数据焦点｜大数据的智能进化论 杰弗里辛顿首次提出深度学习理念「一定记住」

1、海量数据为人工智能提供了富饶土壤：

与早期基于推理的人工智能不同，新一代人工智能是由大数据驱动的。得益于互联网、社交媒体、移动终端和传感器的大量普及，产生并存储的数据量呈指数急剧增加。

海量的数据为训练人工智能算法模型提供了重要基础要素，人工智能正从各行业、各领域的海量数据中积累经验、发现规律，从监督式学习向无监督学习演进、持续提升。

2、人工智能芯片实现运算能力大幅提升：

各种人工智能专用芯片的出现，对视频、图像类多媒体数据的处理更快捷准确，让大规模的数据处理效率显著提升，极大地推动了人工智能行业的发展。

3、算法模型持续优化：

2006年，杰弗里·辛顿教授提出了深度学习的概念，极大地发展了人工神经网络算法，提高了机器自学习的能力。深度学习等算法已经广泛应用在自然语言处理、语音处理以及计算机视觉等领域。

4、深入商业应用市场：

新一代人工智能技术已走出实验室，加速向产业领域渗透。商业应用带来了资本的介入，实现了资本与技术深度结合。新一代人工智能产业化水平大幅提升，商业应用需求与技术发展实现了良性循环，投资并购活跃。

5、计算能力的高效：

尤其在数据密集型、知识密集型、脑力劳动密集型行业领域。我国教育数据异常丰富，2016年，全国共有学校51.2万所，各级各类学生近3.2亿人，专任教师共计1578万人。

参考资料来源：人民网——教育要主动助力新一代人工智能发展

雷·库兹韦尔在《奇点临近》一书中预测，计算机智能全面超越人类的“奇点”将会在2045年到来。从这个不算遥远的时间节点倒推，现阶段的智能化应用应当处于全面推进、多点爆发的“前奏”阶段。从事实来看也是如此，金融、医疗、交通、工业制造……不同领域的智能改造在几年间飞速铺开，而这一进程的底层推动力正是大数据的积累和发展。

于大数据土壤中培植智能应用

人工智能应用有四个关键要素：算法、算力、数据和应用场景。对人工智能而言，大数据技术的发展，是人工智能技术 探索 和进步的基础。从20世纪90年代起，互联网技术和高速计算机的发展带动了信息的爆炸式增长，由此大数据技术的创新研究取得跨越式发展。据IBM公司总结，大数据具备大量、高速、多样和低价值密度四个特征，而大量和低价值密度这对组合无疑放大了大数据在价值挖掘过程中的难度。

另一方面，在2006年，杰弗里·辛顿等人提出深度学习概念，开启了人种智能发展的新一轮浪潮。近年来，机器学习和深度学习等算法在人工智能领域广泛应用，同时带动了计算机视觉、自然语言处理等领域的发展。

根据中国新一代人工智能发展战略研究院执行院长龚克的观点，数据对人工智能的意义在于：数据收集是深度学习的基础，算法的训练和验证都离不开数据的收集。由此，大数据和人工智能通过深度学习这座桥梁建立起紧密的联结。

以日常的网购场景为例，消费者在购物网站中的每一次点击乃至在不同网页停留时间都会生成大量的行为数据。对于平台方而言，从这些数据中发掘消费者的兴趣爱好和购买习惯是其最为迫切的需求。如果仅凭工作人员的经验判断来从这些数据中获得所需信息，抛开繁重的工作负担不谈，在准确度和时效性上也难以保障。这时就需要发挥人工智能的优势，设计相应的机器学习算法，并在大量的网购行为数据中进行训练。后续根据得到的反馈不断优化算法，最终找到最贴合消费者心理的商品推送方案和网站设计思路，实现提升平台交易效率的目标。

在疫情防控过程中，摄像头、红外检测仪等传感器被布置到日常生活中的各个场景中。随着复工复产复课的有序推进，人们的出行活动变得频繁起来，这些传感器每天都会产生海量的图像、文本数据，靠人力从这些数据中分析得出疫情相关信息显然是“不可能完成的任务”。而近年来，计算机视觉技术已经在智慧安防、环境监控等场景中得到充分的训练，因此面对疫情得以迅速定制算法，结合后台数据库，对体温、行程、疫苗接种情况等参数进行及时准确的捕捉，为疫情防控提供保障。

此外，随着我国信息基础设施建设的推进以及5G网络的领先发展，大数据将迎来持续的爆发式增长，为人工智能技术的发展带来利好。据国家互联网信息办公室发布的《数字中国发展报告（2020年）》显示，我国已建成全球规模最大的光纤网络和4G网络；5G网络建设速度和规模位居全球第一，已建成5G基站达到71.8万个，5G终端连接数超过2亿；移动互联网用户接入流量由2015年底的41.9亿GB增长到2020年的1656亿GB。

结合这些现状，不妨把大数据比作一片广袤厚实的土地，但在肥沃的土壤中也布满沙砾顽石，而人工智能就像是耕耘的工具，在劳作过程中不仅提升着土地质量，同时也优化自身工作的方法机制，从而培植出功能多样的智能应用。

从大数据应用到智能应用

依据 科技 进化原理，大数据应用某种程度上等同于智能应用。但在现实中，从大数据应用到真正意义上的智能化应用，看似自然的发展过程，却是一个又一个大数据企业前仆后继，被实践反复磨砺最终才找出来的方向。

2013年被称之为大数据元年，这是以大数据企业数量迅速增多，资本快速涌入为标志的产业发展起点。在此之前，技术层面的大数据以及人工智能，其实都已取得了一些跨越式的进步。比如，作为人工智能技术支撑的深度学习算法，早在2006年就已经被提出。

经过近十多年的发展，从大数据热潮再到人工智能热潮，从最早的大数据企业到现在依然存活的人工智能企业。我们看到的不再是早先预想的一个新行业崛起，而是大数据企业与传统各行各业，一同 探索 行业新的解决方案。

可以看到，目前发展起来的人工智能公司，其中不少是由大数据企业发展而来。有意思的现象是，曾经的大数据企业，越来越多的倾向于介绍自己是一家智能企业，甚至有企业更名，把智能加进企业名称，以此凸显“智能”。

一些原来定位为大数据公司的企业，把智能技术加入到大数据解决方案中，让原有的数据模型更高效、更快捷、更准确。比如成都数之联 科技 有限

2018年获得图灵奖的是Yoshua Bengio、Yann LeCun、Geoffrey Hinton三位科学家。

这是图灵奖1966年建立以来少有的一年颁奖给三位获奖者。ACM同时宣布，将于6月15日在旧金山举行年度颁奖晚宴，届时正式给获奖者颁奖。

由于图灵奖对获奖条件要求极高，评奖程序又是极严，一般每年只奖励一名计算机科学家，只有极少数年度有两名合作者或在同一方向作出贡献的科学家共享此奖。因此它是计算机界最负盛名、最崇高的一个奖项，有“计算机界的诺贝尔奖”之称 。

根据ACM官网，ACM决定将2018年ACM A.M.图灵奖授予约书亚·本吉奥（Yoshua Bengio）、杰弗里·辛顿（Geoffrey Hinton）和杨乐昆（Yann LeCun）三位深度学习之父，以表彰他们给人工智能带来的重大突破。