第二節　新一代人工智能系統所需基礎初步成型

1831年，當法拉第用電池、線圈和磁針做出一個小模型時，一位貴婦人問道：“法拉第先生，這東西有什么作用呢？”法拉第答道：“夫人，一個剛剛出生的嬰兒有什么作用呢？”30多年后，這個“新生的嬰兒”成為帶來電氣革命的關鍵之一——發電機。

21世紀的今天，人工智能也正在像嬰兒一樣成長，但是不會有人再問“這東西有什么用呢”，因為它生來就帶著強大的力量。

嵌入深度學習思想的機器不再只是通過特定的人工編程完成簡單任務，而是可以通過不斷學習來提升其認知世界的能力，這一過程主要依賴高效的模型算法和大量的數據，且其背后需要具有高性能計算能力的軟硬件作為支撐。伴隨近些年互聯網的高速發展和底層技術（如存儲技術）的不斷進步，人工智能正在不斷完善。

海量的學習數據：2020年全球的大數據總量約為40ZB，其中有七成以圖片和視頻的形式進行存儲，這為人工智能的發展提供了豐厚的土壤。

深度學習算法：其重要性毋庸置疑。基于神經網絡架構的深度學習是機器學習的一個子集，它模仿人類獲取知識的方式，并在某種程度上模擬了人類的大腦，在視覺任務與語音任務上顯著突破了原有機器學習的界限。作為包括統計和預測建模在內的數據科學的一部分，深度學習十分重要。深度學習的一個主要好處是它加快并簡化了收集、檢查和分析數據的過程。

高性能計算：高性能計算已被公認為繼理論科學和實驗科學之后，人類認識世界和改造世界的第三大科學研究方法。現階段，GPU響應速度快、對能源需求低，可以并行處理大量瑣碎信息，并在高速狀態下分析海量數據，有效滿足人工智能發展的需求。當人工智能中機器學習有海量的數據和訓練任務時，就需要高性能計算機對數據進行并行快速處理，來滿足某些應用場景的及時反饋需求。

基礎設施成本：云計算的普及和GPU的廣泛使用，極大地提升了運算效率，也在一定程度上降低了運營成本。IDC報告顯示，數據基礎設施成本正在迅速下降，從2010年的每單位9美元（約合人民幣61元）下降到2015年的每單位0.2美元（約合人民幣1.4元）。

發展戰略和政策環境：2013年以來，中、美、德、英、法、日等國都紛紛出臺了人工智能戰略和政策，涉及物聯網、大數據及人工智能。從2009年至今，中國人工智能政策的演變中，其核心主題詞也不斷變化，體現了各階段發展重點的不同。國家層面的政策早期關注物聯網、信息安全和數據庫等，中期關注大數據和基礎設施，而2017年以后，人工智能成為最核心的主題之一，知識產權保護也成為重要主題。綜合來看，我國人工智能政策主要關注：中國制造、創新驅動、物聯網、互聯網+、大數據和科技研發。