近期，因特尔宣布将旗下所有人工智能产品整合到一起，成立其人工智能产品事业部AIPG。就在不久前，百度也调整了自身人工智能架构，整合为统一的AIG平台，而联想也在今年成立了人工智能实验室。除此之外，去年微软也将技术研发部与AI研发部合并，新成立了人工智能事业部。
各公司一系列颇多动作不再一一例举，从去年至今，一场关于人工智能的暗战已经开始，各公司都在为人工智能这一战场，抽取各方资源全力以赴。
如此迅速调整组织架构的科技企业，都到底为了什么？这里从三个层面进行解读。
人机交互场景升级，抢占用户智能场景
从宏观层面来看，人工智能目前似乎并没有形成山呼海啸之势，倒像是炒作更多。
但实际上人工智能其实无处不在，我们搜索资料需要人工智能，电商购物需要人工智能推荐，哪怕发一条消息背后充满了各种人工智能。
也正是因为人工智能真正进入到我们的生活后，反而无法感知到人工智能的存在，因此当企业在谈人工智能的时候，作为用户很难有切实的感受。
人类对技术的感知越来越弱，本质原因正是由于机器对于人的感知越来越强，越来越智能。
在未来，但凡联网的东西，都会对用户实现各种感知，目前可以想到最典型的就是语音助理场景，用户一旦开口就能够得到回应。例如苹果在iphone与mac中加入了SIRI语音助理，亚马逊在其智能音箱中加入了echo，微软在win10中推出了小娜，谷歌在其手机中加入了Assistant，而百度也推出DuerOS人工智能 *** 作系统，并成立了度秘事业部。
语音技术只是一方面，要想全方位的感知用户，那就还需要自然语言理解技术，语音合成技术，人脸识别技术等等才能打出一套全方位的组合拳，因此人工智能技术不是独立的，必须全面开花。
而国内目前也就百度的布局最为全面，其以百度大脑为核心，涉及语音识别、图像识别、自然语言处理、用户画像四大能力。而百度也是唯一一家两次入围《麻省理工科技评论》“十大突破性技术”的中国公司。
"wintel"联盟瓦解，抢占新联盟入场券
wintel即微软windows与intel的联盟，任何个人PC的更新换代都离不开这二者的相辅相成，这也是PC时代的王者组合，无人可破。
但人工智能时代，则在让wintel的联盟优势彻底瓦解，用户入网的方式不再依赖电脑，其还跨越到了手机、平板、电视、智能音箱、智能手表等一系列诸多设备，而不同设备又可以对应不同智能交互场景，windows系统也已经无法完全担当这一重任。
硬件巨头与平台巨头都在从各自的优势切入到这局比赛。
1）硬件巨头抢占技术高地，一个有趣的事情是在PC时代NVIDIA做的是显卡，intel做的是CPU，本来井水不犯河水，但是却在人工智能的战场上兵戎相见，去年NVIDIA直接宣布自己是一家人工智能公司，并已经帮助了谷歌、百度、脸书、特斯拉等公司实现了深度学习的集群服务器建设，GPU才是人工智能未来，而intel今年匆忙成立人工智能部门则算是对NVIDIA的迅速回应。
对于像NVIDIA、intel硬件巨头来说，其需要适配的已经不再是单一简单的电脑，而是各种涉及人工智能的集群运算，以及深入到各个其他硬件产品中，成为其基础设施。
加大硬件技术与人工智能的结合，因特尔、英伟达为例，从底层硬件基础设施切入，以希望结成新的联盟。
2）平台巨头作出更大战略架构调整，对于平台巨头来说，他们的人工智能战场则是利用自身优势切入到更多的场景之中。
例如亚马逊推出的echo就较为成功可以抢占用户客厅，并且基于电商优势让用户可以更方便的购物，尽管苹果的Siri也能够与用户对话，却缺乏电商能力，但同时Siri也有echo所无法完成的独家功能，因此各家都有可能拿到一部分市场，也有可能被吞并，变数颇多，这也是平台巨头们所焦虑的未来。
所以相对于硬件公司，平台巨头的竞争也更为激烈，需要在人工智能上的战略作出更大的调整，目前来看谷歌与百度的调整幅度最大，二者也极为相似。
谷歌将所有研发领域的项目与传统现金流业务进行剥离，成立Alphabet子公司来聚焦未来领域。而百度在架构上也与谷歌类似，其将传统搜索业务剥离由向海龙守城，而其余一切聚焦于未来前沿包括无人车、度秘事业部，智能家居事业部等等并由陆奇统帅，重兵挺进人工智能。
抢占成为最大AI开放平台，成为底层基础设施
早期互联网之所以能够兴盛，原因在于有着php、mysql这样免费的开源软件可以供所有人使用，而这也直接促进了整个互联网的发展，直到今天PHP也依然是很多公司的开发语言。
但是今天就不一样了，人工智能时代，即使大公司给个人开发者开放了各种人工智能的框架源码，其也无法有效使用，运行这些代码需要集群运算处理的能力，因此未来，小到个人开发者，大到公司都需要与人工智能平台进行合作，调用他们的人工智能能力，让他们的技术为自身所用。
谁的技术被最多的人使用，谁的开放平台最大，谁就能够接入更多的开发者，进而掌握人工智能的话语权。
所以我们看到巨头们都在两手抓，一手做AI代码开源，一手做AI开放平台。
代码开源方面，Facebook最知名的开源项目为一个人工智能硬件项目"Big Sur"、谷歌最大开源的项目是"Android"这里不一一例举。目前国内在人工智能开源上做的并不多，百度于2016年百度世界大会上开源的PaddlePaddle深度学习平台，为学生、创业者和各界技术人员提供了一个低门槛开发平台。
开放平台方面，国外在这方面做得比较迟缓，目前只有微软和谷歌做了语音开放平台，而谷歌在2015年做了图像识别开放平台。也直到去年12月，拥有海量AWS用户的亚马逊才姗姗来迟，开放了语音识别以及人脸识别的能力。
相较而言，百度的开放最为彻底——语音技术、图像技术、自然语言处理技术、用户画像、机器学习、AR增强现实等等均对开发者开放。
结语：
去年以来，越来越多的公司将AI视为发展重点，并抽取大量公司资源来应对下一场人工智能之战，一切并非空穴来风。用户的人机交互场景在升级，旧的联盟在解体，新的联盟在形成，既是危机也是机会，不得不殊死一搏。
作者：“首席发言者”
一个月前，DeepMind创始人Demis Hassabis曾说道很快会有关于围棋研究的惊喜，而1月28日的《Nature》杂志即将以封面论文的形式介绍Google旗下人工智能公司DeepMind开发的一款名为AlphaGo的人工智能，它已经击败了欧洲围棋冠军，并将于3月与世界冠军李世乭对战。该程序采用了两个深度神经网络，policy network与value network，极大地降低了需要考虑的搜索空间的复杂度，前者降低搜索的广度，后者降低搜索的深度，很像人脑在下围棋时凭直觉快速锁定策略的思维。这么说起给一点时间,巅峰的吴清源,李昌镐这类人物(即使不断学习)也是下不过电脑的了 (我指的电脑就是2015一台中等配置的PC这样,不是服务器集群,类似普通电脑跑Pocket Fritz 4)
今天(3-12-2016) AlphaGo 已经3:0领先Lee Sedol了
这个并不是太出人意料。我记得十年前就有人说，十年内这个问题可以解决。可能那时候他就已经有点思路了吧。
这个问题能解决到这个程度，Google的确做出了很大的贡献，我想很多同样看上去很难的问题也并不是不能解决，而是我们愿不愿意解决，愿意花多大的精力在上面。我觉得这点启发非常重要，尤其是在深度网络这类新技术出现的时候，有很多地方简单地应用一下就能有新的突破。
老实说，我看了AlphaGo的思路，跟我之前的思路差不了太多，我在2015年1月份就看过一篇利用卷积神经网络来下棋的论文（神经网络可能终将在围棋上打败人类），并且有种豁然开朗的感觉，还想出了改进的思路（论文中的程序实际上有比较明显的缺陷，而去掉其中的缺陷就是一条更为完善的思路），真正的理论层面的突破是那篇论文，那篇论文写出来，就决定了今天只用了一年左右的时间AlphaGo能达到这个程度，Google的贡献在于将理论更好地改进和实践了，他们更有实力来解决这样的问题，不是像那篇论文里的程序，使用比较纯粹的神经网络，那样想要达到顶尖水准很有难度。
值得反省的是，为什么围棋作为东方人的游戏，却不是我们自己来解决这个问题？我觉得国内一定有人看到解决思路了，既然我这种业余爱好者都能看出点眉目。云计算是IBM首先提出来的！
只是一种新的叫法，类似网格运算，即把复杂的运算拆分成小的运算在多台主机上进行！
利用这些主机的空闲时间，化整为零！
================================
云计算是一个新兴的商业计算模型。利用高速互联网的传输能力，将数据的处理过程从个人计算机或服务器移到互联网上的计算机集群中。这些计算机都是很普通的工业标准服务器，由一个大型的数据处理中心管理着，数据中心按客户的需要分配计算资源，达到与超级计算机同样的效果。
“云”，既是对那些网状分布的计算机的比喻，也指代数据的计算过程被隐匿起来，由服务器按你的需要，从大云中“雕刻”出你所需要的那一朵。实在是非常浪漫的比喻。
高性能低投入PK安全风险预警
云计算被它的吹捧者视为“革命性的计算模型”，因为它使得超级计算能力通过互联网自由流通成为了可能。企业与个人用户无需再投入昂贵的硬件购置成本，只需要通过互联网来购买租赁计算力，“把你的计算机当做接入口，一切都交给互联网吧”。
畅想一下，当计算机的计算能力不受本地硬件的限制，更小尺寸，更轻重量，却能进行更强劲处理的移动终端触手可得。我们完全可以在纸样轻薄的笔记本上照样运行最苛刻要求的网络游戏，也完全可以在手机上通过访问Photoshop在线来编辑处理刚照出的照片。
更为诱人的是，企业可以以极低的成本投入获得极高的计算能力，不用再投资购买昂贵的硬件设备，负担频繁的保养与升级。例如，美国的房地产网站Goosipycom希望建立一个数据库，计算67万个家庭在12年间购入沽出房产的的数据，以便为消费者提供更好的建议。如果他们自己动手，初步预计，需要花费6个月的时间和数以百万计的美元。而最后，他们租赁了Amazoncom所提供的“d性计算机云”服务，通过使用Amazon强大数据分析能力，这个项目的完成仅用了3个星期，费用不到5万美元——云计算的妙处之一，即是按需分配的计算方式能够充分发挥大型计算机群的性能。如果你只需使用5%的资源，就只需要付出5%的价格，而不必像以前那样，为100%的设备买单。
尽管使用云计算服务的好处听起来如此诱人，但更多人却抱以观望的态度。这种谨慎来自于对安全问题的考虑。云计算意味着数据被转移到用户主权掌控范围外的机器上，也就是云计算服务提供商的手中。那么，如何保证这些数据的安全性如何能相信服务商不会将数据出卖给商业竞争对手呢这样的担心从来没有停止过。在2007年初，Google发布Google Apps服务(一种免费提供的简化office软件包，数据在互联网上存储与处理)，就有许多分析者提出质疑：我们怎么能确定数据在Google那里是安全的
服务商解释说，对云计算过程里的数据安全问题，“完全不必担心”。因为数据在集群上被分解为散乱的状态，就连服务器也不太理解他们，想要破译与还原数据难度非常高。作为云计算的主要推动者，发布Blue Cloud计划的IBM公司还表示，在2008年，会制定更多的相关流程与标准来保证客户的数据安全。
但这仍然无法完全打消人们的疑虑，毕竟，在一个信息为王的时代里，哪怕是数据碎片的泄露也是危险的。只要存在数据被还原泄露的可能性，云计算服务就会被高安全要求级别的客户拒之门外。
换言之，当我们的计算机真的仅仅成为了互联网服务的接入口，当数据的处理离我们越来越远，对服务提供商“Don’t Be evil”的要求就越来越高，我们真的能如此信赖道德标准的力量吗 安全问题将始终是云计算推广发展中绕不开的一个坎。
从桌面到互联网：定规者王
虽然安全的疑虑尚未打消，云计算概念方兴未艾，战场上硝烟已起。其中不乏Google、亚马逊、IBM与微软、Sun公司这样的信息巨头。尽早进入市场的好处显而易见：赢得良好的公关形象，吸引学界与业界的关注，通过与学界和自由智库的磨合发展技术。更为关键的是，云计算被视为将用户从桌面推向互联网的一步关键棋，在新旧规则交替的紧要关头，谁赢得了战场，谁就赢得了规则的制定权。
因此我们不难理解，Amazon与Sun公司何以如此积极地加入这场竞争。Amazoncom在2007年向开发者开放了名为“d性计算机云”的服务，让小软件公司可以按需购买Amazon数据中心的处理能力。Sun公司推出“黑盒子”计划，该计划基于云计算理论建立，称未来的数据中心，不再会被局限在拥挤而闷热的机房里，而是一个个可移动的集装箱，企业可以把它移动到包括“郊外”在内的各种地方，降低机房的开支。
微软和Google是这场角逐里最重要的角色。众所周知，从Gmail开始，Google一直试图通过以互联网提供给用户计算能力与服务，颠覆微软缔造的“桌面为王”的时代，挑战微软的权威。Google以开源的姿态推广它的云计算平台，这意味着用户可以得到这个平台的代码并修改它。这被视作推广云计算方式的有利手段。施密特更是乐观地表示，他相信，“90%计算任务都能够通过云计算技术完成”。
面对Google的挑战，微软试图以Windows Live为基础，联结起数以亿计的Windows用户，并向他们提供云计算，在线存储是微软迈出的关键一步，比尔·盖茨在2007年夏天说：“当你想到存储，就会想到Windows Live。”
蓝色巨人IBM也乐此不疲地参与了进来：合资与Google建立数据中心，支持向卡耐基-梅隆大学、麻省理工、斯坦福、加州大学伯克莱分校、马里兰州大学和华盛顿大学等6所大学的计算机科学研究者提供资金与设备，推动云计算的研究，并在2007年8月高调推出Blue Cloud 蓝云计划。该计划意指使公司数据中心与因特网运行更为贴近的计算机与软件产品组合，并预计在08年春季会发布第一个产品。BM高性能解决方案副总裁Willy Chiu透露，“云计算将是IBM接下来的一个重点业务”。目前已经部署200多名研发人员在这项业务的研究上。
为什么不呢IBM有着得天独厚的优势：应用服务器、存储、管理软件，样样具备。更有利的一点在于，IBM可以绕开数据从本地转移到互联网过程中的安全问题这一障碍，通过向客户出售云计算方案与终端，为企业建立属于自己的云计算模型的数据中心来发展这一计划。
有观点认为，云计算受到热捧的背后，还反应了超级计算机市场的角力。超级计算机应用一度因需要非常昂贵的硬件投入而面临极高的推广门槛，云计算却宣告了低成本提供超级计算服务的可能，一旦云计算得到了广泛的推广，可以乐观地估计，超级计算机市场的春天即将到来，
使用命令ping >
欢迎分享，转载请注明来源：内存溢出
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）