好一个深度学习 一步步带着人工智能渗透到我们生活当中

如果你嫌手机选单操作起来太麻烦，那你一定会喜欢 Siri或是其他智能手机助手给你带来的使用体验的飞跃。假如你对于几年前的影象识别软件还有印象，那你一定记得当时的识别效果相当糟糕，有时甚至会误把吸尘器认作犰狳。而现在这个领域早已发生了翻天覆地的变化，现在的软件在某些情况下识别出猫、石头或人脸的准确率甚至和人类相当。人工智能软件如今已成为了数百万智能手机的标配，而这一切来源于人工智能的深度学习技术。

深度学习指的是用计算机模拟神经元网络，以此逐渐“学会”各种任务的过程，比如识别影象、理解语音甚或是自己做决策。这项技术的基础是所谓的“人工神经网络”，它是现代人工智能的核心元素。人工神经网络和真实的大脑神经元工作方式并不完全一致，事实上它的理论基础只是普通的数学原理。但是经过训练后的人工神经网络却可以完成很多工，比如识别照片中的人物和物体，或是在几种主要语言之间互相翻译等等。

目前，基于深度学习的人工智能算法主要依托计算机技术体系架构实现，深度学习算法通过封装至软件框架的方式供开发者使用。

软件框架是整个技术体系的核心，实现对人工智能算法的封装，资料的呼叫以及计算资源的排程使用。为提升算法实现的效率，其编译器及底层硬件技术也进行了功能优化。

基础硬件层

基础硬件层为算法提供了基础计算能力。硬件层涵盖范围除了中央处理器（Central Processing Unit，CPU）及 GPU 外，还包括为特定场景应用而定制的计算芯片，以及基于计算芯片所定制的服务器，包括 GPU 服务器丛集，各类移动终端装置以及类脑计算机等。

深度神经网络模型编译器

深度神经网络模型编译器是底层硬件和软件框架、以及不同软件框架之间的桥梁。该层旨在为上层应用提供硬件呼叫界面，解决不同上层应用在使用不同底层硬件计算芯片时可能存在的不相容等问题。其涵盖范围包括针对人工智能计算芯片定向优化的深度神经网络模型编译器，以及针对不同神经网络模型表示的规定及格式。

软件框架层

软件框架层实现算法的模组化封装，为应用开发提供整合软件工具包。该层涵盖范围包括针对算法实现开发的各类应用及算法工具包，为上层应用开发提供了算法呼叫界面，提升应用实现的效率。

基础应用技术

当前人工智能的商业化实现主要是基于计算机视觉、智慧语音、自然语言处理等基础应用技术实现，并形成了相应的产品或服务。本部分将在第三章进行详细讨论。

深度学习技术彻底改变了人工智能研究的面貌，让计算机视觉、语音识别、自然语言处理和机器人领域重新焕发生机。（部分内容来源于网络如有侵权请联络删除）

欢迎您分享文章，让更多有需要的人看到。