人工智能时代的三大生产要素

今天我想用简单的话讲讲人工智能的逻辑。

人工智能并没有人们想象的那样玄秘，它的基本逻辑是简单而直接的。一个人工项目由三个元素组成：数据、算法和算力。首先获得大量的数据，然后通过一定的算法（例如深度学习、神经网络、支持向量机等等）对这些数据进行处理，形成一定的模型，就可以通过这个模型代替人处理很多现实中的问题。而对数据的处理需要算力，使用我们生成的模型解决使用问题也需要算力。算力就是你的项目的计算速度，比如每秒钟执行多少次运算。算力越高，能够处理的数据量越大。

用餐厅炒菜做比喻：数据就是生的食材，算法就是你手里的菜谱，算力就是你雇用了多少名厨师。

首先第一步，你要在库房里准备大量的菜肉鱼蛋米面油盐等等，这些原始的素材就是人工智能项目所需要的数据。如果你想要做人工智能项目但是没有数据源，你的项目就是无米之炊。没有足够的数据，你的模型设计得再精妙也无法得到充分的训练，无法达到实用的效果。如果一个项目做的是语音识别，就需要有大量人的说话声音和对应文字的数据作为原材料数据。如果一个项目做的是自动驾驶，就需要大量驾驶数据作为原料进行训练。

这也是为什么，比起创业公司，互联网巨头（阿里腾讯百度）在发展人工智能方面有先天的优势，因为它们每天都有无数的使用者贡献着海量的数据。很多人工智能公司都是依附于这样的超级公司进行研究和经营。没有这些原数据，任何人工智能公司都开不起来。就像工业时代没有煤炭没有石油就别想建工厂一样，数据时代没有海量原数据你就做不了人工智能项目。

接下来第二步，根据客户的要求，这些食材需要按照一定的菜谱被烹调，这就是我们利用设计好的算法运算这些数据。这个菜谱就是我们使用的算法。如果你去大学里面学习人工智能专业，如果你去报班学习深度学习算法，等等等，你掌握的就是一套菜谱，告诉你如何炒菜——但是这离你能够开一家餐厅还差得远呢。

基于目前的技术水平，人工智能就是让机器大量学习人的经验，学会人所做的事情。人工智能不是让计算机去做人不可能做到的事情，而是去做人已经在做的事情，并且把它做得更加熟练，尽可能快，没有误差。比如说我们要设计一个项目，让计算机识别图片里面的“A”字。那么首先我们就要编写一个图像识别的算法（定菜谱），接着我们就要找成千上万张各种各样的A的图片，提示这个图片上面的就是“A"（原材料），最后我们用这个算法算这些图片——或者说，使用这些图片训练我们的模型。

几千张图片也许很快就跑完了，但是如果有几万张图片呢？如果不仅有"A"，还有"B","C","D"...."a","b","c","d"……"1","2'',"3","4"呢？如果还有“金”“木”“水”“火”“土”“东”“西”“南”“北”“中”……怎么办呢？这就需要提高算力了。如果你的餐厅只有一个厨师在炒菜但是要提供上百斤重的几百个菜，那么忙上一天一夜也忙不完。如果你的餐厅有一百个厨师在炒菜，也许半个小时就结束了所有的任务。这就是算力的概念。算力越高，你一秒钟能够做的菜就越多，你的餐厅就越能赚钱。

提高算力可以是你拥有一台更快的计算机，也可以是你使用别人在网络上提供的计算机（云服务）。总之算力越高，你完成训练，完善模型的速度也就越快。如果算力不够高，你的项目可能永远都完成不了。如果你的算力比别人更高，你可以用远超过竞争者的速度完成你的项目，在时间上碾压你的同行。

可以这样概括，在即将来临的人工智能时代：数据就是资源，算法就是生命，算力就是权力。你如果想要建立新时代的基石级项目，你最少要在上面三种东西之中拥有一种。