第四次工业革命:人工智能(AI)入门

同时,语音和手写识别的进展也随着递归神经网络 (RNNs)迅速改善 (图 10) 。RNNs 有使数据循环的反馈连接,与传统的神经网络只能’前馈’不同。强大的新型 RNN 是 ‘长短期记忆’ (LSTM) 模型。增加连接和记忆细胞,RNNs ‘记住’ 他们看见数千步骤前的数据,并以此来告知他们之后的解释 — — 下一词的释义将通过它之前的文字的语音识别衡量。从 2012 年起谷歌 LSTMs 用于增强安卓系统的语音识别。就在六个星期前,微软工程师报道他们的系统达到的 5.9%的误码字率 — — 历史上第一次大致等于人的能力。

2.专门的硬件

图形处理器 (GPUs) 是专业的电子线路,正在削减来训练神经网络用于深度学习所需的时间。

最初 GPUs 在 1990 年代后期诞生,以加速 3D 游戏和 3D 开发应用程序。平移或缩放操作摄像机在 3D 环境中的重复利用称为矩阵计算的数学过程。微处理器与串行架构,包括今天的计算机的 CPUs 都不适合这项任务。 大规模并行架构的 GPUs(Nvidia M40 有 3,072 内核)可以有效进行矩阵计算。

这篇文章对你有用吗?

点右边奖杯,点个赞⤵

平均分: / 5. 评价数:

太好了,这篇文章对你有用...

请在社交媒体上转发!

很抱歉,这篇文章对你没用...

让我们改进这篇文章!

发表评论

电子邮件地址不会被公开。