在過(guò)去的十年中，圍繞人工智能的突破，投資和企業(yè)家活動(dòng)的爆炸式增長(zhǎng)完全由深度學(xué)習(xí)驅(qū)動(dòng)，深度學(xué)習(xí)是一種復(fù)雜的統(tǒng)計(jì)分析技術(shù)，用于發(fā)現(xiàn)大量數(shù)據(jù)中的隱藏模式。1955年創(chuàng)造的一個(gè)術(shù)語(yǔ)（人工智能）被應(yīng)用到（或錯(cuò)誤地應(yīng)用到了）深度學(xué)習(xí)，這是一種訓(xùn)練計(jì)算機(jī)執(zhí)行某些任務(wù)的方法的更高級(jí)版本- 機(jī)器學(xué)習(xí)，這個(gè)術(shù)語(yǔ)是在1959年創(chuàng)造的。

深度學(xué)習(xí)的最新成功是由于大量數(shù)據(jù)（大數(shù)據(jù)）的可用性增加以及圖形處理單元（GPU）的出現(xiàn)，顯著增加了用于訓(xùn)練計(jì)算機(jī)的數(shù)據(jù)的廣度和深度，并減少了所需的時(shí)間用于訓(xùn)練深度學(xué)習(xí)算法。

“大數(shù)據(jù)”一詞最早出現(xiàn)在1997年10月由Michael Cox和David Ellsworth撰寫(xiě)的計(jì)算機(jī)科學(xué)文獻(xiàn)中，該文章發(fā)表在IEEE第八屆可視化會(huì)議論文集中，“ 針對(duì)核心外可視化的應(yīng)用程序控制的需求分頁(yè) ” 。他們寫(xiě)道：“可視化給計(jì)算機(jī)系統(tǒng)帶來(lái)了一個(gè)有趣的挑戰(zhàn)：數(shù)據(jù)集通常很大，這給主內(nèi)存，本地磁盤(pán)甚至遠(yuǎn)程磁盤(pán)的容量增加了負(fù)擔(dān)。我們稱(chēng)此為大數(shù)據(jù)問(wèn)題 。當(dāng)數(shù)據(jù)集不能容納在主存儲(chǔ)器（核心）中，或者甚至不能容納在本地磁盤(pán)中時(shí)，最常見(jiàn)的解決方案是獲取更多資源。”該術(shù)語(yǔ)在學(xué)術(shù)界之外也曾使用過(guò)。

SGI的創(chuàng)始人吉姆·克拉克（Jim Clark）于1974年在“計(jì)算機(jī)圖形之父”伊萬(wàn)·薩瑟蘭（Ivan Sutherland）的指導(dǎo)下在猶他大學(xué)完成了博士學(xué)位論文?？死撕髞?lái)創(chuàng)立了Netscape Communications，其成功的網(wǎng)絡(luò)瀏覽器和1995年的IPO引發(fā)了“互聯(lián)網(wǎng)熱潮”。蒂姆·伯納斯·李（Tim Berners-Lee）在1989年發(fā)明了網(wǎng)絡(luò)，并成功地使全世界數(shù)十億人成為數(shù)字?jǐn)?shù)據(jù)的消費(fèi)者和創(chuàng)造者，這為數(shù)十億廣泛共享的數(shù)字圖像（例如，將貓的照片識(shí)別為一只貓”）。

2007年， 普林斯頓大學(xué)的計(jì)算機(jī)科學(xué)家Fei-Fei Li和她的同事開(kāi)始組裝ImageNet，ImageNet是一個(gè)帶注釋的圖像的大型數(shù)據(jù)庫(kù)，旨在幫助視覺(jué)對(duì)象識(shí)別軟件研究。五年后，即2012年10月，由多倫多大學(xué)研究人員設(shè)計(jì)的深度學(xué)習(xí)人工神經(jīng)網(wǎng)絡(luò)在ImageNet大規(guī)模視覺(jué)識(shí)別挑戰(zhàn)賽中的錯(cuò)誤率僅達(dá)到16％，大大超過(guò)了25％的錯(cuò)誤率。一年前最好的進(jìn)入，預(yù)示著“人工智能”的興起。

大數(shù)據(jù)確實(shí)很大。 RJT Morris和BJ Truskowski在“ 存儲(chǔ)系統(tǒng)的發(fā)展 ”一書(shū)中說(shuō)，在1996年，數(shù)字存儲(chǔ)在存儲(chǔ)數(shù)據(jù)方面比在紙上更具成本效益。在2002年，數(shù)字信息存儲(chǔ)首次超過(guò)了非數(shù)字存儲(chǔ)。根據(jù)馬丁·希爾伯特（Martin Hilbert）和普里西拉·洛佩茲（Priscila Lopez）的“世界存儲(chǔ)，通信和計(jì)算信息的技術(shù)能力 ”，在1986年至2007年之間，世界的信息存儲(chǔ)能力以每年25％的復(fù)合年增長(zhǎng)率增長(zhǎng)。他們還估計(jì)， 1986年，所有存儲(chǔ)容量中有99.2％是模擬存儲(chǔ)，但在2007年，有94％的存儲(chǔ)容量是數(shù)字存儲(chǔ)，這完全顛倒了角色。

2000年10月，加州大學(xué)伯克利分校的Peter Lyman和Hal Varian發(fā)表了“ 多少信息？”，這是第一個(gè)以計(jì)算機(jī)存儲(chǔ)量來(lái)量化世界上每年創(chuàng)建的新信息和原始信息（不計(jì)算副本）總量的綜合研究。1999年，全世界產(chǎn)生了1.5艾字節(jié)的原始數(shù)據(jù)。2007年3月，John Gantz，David Reinsel和IDC的其他研究人員發(fā)布 了第一項(xiàng)研究， 以估計(jì)和預(yù)測(cè)每年創(chuàng)建和復(fù)制的數(shù)字?jǐn)?shù)據(jù)的數(shù)量-2006年為161艾字節(jié)，據(jù)估計(jì)，該數(shù)字將增加六倍，達(dá)到988艾字節(jié)。 2010年，或每18個(gè)月翻一番。

信息爆炸（根據(jù)牛津英語(yǔ)詞典的說(shuō)法，該術(shù)語(yǔ)在1941年首次使用）已經(jīng)變成了大型數(shù)字?jǐn)?shù)據(jù)爆炸。但是，可用數(shù)據(jù)的數(shù)量只是使深度學(xué)習(xí)成功的兩個(gè)催化劑之一。另一個(gè)是GPU。

雖然深度學(xué)習(xí)算法的開(kāi)發(fā)及其實(shí)際應(yīng)用在1980年代和1990年代穩(wěn)步發(fā)展，但它們受到計(jì)算機(jī)能力不足的限制。1986年10月，David Rumelhart，Geoffrey Hinton和Ronald Williams出版了“ 通過(guò)反向傳播錯(cuò)誤學(xué)習(xí)表示法 ”，其中描述了“一種新的學(xué)習(xí)過(guò)程，即反向傳播，用于神經(jīng)元樣單元網(wǎng)絡(luò)，”是一個(gè)概念性突破。在深度學(xué)習(xí)的發(fā)展中。三年后，Yann LeCun和AT＆T貝爾實(shí)驗(yàn)室的其他研究人員成功地應(yīng)用了反向傳播算法到多層神經(jīng)網(wǎng)絡(luò)，識(shí)別手寫(xiě)的郵政編碼。但是鑒于當(dāng)時(shí)的硬件限制，培訓(xùn)網(wǎng)絡(luò)大約花了3天的時(shí)間（與以前的工作相比有很大的改進(jìn)）。

大數(shù)據(jù)誕生的計(jì)算機(jī)圖形學(xué)得以拯救。到1990年代，實(shí)時(shí)3D圖形在街機(jī)，計(jì)算機(jī)和游戲機(jī)游戲中變得越來(lái)越普遍，導(dǎo)致對(duì)硬件加速3D圖形的需求增加。索尼在1994年推出家用視頻游戲機(jī)PS1時(shí)，首先將GPU一詞稱(chēng)為 “幾何處理單元”。

視頻游戲渲染需要快速并行執(zhí)行許多操作。圖形卡具有較高的并行度和較高的內(nèi)存帶寬，但相對(duì)于傳統(tǒng)CPU而言，其時(shí)鐘速度較低且分支能力較低。碰巧，在人工神經(jīng)網(wǎng)絡(luò)上運(yùn)行的深度學(xué)習(xí)算法需要類(lèi)似的特性-并行性，高內(nèi)存帶寬，無(wú)分支。

到2000年代末，許多研究人員已經(jīng)證明了GPU在深度學(xué)習(xí)（特別是對(duì)于人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練）中的實(shí)用性。由新的編程語(yǔ)言（如NVIDIA的CUDA）支持的通用GPU已應(yīng)用于各種深度學(xué)習(xí)任務(wù)。此類(lèi)應(yīng)用程序中最明顯的是上述2012年ImageNet挑戰(zhàn)賽的冠軍。

2020年3月18日，計(jì)算機(jī)技術(shù)協(xié)會(huì)（ACM）將Patrick M.（Pat）Hanrahan和Edwin E.（Ed）Catmull提名為2019 ACM AM圖靈獎(jiǎng)的獲得者，以表彰其對(duì)3D計(jì)算機(jī)圖形學(xué)的基本貢獻(xiàn)，以及這些技術(shù)對(duì)電影制作和其他應(yīng)用中的計(jì)算機(jī)生成圖像（CGI）產(chǎn)生了革命性的影響。

根據(jù)ACM新聞稿，今天，“ 3-D計(jì)算機(jī)動(dòng)畫(huà)電影代表了在價(jià)值1380億美元的全球電影行業(yè)中廣受歡迎的類(lèi)型。3-D計(jì)算機(jī)圖像對(duì)于蓬勃發(fā)展的視頻游戲行業(yè)以及新興的虛擬現(xiàn)實(shí)和增強(qiáng)現(xiàn)實(shí)領(lǐng)域也至關(guān)重要。Catmull和Hanrahan做出了開(kāi)創(chuàng)性的技術(shù)貢獻(xiàn)，這些貢獻(xiàn)仍然是當(dāng)今CGI圖像開(kāi)發(fā)方式不可或缺的部分。此外，他們對(duì)編程圖形處理單元（GPU）的見(jiàn)解不僅對(duì)計(jì)算機(jī)圖形學(xué)產(chǎn)生了影響，還影響了包括數(shù)據(jù)中心管理和人工智能在內(nèi)的各個(gè)領(lǐng)域?！?/p>

像吉姆·克拉克（Jim Clark）一樣，卡特姆（Catmull）是伊萬(wàn)·薩瑟蘭（Ivan Sutherland）的學(xué)生，并于1974年獲得猶他大學(xué)的博士學(xué)位。正如羅伯特·里夫林（Robert Rivlin）在1986年的著作《算法圖像：計(jì)算機(jī)時(shí)代的圖形視覺(jué)》中所寫(xiě)的那樣，“現(xiàn)代計(jì)算機(jī)中幾乎每個(gè)有影響力的人圖形社區(qū)要么通過(guò)了猶他大學(xué)，要么以某種方式與之接觸?！?/p>

在2010年對(duì) Pat Hanrahan的采訪(fǎng)中，Catmull描述了U U工作環(huán)境：

“戴夫·埃文斯（Dave Evans）是該系主任，伊萬(wàn)（Ivan）在教書(shū)，但他們的公司埃文斯（Evans）和薩瑟蘭（Sutherland）花費(fèi)了所有多余的時(shí)間。這些學(xué)生幾乎是獨(dú)立的，這是我真正的肯定，因?yàn)閷W(xué)生必須自己做一些事情。我們期望創(chuàng)造原創(chuàng)作品。我們處于前沿，我們的工作是擴(kuò)展它。他們基本上說(shuō)：“您可以每隔一段時(shí)間與我們聯(lián)系，我們將與您聯(lián)系，但我們將關(guān)閉這家公司?！?/p>

我認(rèn)為效果很好！它建立了相互支持，共同工作的環(huán)境?！?/p>

在同一討論的稍后部分，Hanrahan說(shuō)：

“當(dāng)我第一次對(duì)研究生院的圖形感興趣時(shí)，我聽(tīng)說(shuō)過(guò)要制作完整的計(jì)算機(jī)生成圖片的要求。當(dāng)時(shí)，我對(duì)人工智能非常感興趣，因?yàn)槿斯ぶ悄芫哂袌D靈測(cè)試和模仿思維的想法。我認(rèn)為制作計(jì)算機(jī)生成圖片的想法是對(duì)人的思維進(jìn)行建模的先驅(qū)，或者至少與之類(lèi)似，因?yàn)槟仨殞?duì)整個(gè)虛擬世界進(jìn)行建模，并且必須在該世界中擁有人-如果虛擬世界和其中的人們看起來(lái)并不聰明，那么該世界將無(wú)法通過(guò)圖靈測(cè)試，因此看起來(lái)似乎不太合理。

我想我很聰明，以為我們一生中實(shí)際上無(wú)法建立人類(lèi)智力模型。因此，我對(duì)圖形感興趣的原因之一是我認(rèn)為它具有良好的長(zhǎng)期職業(yè)發(fā)展?jié)摿?。?/p>