算法、算力和數據，是人工智能快速發展的三個要素。首先在算法上的突破，才讓人工智能的商業化發展看到了希望。其次，計算能力的提升，使得復雜的算法得以實現，快速得出訓練成果，降低成本。最后，大數據時代為人工智能的訓練學習提供了大量的資料。離開其中任何一樣，人工智能都無法實現大規模商業化應用。

1. 算法

算法是人工智能發展的基礎，現在主要應用的深度學習算法。算法框架中諸如Caffe、TensorFlow、Torch等大多數已經實現了開源，成為大多數工程師的選擇，對行業的加速發展和人才的培養起到了非常大的作用。

全球的開源平臺的成熟，也使得中國企業能夠快速地復制其他地區開發的先進算法。就應用層面而言，中國的算法發展程度與其他國家并無太大差距。事實上，中國在語言識別的人工智能算法上取得了突破性進展，在世界上領先。

2. 算力

計算能力是人工智能的基礎設施之一，因此具有較高的戰略意義。GPU（圖形處理器）強大的并行計算能力顯著提升了計算機的性能，而且降低了成本。英偉達最新的GTX1080游戲顯卡擁有9TFLOPS的浮點性能，但是價格只要700美元。每GFLOPS的算力成本只有8美分。而1961年的IBM1620要提供1 GFLOPS的算力，費用大概是9萬億美分。

在算力部門，英偉達、英特爾和AMD這全球最大的三家芯片供應商，負責提供GPU和CPU。硅谷也在針對性發展FPGU（現場可編程門陣列）和ASIC（專用集成電路），應用于人工智能計算。云計算和超級計算機也在為人工智能的發展提供服務。

3. 數據

人工智能系統必須通過大量的數據來“訓練”自己，才能不斷提升輸出結果的質量。擁有的高質量數據越多，神經網絡就會變得越有效率。

人工智能的根基是訓練，就如同人類如果要獲取一定的技能，那必須經過不斷地訓練才能獲得，而且有熟能生巧之說。AI也是如此，只有經過大量的訓練，神經網絡才能總結出規律，應用到新的樣本上。如果現實中出現了訓練集中從未有過的場景，則網絡會基本處于瞎猜狀態，正確率可想而知。比如需要識別勺子，但訓練集中勺子總和碗一起出現，網絡很可能學到的是碗的特征，如果新的圖片只有碗，沒有勺子，依然很可能被分類為勺子。因此，對于AI而言，大量的數據太重要了，而且需要覆蓋各種可能的場景，這樣才能得到一個表現良好的模型，看起來更智能。
責任編輯：YYX