本章介绍的这些 AI 算法体现了人们在神经网络研究方面取得的一定进展，向着人类所具备的思维方式和智能水平迈进，也向着通用人工智能（Artificial General Intelligence，AGI）迈出了可贵的一步。使用元学习算法，可以让 AI「学会如何学习」，即学会掌握解决这类问题的方法；元推理让 AI「思考如何思考」，判别推理计算资源的合理安排和使用；解缠结表征可以使神经网络更容易被人理解，并容易学习新的数据集；而 GAN 算法不但输入随机数，还可加入提示信息，系统可以根据提示改变输出数据。这就是说，GAN 是一种可以从两组不同的信息中产生出一组新的信息的技术，即相当于创造出一个新的点子和想法，实现了人们让机器进行「联想」的愿望。这种「联想」的功能，又给了研究人员很大的想象空间，让人们感受到了 AI 巨大的潜力。
人类的创造力及随之产生的文化、美学类事物成为 AI 的另一个标杆，这开辟了一个全新的、迄今为止只有人类才拥有系统优势的领域。针对一些特定应用的 AI 算法表现出了创造力，主要包括语言、音乐、视觉媒体和产品设计这几个方面。
目前，虽然不能说 AI 已达到像人类一样的学习能力和思考能力，但至少展示了 AI 的智力水平正在不断提高的过程中，AI 未来大有希望，拥有难以预料的前景和巨大的发展潜力。对于 AI 芯片来说，这正是一个大好的机会，从硬件底层支持元学习、GAN 这些算法的专用 AI 芯片将会大显身手，达到更好的实际应用效果。可以预见，在未来几年内，这些下一代的 AI 算法将会得到广泛应用，而起到商业化关键作用的将会是带有相关功能的 AI 芯片。
（本章节完结）
正在加载...