关于 AI,你一直想知道但不敢问的五大问题
常言道,世界上没有愚蠢的问题。作为一个靠着问“愚蠢的问题”谋生的人,我可以告诉你,这样说真的很愚蠢。
不过,最棒的问题通常是让一个聪明的人向一个一无所知的菜鸟(也就是我)从头开始解释一件事。在英伟达工作的一大好处就是,我可以向许多聪明的人问一些非常非常愚蠢的问题。
事实证明,不只是我有这些疑问。月复一月,成千上万的读者在搜索引擎中问这些问题。而他们可以访问我们的博客,找到问题的答案。
这些是什么问题呢?是聪明的问题。以下是我们 2019 年最热门的五大问题。
这篇文章发表于 10 多年前,但是由于出现了由深度学习驱动的 AI、超级计算和自动驾驶汽车,因此它提供的答案比以往更加贴切。因此,我们在年初更新了原始文章,并且阅读次数也比以往更多。
AI、机器学习和深度学习之间的关系好比是几个同心圆。AI 最先出现,是最大的圆。然后是机器学习,后来发展起来。最后是深度学习,它正在推动着今天的 AI 实现爆炸式发展,位于同心圆的中心。要想了解更多内容,请单击上面的链接。
这是目前 AI 领域的关键问题之一,是这篇文章之所以备受欢迎的原因。单击链接即可获取这些问题的答案,答案写得通俗易懂,概括介绍了各种学习方式需要处理的数据集和问题。
这个问题的关注度也非常高。简而言之,训练是通过神经网络运行数据,从而教神经网络执行任务的过程。这教会了计算机去做一些事情,就在十年前,大多数人认为只能由人类完成。相比之下,推理是将经过训练的网络投入使用的过程,应用范围包括从超大规模数据中心到自主机器的各个领域。
过去,光线追踪主要应用于电影中。而光栅化则常见于视频游戏。光线追踪对光线在现实世界中的移动方式进行建模,非常漂亮,但这一过程需要消耗大量的计算资源。相比之下,光栅化执行起来比较快。英伟达最新的 Turing 基础架构 GPU 模糊了这两种技术之间的界限,通过硬件加速实现实时光线跟踪,获得栩栩如生的电影级游戏画面。