算法、算据、算力三个因素互为影响，相互使能，这是以深度学习为代表的人工智能领域重要的特征。

+智能，见未来

随着数据利用率的大幅提升，整个世界将变得越来越智能，+智能将成为主旋律，无论是个人、家庭、还是组织都会受益。

人+智能，可以让人越来越懒。

为什么？因为大家都会有一个贴身的智能个人助理，相当于AI小秘书，她能听懂、看懂并且提前知道你需要做的事情，然后帮你去完成，比如她可能会问你：“主人，明天是您的结婚纪念日，您妻子最喜欢蓝玫瑰，要不要帮您预定一束？”，你只要说一句“好”就搞定了，可以帮你节省很多时间。华为GIV预测，2025年90%的智能手机用户都会使用智能个人助理，所以那时候的懒不是罪，而是更聪明地利用时间。

家庭+智能以后，可以让人越来越宅。

智能化的家居设备将让家越来越舒适、安全，足不出户就可以进行工作和社交， AI服务机器人也开始走入平常百姓家庭来帮忙做家务了。比如你在书房和同事进行视频会议时，对家里的服务机器人说一句“给我来一杯热奶茶”，它就会按你喜欢的口味做一杯奶茶，并端到你的面前。华为GIV预测2025年各种类型的智能服务机器人将进入12%的家庭，所以那时候的宅不是罪，而是更聪明地利用空间。

组织+智能，会让社会越来越高效。

华为GIV预测，2025年全球企业对AI的采用率将达到86%。未来AI技术将会渗透到各行各业，比如快递物流将通过无人机、无人驾驶、AI路径规划，实现全国任何地方24小时内送达。智能交通系统将基于视频分析交通流量，并进行实时智能管控，堵车现象将大幅减少。未来的智能工厂可以根据用户独一无二的需求在24小时内完成设计、生产、包装发货，全程无人参与。