浅谈未来的人工智能与奇点临近

    如今机器学习领域最火的无疑为深度学习，而现在的深度学习模型都是建立在多CPU、多GPU的基础上，识别、计算某个物体需要强大的处理器支撑，如15年大热的AlphaGo对阵李世石，当时AlphaGo的分布式版本，用了上千个CPU与GPU，而在2012年谷歌猫脸识别的研究中，用的处理器数量达到了16000个，即使是这么多的处理器，要想让机器自动地获取猫的概念，也需要运行三天。

    这不禁让我想到ENIAC－世界上第一台计算机，当时体型也是相当庞大，并且使用也是相当复杂。下面的两个图分别为：ENIAC与AlphaGo的对比图：

可以发现，二者有着惊人的相似：从硬件来讲，价钱都比较昂贵，非一般的公司或个人所能接受；从影响力来讲，都引起了全世界的关注，在所处的时期都达到了巅峰。所以，今后的发展，处理器必定是其中一个重要环节，就像以前ENIAC超大、价钱也相当昂贵，但现在电脑进入了千家万户，话题转到深度学习上，一个人想要自己训练识别一个物体，并达到较高的准确率，没有强大的资金支持是不行的。

    所以，今后的发展必定是处理器成本达到个人可以接受的程度，并且也非常小巧，最重要的是相当高效，完成一个识别训练的任务，不需要成千上万个CPU与GPU，只需要一个就可以完成。还有一点，现在的算法都是区分一类或者几类物体，将来的人工智能应该可以通过算法识别人类所有能识别的东西，将算法设计好以后，完全不再需要人类的干预，比如说人类为其准备训练样本，未来的人工智能将能够自己独立地去解决问题，不会的由人工智能自己上网去搜（网上资源超级丰富，人工智能可以利用这一点儿），而不是由人类提供（在很多情况下，普通人想要获取大量的样本是很困难的），这样的话，人工智能就必须去理解语义，这样不懂的，上网去搜才能自主地去学习，按照这个思路，奇点（是指这样一个时刻，人工智能可以创造出比其本身更高级的人工智能）临近还有很长的一段路要走，有人预计，奇点临近可能于2045年实现，具体怎么样只能靠时间来证明了。

    本文纯粹个人观点。。。