的手机，今天做到这件事情早已不艰难了。究竟是什么样的力量，什么样的一种工程进度，让今天这种事情做到一起变得如此非常简单，或者人实在手机的功能如此强劲，但我要告诉他你，这不是手机做到的，这是手机后端的云在做到的，因为当手机拍电影了一张照片以后，云上做到了处置，迅速把结果拿回去，这个就我们20多年的梦想，我有一个数字为证，这是1997年在惠普实验室申请人的一个专利，工作是1996年做到的，最后专利是2000年批的。

我们看两张图，第一张图是人脸识别对比图，第二年是我们在20年前提的架构，就是这是一个分布式的架构，数据从客户端获得，然后再行传遍后端的系统上，做到的一系列的处置，把结果启动时到前端来。今天20年以后，这件事情在一个手机上再一可以构建了，或者更加最重要的是，在云和末端上再一构建了。手机作为一个数据的提供终端，云作为整个的运算载体，整个数据的载体，再一把我们20年前的梦想构建了，很惜，这个专利因为是1997年申请人的，再行有一天就终止了，所以我也不了管他们要专利费了。我刚才谈这么多，再行从学术角度来看，我指出过去这20多年人工智能的发展，特别是在人脸识别领域的20多年的变革，只不过可以归因于出是一个数据库的扩展，我们在90年代初的时候，做到人脸的时候，所有学术时代用的数据库都是几百个人，因为数据乘积较小，你可以说道它的识别率是95%到99%，但即使这样，机器人的辨识能力仍然十分高于人的辨识能力，而且对光线拒绝十分低，而且一定要正面图象。

当我们看见，随着数据的减少，再行过十年，我们看见这些照片早已是上千人的，到了近万张照片，这时候辨识的能力有了更进一步的提升，而且对于表情、光线等的拒绝就没有那么严苛了。再行转入2000年以后，数据量发生爆炸，这时候互联网的普及，数量如此多，到了LFW这个数据乘积的时候，早已差不多5000人的数据乘积，从而使得识别率更进一步提升，到了95%以上，时候工业界重新加入进去，学术界确实的有开始突破的时候，它的训练数据早已寻找了更加多的训练。确实的人脸识别时代还是工业界的人指出这个问题可以开始简单了，工业界开始转入的时候，这时候的数据量跟学术界的数据量几乎不是一个数量级，Facebook和Deepface它早已到了4.4M张图，4030个人，每人800至1200张图，到了谷歌、FaceNet的时候，早已到了2亿张图像，800万人，参数早已多达了14000万参数。

我们看一下这个工作的话，在这块也看得非常明显，当我们的训练数量开始减少的时候，对于同一个模型精度的减少是十分涉及的。当然，当数据量较为小，减少一个数量级的时候，提高也较为小。

只有呈圆形数量级的减少，才能取得小数点一位数的减少。我们看算法也某种程度，当算法显得更加准确的时候，你所必须的计算能力，也是一个较慢的减少。我们也可以看见，当计算出来的复杂度多达了十亿浮点的时候，可以看见检测精度的减少。

我们再行看确实的工业界，以人脸识别维生的公司，最近几年的进展，我用了两个例子，商汤科技和依图，从他们那获得的数据基本上是中国人口的数据，7000多万张标准照片再行再加亿张其他照片，人们用的深层网络早已多达30层，训练20块NVIDIA，今天的精度早已相比之下多达人类，今天你要做到任何坏事，只要留给一张照片，基本上就插翅难逃了，这就是今天商业解决方案早已超过的精度。我还是想要特别强调，如果没如此多的照片，特别是在中国的环境里面，所有网上不道德连到一起的时候，你不会找到辨别的精度将有大大的减少。我们再行看一下，当我们的数据和辨识精度和算法显得如此可观的时候，从四年前的八成网络到今年的152层的辨识的话，我专门获得这个数据，今天神经元的元数早已到了2200万，最后降至5700万，当我们有数字大的蛮荒之力的时候，我们给人工智能带给了什么。

所以我说道数据是我们变革的核心，而且我们有一个众说纷纭，就是从不不会有过于多的数据，数据从此过于。特斯拉堪称有17万辆车每天在路上行经老大它收集数据，当仍然经常出现当强光打过来的时候不会导致失误，所以我们讲大数据的时候，总有一天讲的是解决问题的问题是什么。

只有你比较简单的情况下，少量的数据才能符合你的拒绝，当你用简单的模型的时候你的数据量一定是要相比之下多达你的训练所须要，数据就越多，覆盖面积精度越高，对于模型的倚赖就不会越多。在大数据这件事情上，微软公司看得十分早于，我们十分不受人敬重的Michael Wooldridge先生，在十年前就明确提出可学范式的概念，到了几百年前从牛顿力学还是，我们用理论的方式来说明，到今天我们用数据来驱动。这本书是2009年出版发行的，我显然指出，今天我们到了转入第四范示的时候，数据在我们日常工作中起的起到和研究中起的起到是以前几乎不可以相提并论的。

大数据还包括高质量数据的提供和分析，和它整个在应用于中的解析早已更加沦为公司的标配，如果你作为一家体量大的公司，没大数据的分析，或者没办法取得大数据，或者是你没把这些大数据转换成专家的话，只不过你在你的行业里早已很难存活。当然这一切只不过必需靠云来承托，没云我们也谈不上大数据，谈不上大数据的提供、处置和大数据的运营。这是为什么看见今天一系列的云公司，特别是在大规模云公司今天更加特别强调数据的存储和处置，金山早已早于转入云存储和云数据分析，无论是原始数据图片还是视频，每天大量的产生者，然后大量存储到云里面，然后被云处置和解析，这必须大量资源才能确实地做我刚才说到的数据的消费，像人脸识别这些我们20多年前梦想能解决问题的问题。今天看见的智能平台，无论消费者的智能平台还是工业智能设备，大部分今天能做的智能本身十分非常少，它的智能是藏在后端云里面。

某种程度大家都说的告诉，人工智能现象同时再次发生在过去几个月的网红视频直播，为什么这些公司一夜之间能冒出来，是它后面的反对技术，做到了很多年的采接、编解码等等都早已由视频云计算公司给它获取了，所以你做到网红直播，只必须去找网白，只必须搭乘一个网站写出一个APP，后末端所有事情由云来获取了。某种程度，医疗，今天中国医疗问题如此之多，谈不上精准医疗、精准康复，只有基于大数据云平台把这一系列连一起的时候，我们谈及的精准医疗和精准康复和社区医疗才能构建。某种程度在城市这块，我们今天有大华公司的代表在，大家都告诉，在里约的奥运会上，绝大部分的摄像头都是大华，每天收集这么多数据，本身这就是智慧城市核心的一部分，当你把这些数据彰显运用，来展开利用的时候，才能确实感受到这些数据的价值。

某种程度，游戏这块更是如此，手游玩得那么爽，所有的智能分析都在背后，从而使得一款游戏什么时候上线，什么时候进新的服务等等，这一切都由背后的数据来驱动。我说道这么多，大家还是有疑惑，就是云计算是不是还在云里雾里，我告诉他大家，今天云计算早已确实落地了，这是Gaslnes每年一次的技术成熟度的分析。某种程度市场上对于云计算公司的观点也十分十分悲观，如果我们看一下，回顾过去30年，在互联网里茁壮最慢的公司，我们用一个数据来取决于，哪些公司最慢的时间超过100亿美金，似乎互联网公司慢。一家叫作Facebook，一家叫作谷歌，只有一家2B的公司在十年内销售额超过了100亿美金，就是亚马逊云，当一个2B的业务跟上2C业务的时候，你就告诉，人们对于这个市场需求是多么地可观，当然，我就仍然明确多谈。

实质上市场得出的反应也很确切，当你较慢地在云里面展开投资，较慢地在云里面展开茁壮的股票，你可以看见，市场给与的报酬是最差的。某种程度，对于我们在中国做到人工智能的人来看，这个数字十分令人鼓舞，今天中国的互联网产值是美国的百分之几，我们想要的是在今后几年，云计算产业的空间和增长速度是如此之慢，这也是为什么金山在过去几年投放如此可观的资源，使我们沦为中国金山云计算的服务商，游戏云、视频云、智能硬件等等方面沦为国内领军的企业。很最重要的实质上市场的茁壮速度比我们想象的还要慢。

我的结论是说道，我们做到人工智能的，当我们看见人工智能作为一个现象突飞猛进突破的时候，我们更加应当注意到的是它后端的，不光是算法本身的突飞猛进，更加最重要的是承托这个算法突飞猛进的大数据和云计算，所以我们看见的未来是前端一系列的智能设备，而它的大脑实质上在云里面，谢谢大家！原创文章，予以许可禁令刊登。下文闻刊登须知。

本文来源：AOA体育官网，AOA体育官方网站，aoa体育APP官方网站-www.mcs-led.com