谷歌的量子计算机
当前最先进的计算技术，就是量子计算机，这种设备当前基本只存在于各个计算机实验室中，但是如果被用作商用，将会极大提升计算机处理能力，并且被广泛运用在各种尖端研究领域，例如生物学研究和人工智能研究等。
AI的黄金时代
在今天的软件行业，我们看到了许多令人血脉喷张的产品正在不断涌现。分布式系统就是非常典型的例子。随着设备数量正在乘火箭上升，有两件事情变得越来越重要。首先，在多台机器中进行任务的平行安放。第二，在多设备中进行通信和协作。我见过一些让人很感兴趣的分布式系统技术，其中就包括Hadoop和Spark等用于大数据问题平行安放的技术，以及Bitcoin/blockchain这样可保证数据和资产安全的工具。
但是，在当今的软件行业中，最让人感到兴奋的，莫属于AI（人工智能）技术了。其实AI有着很长的发展历史，它曾经让我们期待过，也让我们失望过。计算机科学之父阿兰·图灵（Alan Turing）本人曾经预测，或许在2000年的时候，计算机将会成功的对人类进行模仿。
然而，图灵的预测并没有成真，如今我们已经进入了2016年，计算机仍然没能成功复制人类的思考和行为方式。然而，有一点不可否认，那就是如今AI正在走入一个属于它的黄金时代。
“机器学习是一个核心、有变革能力的方式，它能够让我们重新思考我们正在做的事情。——谷歌CEO桑达尔·皮查伊（Sundar Pichai）
AI有很多表现方式，最让人感兴趣的，就是深度学习。2012年谷歌的一个研究项目给这个技术带来了极大的关注，他们对大量的计算机进行了训练，让计算机可以识别YouTube视频中出现的所有猫的形象。深度学习，实际是神经网络的派生物，而神经网络这个技术最早诞生于上世纪40年代。这个技术重新回到人们的视野当中，有着多方面因素，包括新算法的产生、平行计算成本的降低以及大数据设备的普及等等。
ImageNet计算机视觉识别挑战错误率(图中红线代表人类表现)
很多人认为深度学习不过是近来硅谷炒红的一个概念而已，没有什么实际的意义。实际上，如果这项技术能够走向成熟，它将为我们提供很多方面的帮助。例如，ImageNet计算机视觉识别挑战的获胜者，在深度学习出现之前，其错误率大概在20-30%之间。而在使用了深度学习技术之后，算法识别成功率一直在不断上升。终于在2015年，算法识别成功率超过了人类。
最近一段时间以来，许多与深度学习有关的论文、数据库和软件工具都在近期完成了开源化。这对于有志从事这项事业的人来说是一个绝对的利好消息，更多的个人和小型组织可以使用这些资源开发功能强大的深度学习程序。著名即时通信企业WhatsApp就是其中之一，他们利用深度学习打造了一个全球信息系统，只需要50个工程师，他们就可以为来自全球的9亿用户提供即时通信服务。相比之下，此前的即时通信系统，动辄需要数千名工程师进行日常维护和管理。在Theano和TensorFlow等软件工具、云数据中心和价格低廉的GPU的帮助下，如今小型的工程师团队可以开发出尖端的AI系统。
例如，不久前一名工程师就使用TensorFlow凭借一己智力，就开发出了这个能够对黑白照片进行精准上色的AI系统。这名工程师只是将其作为副业来做，并没有辞去自己的本职工作：
左图：黑白照片 中图：自动上色后的图片 右图：真实世界中的颜色
再看下面这个系统，一个小型初创企业开发了这个产品，它可以辨别出画面中出现的图像是什么东西：
Teradeep实时物品识别系统
这个物品识别系统是不是让你想起了科幻电影中的情节？
电影《终结者》（1984年上映）
最早走向普通用户，由大型科技企业推出的深度学习应用，就是谷歌的Google Photos，这个应用的智能程度让人咋舌：
用户在应用搜索”大本钟“的图片（没有海量数据的参与）
有了深度学习技术，不用不久，我们就会让越来越多的产品拥有智能技术，例如：语音助理，搜索引擎、聊天机器人、3D扫描仪、语言翻译器、机动车、无人机、医疗图像系统等等。
“未来1万个初创企业的商业计划其实很好预测：随便给什么东西加上AI，这个产品就会吸引所有人。”?—凯文·凯利（Kevin Kelly）
有志于打造AI产品的初创企业，一定要专注于具体的应用，这样才能与大公司进行对抗，毕竟大企业的资源是初创企业无法匹敌的，而且也正是他们让AI被所有人所熟知。
随着所有企业收集到越来越多的数据，AI系统也将会变得越来越实用，然后进入一个良性循环：更多的用户→更多的数据→更好的产品→更多的用户……地图企业Waze就成功使用这种方法做出了非常优秀的移动地图，要知道最初的时候，他们的竞争对手几乎都比Waze的财政状况更好，竞争对手们都获得了更多的风险投资。成功的AI初创企业也应该采取相似的策略。
上页 1 2 3 下页