算法能成为AI进步的核心驱动力吗？ 2006年以来

2006年以来，以深度学习为代表的机器学习算法在机器视觉、语音识别等领域取得了较大成果，识别准确性大幅提升，何为人工智能发展的核心驱动力这一问题受到学术界和产业界的关注。
文章插图
图片
智能制造网讯算法存在的前提，是数据信息，而算法的本质则是对数据信息的获取、占有、处理，并在此基础上产生新的数据和信息。换言之，算法就是对数据信息或获取的所有知识进行改造和再生产。近几年，随着AI技术研发不断提速、落地场景日益丰富，其背后的算法、算力等因素开始引起有关方面的重视。
目前，以算法、大数据、机器学习、人工智能等为核心的自动决策系统的应用日益广泛，从购物推荐、保险评估、个性化内容推荐等，再到司法程序中的犯罪风险评估，越来越多的决策工作为机器、算法、人工智能所取代，算法可以为人类社会中的各种事务和决策工作带来客观性。
对于数据生成来说， AI模型训练依赖数据，这一点目前来看不是问题，但是AI模型训练依赖人工标注数据，是一个令人头疼的问题。利用算法有效解决或者大幅降低模型训练对于人工标注数据的依赖，是一个热点研究领域。
作为AI大三元素之一，目前主流的算法主要面向机器学习领域。因此，机器学习也可以理解为用于训练和推理的算法合集。纵观全球AI领域的发展现状可以看出，深度学习已经超越传统机器学习，成为主流算法。不过，机器学习仍未被取代，两者呈现互补的态势。随着深度学习与神经网络算法的结合，算法训练的门槛相应降低，大量热门算法以及相应的底层构架也随之出现。
对于需要AI技术的企业而言，匹配不到合适的算法、AI落地成本高、算法整合开发难度大等难题已经成为其智能化进程上的主要障碍。如何清除这些障碍，找到合适的算法并获得低价、持续的售后服务和技术支持，也渐渐成为AI需求企业选择的重要指标。
在网络防御与安全方面，算法所起到的作用日益突出。在网络攻击探测中，利用机器学习算法模型，可以提升对恶意行为探测的精度。与此同时，在网络攻防中借助算法模型，有助于优化网络资源分配，提升网络安全保护总体效果。
【算法能成为AI进步的核心驱动力吗？】作为智能化作战科技的核心前沿，以深度学习、强化学习为代表的算法模型创新，未来无疑将在多个领域得到广泛运用。尤其需要注意的是，人工智能时代的长远健康发展，需要更多图像类算法的人才。
目前国内已有通过3D获取信息的平台，这些平台除了向人们展示3D信息之外，更应该帮助人们通过3D更好地理解眼下的真实世界。计算机图像或者计算机视觉方面算法的人才，将成为借助不同的计算机视觉方面的算法去实现这一目标的重要力量。
我国人工智能发展在数据规模和算法集成应用上都走在世界前列，但在人工智能基础算力方面，能提供国产化算力支持的企业还不多。在人工智能的算力支持方面， HPE、IBM、戴尔等国际巨头稳居全球服务器市场前三位，浪潮、联想、新华三、华为等国内企业市场份额有限。今后，相关企业要想获得更大的产品收益，提高国家竞争力，还需要在技术创新、平台构建等方面多下功夫。
数字经济已经成为优化经济结构、提升经济效率的重要动力，而以人工智能为代表的一大批创新技术和应用作为数字经济时代的重要基石，将推动传统经济的转型升级和新兴经济的快速增长。今后，人工智能、物联网、工业互联网等技术将为数字经济增长提供更为坚实的支撑。