人工智能三法寶

　　當前人工智能主流應用是基于深度學習神經網絡，或者換種說法，以神經網絡為代表的算法由于大數據結合，通過計算力加持，成為當前主流人工智能的演進路徑。

　　因此，算法、大數據、計算力是AI成功的三大法寶。

　　黃開竹教授認為，當前人工智能爆發實際是應用驅動爆發，技術欠缺特別是算法欠缺是制約人工智能行業發展的現狀和突出問題。當前深度學習的成功更像是暴力計算的成功，比如AlphaGo使用了1920塊處理器+280塊 GPU，每小時耗能達到440千瓦，而人腦每小時消耗20瓦能量。

　　深度學習之對抗樣本問題

　　目前，提及AI總會聽到一個次“深度學習”，深度學習的發展帶動了一系列的研究，尤其是在圖像識別領域。在一些標準測試集上的試驗表明，深度模型的識別能力已經可以達到人類的水平。但是，對于一個非正常的輸入，深度模型是否依然能夠產生滿意的結果。

　　我們先來看結論吧：對抗樣本將會被大多數當前最好的深度學習分類器識別錯誤!

　　一個對抗樣本，修改一張熊貓的圖片，讓機器學習模型將它識別成一只長臂猿。

　　當加入對抗干擾，干擾增大時，AI識別數字發生變化。

　　人工智能生物識別

　　目前看，生物識別與AI在人臉識別與語音識別方面有了結合，生物識別與AI是一種怎樣的關系呢?袁聰先生指出：“生物識別與大數據有著密不可分的關系，大數據的最終目的是數據挖掘，聲、光、電、壓等信息在AI看來，只是數據，并通過機器學習等算法實現識別的功能。”

　　在蘋果推出只有面部識別功能的iPhone X后，“指紋識別是否還有春天”引起了業內的熱議。袁聰反復強調“安全有界限”，未來趨勢必將是多種生物識別組合的模式，比如指紋識別與虹膜識別相搭配等。