国产在线观看一区二区三区,一本到无码免费视频一区二区,久久伊人亚洲伊人色欲综合网

人工智能計算是機器學習系統(tǒng)和軟件所做的工作，它可以對海量的數(shù)據(jù)進行篩選，從中獲得有洞察的信息并生成新的能力。

算盤、六分儀、算尺和計算機等數(shù)學工具見證了人類的進步史。這些數(shù)學工具幫助人們往來貿(mào)易、征服大海，并提高了人們的認知與生活質(zhì)量。如今，人工智能（AI）計算成為了最新的數(shù)學工具，正推動著科學和工業(yè)的發(fā)展。

AI 計算的定義

AI 計算是一種計算機器學習算法的數(shù)學密集型流程，通常會使用加速系統(tǒng)和軟件，它可以從大量數(shù)據(jù)集中提取新的見解并在此過程中學習新能力。我們?nèi)缃裆钤谝粋€數(shù)據(jù)時代，因此，AI 計算是這個時代的革命性技術，它能夠找到人類無法找到的規(guī)律。例如，美國運通使用 AI 計算來檢測每年數(shù)十億次信用卡交易中的欺詐行為；醫(yī)生使用 AI 計算來尋找腫瘤，并在無數(shù)醫(yī)療影像中發(fā)現(xiàn)細微的異常情況。

AI 計算的三個步驟

在介紹眾多 AI 計算用例前，我們先來了解一下它是如何運作的。首先，用戶（通常是數(shù)據(jù)科學家）需要整理和準備數(shù)據(jù)集，這個階段稱為提取/轉(zhuǎn)換/加載（ETL）。這項工作現(xiàn)在可以通過 Apache Spark 3.0 在 NVIDIA GPU 上加速進行。Apache Spark 是目前最流行的開源大數(shù)據(jù)挖掘引擎之一。然后，數(shù)據(jù)科學家會選擇或設計最適合其應用的 AI 模型。一些在開拓新領域或?qū)で蟾偁巸?yōu)勢的公司會從頭開始設計并訓練自己的模型。這個過程除了需要一定的專業(yè)知識外，還可能需要一臺 AI 超級計算機和 NVIDIA 的幫助。

機器學習運維（MLOps）更加詳細地描述了 AI 計算的三個主要步驟——ETL（最上面的一行）、訓練（右下）和推理（左下）。許多公司選擇采用預訓練 AI 模型并根據(jù)其應用需求進行自定義。在提供軟件、服務和支持的門戶網(wǎng)站 NVIDIA NGC 上，有幾十種預訓練模型和定制工具可供使用。最后，公司會通過他們的模型來篩選數(shù)據(jù)。這個關鍵步驟被稱為推理，AI 將會在這個步驟中提供可行的洞察與見解。這三個步驟需要消耗很多精力，但好在每個人在各種幫助下都能夠使用 AI 計算。例如，NVIDIA TAO 工具套件可以使用遷移學習將三個步驟簡化為一個，這種方法不需要大型數(shù)據(jù)集就能為新的應用定制現(xiàn)有的 AI 模型。除此之外，NVIDIA LaunchPad 還為用戶提供了各種模型部署用例的實踐培訓。

AI 模型的內(nèi)部構造

AI 模型被稱為神經(jīng)網(wǎng)絡，其靈感來自于人類大腦內(nèi)部的網(wǎng)狀構造。這些 AI 模型展開后看起來就像是由多層線性代數(shù)方程組成的數(shù)學“千層面”。深度學習作為目前最流行的一種 AI 形式，得名就是因為它由許多這樣的‘層’組成。

識別圖像的深度學習模型示例（選自美國國家科學院的一篇關于深度學習的文章，圖片來源：藝術家 Lucy Reading-Ikkanda）進一步聚焦，你就會看到每一層都由眾多方程式堆棧組成，每個方程式都代表著一組數(shù)據(jù)相互關聯(lián)的可能性。 AI 計算將每一層中的每一個方程堆棧相聯(lián)系，以尋找規(guī)律。這是一項龐大的工程，需要高度并行的處理器在高速計算機網(wǎng)絡上共享大量數(shù)據(jù)。

GPU 計算與 AI 的結合

事實上，AI 計算的引擎是 GPU。 NVIDIA 于 1999 年推出了第一款 GPU，用于需要大規(guī)模并行計算的電子游戲 3D 圖像渲染。 GPU 計算很快被推廣到電影大片的圖形服務器中。科學家和研究者在世界上最大的超級計算機上使用 GPU，其可應用的研究范圍小到化學中的微小分子，大到天體物理學中的遙遠星系。當 AI 計算在十多年前出現(xiàn)時，研究者很快就開始使用 NVIDIA 的可編程平臺運行并行處理。下面的視頻簡單回顧了 GPU 的歷史。

AI 計算的歷史

AI 這個概念至少可以追溯到艾倫·圖靈所在的時代，這位英國數(shù)學家在二戰(zhàn)期間幫助破解了密碼信息。

艾倫·圖靈 1947 年，圖靈在一次演講中說：“我們想要的是一臺能夠從經(jīng)驗中學習的機器?！?/span> NVIDIA 為了紀念他的遠見卓識，以他的名字命名了 NVIDIA 的一個計算架構。圖靈的展望在 2012 年成為了現(xiàn)實。研究者在 2012 年開發(fā)出了能夠比人類更快、更精準識別圖像的 AI 模型。ImageNet 比賽的結果也大大加快了計算機視覺的發(fā)展。今天，以機器學習界大咖 Andrew Ng 創(chuàng)立的 Landing AI 為代表，許多公司正在使用 AI 和計算機視覺提高制造業(yè)的效率，與此同時，AI 也在為體育、智慧城市等領域帶來更接近真人的視角與思維方式。

AI 計算開啟對話式 AI

2017 年 Transformer 模型面世后，AI 計算在自然語言處理方面獲得了巨大的進步，出現(xiàn)了一種名為“attention”的機器學習技術。它可以捕捉如文本、語音等連續(xù)數(shù)據(jù)中的上下文。如今，對話式 AI 已十分普遍。它可以解析用戶在搜索框中輸入的句子，也可以在用戶開車時讀出短信并讓你口述回復。這些大型語言模型還被應用于藥物研發(fā)、翻譯、聊天機器人、軟件開發(fā)、呼叫中心自動化等眾多領域。

AI+圖形：創(chuàng)造 3D 世界

許多意想不到的領域的用戶正在體驗 AI 計算的力量。最新的電子游戲憑借著實時光線追蹤與 NVIDIA DLSS 將畫面真實性提高到了更高級別。后者利用 AI 在 GeForce RTX 平臺上為用戶提供了超流暢的游戲體驗。這僅僅是個開始。新興的神經(jīng)圖形學將加速虛擬世界的創(chuàng)建，以填充 3D 互聯(lián)網(wǎng)與元宇宙。

神經(jīng)圖形學將加速虛擬世界的設計和開發(fā)，填充 3D 互聯(lián)網(wǎng)與元宇宙

AI 計算用例

汽車、工廠和倉庫 汽車制造商正在運用 AI 計算以提供更加平穩(wěn)、安全的駕駛體驗，并為乘客提供智能化車載信息娛樂功能。梅賽德斯-奔馳正在與 NVIDIA 聯(lián)手開發(fā)軟件定義汽車。該公司即將推出的車型將提供由 NVIDIA DRIVE Orin 中央計算機驅(qū)動的智能和自動駕駛功能。這些系統(tǒng)將在數(shù)據(jù)中心使用建立在 NVIDIA Omniverse 基礎上的 DRIVE Sim 軟件進行測試和驗證，以確保它們能夠安全應對各類場景。梅賽德斯-奔馳在 CES 上宣布，它還將使用 Omniverse 設計并規(guī)劃其全球各地的制造和裝配設施。許多公司通過在 NVIDIA Omniverse 中創(chuàng)建 AI 數(shù)字孿生工廠來提高工廠的效率，寶馬集團也是其中之一。如下視頻所示，百事可樂等消費業(yè)巨頭也為其物流中心采用了這種方法。工廠和倉庫內(nèi)的自主機器人進一步提高了制造業(yè)和物流業(yè)的效率。許多機器人由 NVIDIA Jetson 邊緣 AI 平臺驅(qū)動，并通過 NVIDIA Isaac Sim 在模擬和數(shù)字孿生中使用 AI 進行訓練。過去一年里，就連拖拉機和割草機都通過 AI 實現(xiàn)了自主運行。位于加州利弗莫爾的初創(chuàng)企業(yè) Monarch Tractor 在去年 12 月推出了一款 AI 驅(qū)動的電動車，促進了農(nóng)業(yè)的自動化；位于科羅拉多州博爾德的 Scythe 于去年 5 月推出了一款裝有八個攝像頭和十多個傳感器的自主電動割草機 M.52（如下視頻所示）。 @2023 Scythe Robotics版權歸Scythe Robotics 所有
此視頻由ScytheRobotics制作，如果您有任何疑問或需要使用此視頻，請聯(lián)系ScytheRobotics 保護網(wǎng)絡安全，檢測基因序列 AI 計算用例的數(shù)量和種類十分驚人。網(wǎng)絡安全軟件在數(shù)字指紋等 AI 技術幫助下更快檢測出網(wǎng)絡釣魚和其他網(wǎng)絡威脅。醫(yī)療領域的研究者們在 2022 年 1 月依靠 AI 計算在 8 小時內(nèi)完成了整個基因組的測序，打破了紀錄。其研究成果（如下視頻所述）有可能治愈罕見遺傳病。 AI 計算還被應用在銀行、零售、郵局、電信、交通運輸和能源網(wǎng)絡等多個領域。如今，AI 計算技術不斷開拓新應用，研究者正在開發(fā)更新、更強大的方法。過去一年中，另一種強大的神經(jīng)網(wǎng)絡——擴散模型開始流行。這種模型可以將文字描述轉(zhuǎn)換成精美的圖像。研究者預測這些模型的應用將進一步拓展 AI 計算的版圖。

掃描海報二維碼，或點擊“閱讀原文”，即可觀看 NVIDIA 創(chuàng)始人兼首席執(zhí)行官黃仁勛 GTC23 主題演講重播！

原文標題：什么是 AI 計算？

文章出處：【微信公眾號：NVIDIA英偉達】歡迎添加關注！文章轉(zhuǎn)載請注明出處。

聲明：本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權轉(zhuǎn)載。文章觀點僅代表作者本人，不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學習之用，如有內(nèi)容侵權或者其他違規(guī)問題，請聯(lián)系本站處理。舉報投訴