人工智能范畴及深度学习主流框架，谷歌 TensorFlow，IBM Watson认知计算领域IntelligentBehavior介绍

======================================

大家现在对人工智能的期望太高了，2017是人工智能投资资本热的一年，但实际突破还是有限，估计过几年又会死掉一大批人工智能的创业公司，大家变得回归理性，调整到正常的认知水平上。

这种革命性技术不可能有资本追求快速暴利那么快见效的，几年内都很难有重大突破. 2020年再来看估计能有理性后的下一轮突破性应用出来。

======================================

工业机器人，家用机器人这些只是人工智能的一个细分应用而已。

图像识别，语音识别，推荐算法，NLP自然语言，广告算法，预测算法，数据挖掘，无人驾驶、医疗咨询机器人、聊天机器人，这些都属于人工智能的范畴。

人工智能现在用到的基础算法是深度学习里面的神经网络算法，具体应用场景有不同的专业算法

实际上很多细分领域的，差别还是很多的

机器人的对运动控制算法，图像识别算法要求比较高

像alphaGo，推荐算法，语音识别这些就主要靠深度学习算法和大数据训练了

深度学习的开源框架现在主流的有：caffeonspark（微软）, tensorflow（google），Theano，dl4j, Torch，Keras

caffeonspark用在视觉图片识别上比较好，dl4j用在NLP上做类似问答搜索的比较多，tensorflow用在学习新的算法上比较好

====================================

谷歌 TensorFlow 1.0 发布，更快、更灵活、更方便开发

北京时间2017年2月16日凌晨2点，Google 于在加利福尼亚州山景城举行了首届 TensorFlow Dev 峰会。在会上 Google 宣布正式发布 TensorFlow 1.0 版本，保证了 Google 的机器学习库的API稳定性。

主要亮点如下：

更快：TensorFlow 1.0 现在简直快到难以置信！ XLA为未来更多的性能改进奠定了基础，而现在 tensorflow.org 调整了模型以实现最大速度。很快我们将发布几个流行模型，以展示如何充分利用TensorFlow 1.0 - 包括针对Inception v3的8位 GPU的7.3x加速和针对64位 GPU的分布式Inception v3的58x加速！

更灵活：TensorFlow 1.0引入了一个高级API，包含tf.layers，tf.metrics和tf.losses模块。同时还宣布增加了一个新的tf.keras模块，它与另一个流行的高级神经网络库Keras完全兼容。

更便于开发：TensorFlow 1.0 保证了 Python API稳定性（查看细节），可以不破坏现有的代码便能获取新功能。

现在支持window下的开发使用了。

====================================

IBM Watson - 最新问答 - 知乎

关于IBM的Watson你必须要了解的几点|人工智能|ibm|watson

代表着IBM在认知计算领域最核心的技术Watson（沃森）的一战成名，是在2011年2月的美国问答节目《Jeopardy！》上。

在这次节目中，Watson战胜了这一节目的两位冠军选手，这被和1996年同样来自IBM的“深蓝”战胜国际象棋大师卡斯帕罗夫相提并论，被认为是人工智能历史上的一个里程碑。

IBM将认知系统的三项重要特质定义为理解、推理、学习。

尽管IBM提出Watson和认知计算多年，但在科技领域对于认知计算和人工智能两者的关系依然很模糊。

来自IBM的观点是，“火了”二十多年的人工智能概念从历史和研究角度来讲主要目的是为了让机器表现得更像人，我们称之为IntelligentBehavior。

IBM也承认其认知计算从技术角度上来讲和AI有很多共性的地方，比如机器学习（MachineLearning）、深度学习（DeepLearning）等方面都很类似。

现在，企业正面临着大数据带来巨大的挑战。传统计算方式会错过世界上80%的信息（非结构化数据），而认知技术能够支持组织去发现数据中隐藏的模式，挖掘出令人惊喜的新的商机，也能够加速发现新药、发现新的登月方式，甚至发现未知领域。

作为全球首个认知系统，Watson是IBM认知计算系统的杰出代表。Watson具备用用自然语言进行深度问答、关系抽取、性格分析、清晰分析，权衡分析等28项能力，而且这些能力也都被转成了数字服务或API；到2016年底，Watson API的数量将达到50项。

围绕IBM Watson这个基于云计算和开放标准的平台，一个认知生态系统正在被构建和分项给每一个人，目前：

有36个国家、17个行业的企业都在使用认知技术

超过7.7万名开发者已参与到Watson Developer Cloud平台来引导、测试和部署他们的商业构想

超过350个生态系统合作伙伴及既有企业内部的创新团队，正在构建基于认知技术的应用、产品和服务，其中100家企业已将产品推向市场

Watson API的月调用量高达13亿次，并仍在增长

IBM Watson能够帮助企业将大数据分析、人工智能、认知体验、认知知识和计算机基础架构等认知技术融入数字应用、产品与运营。

数据分析的增长是一项关键业务功能，需要借助新的工作和技能来满足需求。Watson扮演的角色是增强人们开展工作的能力，而并非取代。例如，位于墨西哥和新加坡的银行利用Watson增强员工的理财知识，为其提供以往无法承受的新服务。总之，随着科技的进步，某些工作可以被取代，但利用Watson真正的目的是补充人们的知识和技能，使其更加明智、更好地开展工作。

现在来看，Watson当时的获胜的确是迈出的重要一步，但显然比较过去，现在所处的位置和发展步伐更加可圈可点，毕竟Watson的实际行业应用正在越来越多，从医疗到零售，再到制造、金融。

从人工智能和认知计算对比的角度，现如今Watson在认知计算领域的成长已经超出人工智能的范畴。虽然认知计算包括人工智能的一些要素，但前者是一个更宽泛的概念。认知计算不是制造“为人们思考”的机器，而是与“增加人类智慧”有关，能够帮助人们更好地思考和做出更为全面的决定。

人工智能的概念已经有二十多年了，人工智能从历史和研究角度来讲主要目的是为了让机器表现得“更像人”，我们称之为Intelligent Behavior，它只是认知计算的一个维度。

IBM的认知计算从技术角度上来讲和人工智能是有很多共性的地方，比如机器学习(Machine Learning)、深度学习(Deep Learning)等方面都很类似。

但是，认知计算目的并不是为了取代人，认知计算的时候除了要能够表现人和计算机的交互更加自然流畅之外，还会更多强调推理和学习，以及如何把这样的能力结合具体的商业应用、解决商业的问题。

分析股票保险,帮助人类作出最佳决定

回到更多人关心的金融服务类别。在刚过去的IBM Executive Summit 2016上，IBM展出了多款基于认知运算的商业方案。例如保险业可分析保单和保费,Watson除可检查各种理赔申请的可信性和应赔金额外,也可按申索次数和金额而自动计算续保时的保费,甚至利用物联网技术掌握投保人的生活和饮食习惯,为客户订制更适合的保险计划。

又例如股票分析往往看股民情绪,并非只看企业的业绩。IBM Watson就可透过自然语言分析,收集该公司在网络上被报导和讨论的活跃程度,甚至能分析内文是属于正面的还是负面的,从而掌握股民情绪,协助持股的基金或企业及早作出部署。虽然现场指并未做到直接按分析结果自动买卖,但用作个人理财智能助理却绝对有其价值。

==========================================

Q：人工智能深度学习工作好找吗？

A:现在职位很少不好找的，要求都非常高，一般要硕士毕业以上，博士以上的，要看得懂英文论文，对数学算法也有要求。

目前找这方面的工作门槛很高，自己根据兴趣做些小应用可能还轻松点，但人工智能是未来的大趋势，提前学习了解是有好处的。

 =============================

GPU 执行某些任务时的运算速度远快于 CPU，Google 云端平台官方博客宣布将从 2017 年初开始提供新的云端 GPU 服务。

Google 称，复杂医学分析、金融计算、地震/地下探测、机器学习、视频渲染、转码和科学模拟等将受益于 GPU 提供的高并行计算能力。

Google 云端提供的 GPU 包括了 AMD FirePro S9300 x2、NVIDIA Tesla P100 和 K80 GPU。

云端 GPU 将基于分钟收费。Google 举例称，创业公司 MapD 的测试结果显示，对 12 亿纽约出租车数据集执行标准的分析查询，GPU 实例的速度 85 倍于 CPU 实例。