一、 人工智能应用场景

二、人工智能小案例

案例一：画图识物

神经网络辨识涂鸦   链接：https://quickdraw.withgoogle.com

案例二：机器自动识别图像中的事物，列出命名。

案例三：把图片进行融合 https://deepdreamgenerator.com/

三、人工智能发展必备三要素：

• 数据
• 算法
• 计算力

计算力之CPU、GPU对比：

• CPU主要适合I\O密集型的任务

• GPU主要适合计算密集型任务

提问：什么类型的程序适合在GPU上运行？

1）计算密集型的程序。

所谓计算密集型(Compute-intensive)的程序，就是其大部分运行时间花在了寄存器运算上，寄存器的速度和处理器的速度相当，从寄存器读写数据几乎没有延时。可以做一下对比，读内存的延迟大概是几百个时钟周期；读硬盘的速度就不说了，即便是SSD, 也实在是太慢了。　　

（2）易于并行的程序。

GPU其实是一种SIMD(Single Instruction Multiple Data)架构， 他有成百上千个核，每一个核在同一时间最好能做同样的事情。

CPU和GPU的区别：

http://www.sohu.com/a/201309334_468740

Google TPU 介绍：

https://buzzorange.com/techorange/2017/09/27/what-intel-google-nvidia-microsoft-do-for-ai-chips/

 

四、人工智能、机器学习和深度学习

人工智能和机器学习，深度学习的关系

• 机器学习是人工智能的一个实现途径
• 深度学习是机器学习的一个方法发展而来

 

总结

人工智能应用场景

网络安全、电子商务、计算模拟、社交网络 … ...

人工智能必备三要素

数据、算法、计算力

人工智能和机器学习，深度学习的关系

机器学习是人工智能的一个实现途径

深度学习是机器学习的一个方法发展而来