人工智能

根据GMI Research最新分析，人工智能市场将在2026年达到2390亿美元，在2019－2026年的预测期内以30．1％的复合年增长率（CAGR）增长。

到2026年，全球人工智能(AI)市场将达2390亿美元

AI被定义为在旨在像人类一样思考并模仿其行为的机器中模拟人类智能。 AI是包括机器学习和深度学习在内的各种技术的组合，用于为解决问题、推理、感知和语言智能等不同目的创建硬件和软件。

人工智能不断发展，为包括汽车、金融和医疗保健行业等在内的各个行业提供收益。通过在对每个领域进行观念上的变革，人工智能也在重塑经济，提高生产率，提高效率并降低成本。

人工智能和智能的关键在“人”及自主性，如何思考这两个要素已成为黑暗里两处摇曳着的光和希望！人类文明的演化粗略可划分为西方文明和东方文明，人类对智能领域的理解也可大致划分为东西方这两大体系。人工智能领域的发展主要是延续了西方文明的科技脉络：逻辑+实验，而作为更为抽象的人性智能领域的反映，东方文明也起到了举足轻重的作用：洞察+平衡，也可以认为西方偏逻辑、算法，东方则偏非逻辑、算理。

作者： Babu Vaith

人工智能（AI）也称为机器智能，是科学领域最重要的进步之一。计算机或计算机辅助机器人的设计使其可以不断学习并始终如一地解决问题。现在，机器已经可以执行一些曾经被认为只有人类才能执行的任务。

随着人工智能的发展，医疗行业也在不断进步。本文将介绍一些基于AI的医疗应用如何帮助塑造医疗行业。

毫无疑问，人工智能（AI）一直是2010年代的技术主题，随着新的十年的来临，这一趋势似乎不会消失。在过去的十年中，人们会回想起真正可以被视为“智能”机器的时代，就像我们人类一样，他们具有思维能力和学习能力，并开始在科幻小说之外成为现实。

尽管还没有建立可以预测未来十年AI进程的预测，但我们可以确定明年是否会发生变化。在研究、开发和部署上的花费继续增加，关于更广泛的社会影响的争论也日益激烈。同时，对于那些希望将AI驱动的创新推广到新的行业，科学领域以及我们的日常生活中的人来说，激励措施只会变得更大。

这是我对2020年可能会继续或出现的AI领域的预测。

1.人工智能将越来越多地运用到监测和完善业务流程

虽然工作场所中的第一批机器人主要涉及自动化手动任务，例如生产线和生产线，但如今基于软件的机器人将承担我们在计算机上进行的重复但必要的工作。填写表格、生成报告和图表以及生成文档和说明都是可以由机器自动执行的任务，这些机器可以观察我们的工作并学会以更快，更简化的方式为我们做这些事情。这种自动化（称为机器人过程自动化）将使我们摆脱费时但必不可少的行政工作的繁琐工作，从而使我们可以将更多的时间花在复杂的战略、创造性和人际交往上。

在各种新概念层出不穷的今天，人工智能（AI）俨然C位出道，路人皆知，即便在新冠肺炎肆虐的当下，也从未停止「修炼」：

截至2020年2月23日，一款新冠肺炎CT影像AI识别算法已在16个省市的41家医院投入使用，对3万多个临床疑似病例进行了诊断，准确率高达96%1，真可谓「战疫」的神助攻！事实上，人工智能在制造业、安防、医疗、在线零售业等几乎各个行业中都有超凡的表现，奠定了它对未来世界不可或缺的地位。

在上一篇文章中，我们简要介绍了更高层次的问题，这些问题为优化加速器的需求奠定了基础。作为一个尖锐的问题提醒，现在让我们通过一个非常简单的图像分类算法，来看一看与之相关联的计算成本与功耗。

利用Mark Horowitz提供的数据点，我们可以考虑图像分类器在不同空间限制下的相对功耗。虽然您会注意到Mark的能耗估计是针对45nm节点的，但业界专家建议，这些数据点将继续按当前的半导体工艺尺寸进行调整。也就是说，无论工艺尺寸是45nm还是16nm，与FP32运算相比，INT8运算的能量成本仍然低一个数量级。

贸泽电子（Mouser Electronics）今天宣布与NXP Semiconductors合作推出全新电子书，书中将探讨人工智能（AI）的无限发展潜能以及几款针对AI和机器学习（ML）解决方案的特定产品。

在Imagine the Possibilities（想象无限可能）这本电子书中，贸泽与NXP的专家针对热门且敏感的AI应用提供了深入的分析，包括语音控制、脸部辨识、自动驾驶和物体识别等。

在2014年，斯坦福大学教授Mark Horowitz发表了一篇题目为“计算的能源问题（以及我们该怎么办）”的论文。这篇具有深远意义的论文，讨论了当前半导体行业所面临的最热门的、与登纳德缩放比例定律（Dennard Scaling）和摩尔定律（Moore’s Law）失效相关的挑战。

如果可以的话，我想借用并改编一下Mark的论文标题，这样我就可以就机器学习推断应用为什么应该考虑专用硬件，分享一下我的观点。

专用硬件加速实在必行

首先，让我们考虑一下问题的症结所在。大约在2005年，处理器内核时钟频率的增长进入了瓶颈。缩小工艺尺寸和降低内核电压不再像以前一样能够为我们带来优势。其根本的问题，就是计算已经达到了功率密度（W/mm2）的极限。

贸泽电子（Mouser Electronics）宣布与NXP Semiconductors合作推出全新电子书，书中将探讨人工智能（AI）的无限发展潜能以及几款针对AI和机器学习（ML）解决方案的特定产品。

Michael Parks（贸泽电子）

在上一篇文章“<a href="http://mouser.eetrend.com/content/2019/100046494.html">让现实世界的情感为人工智能所用（一）</a>”中，我们介绍了本项目的背景内容和工作流程，以及运作时所需的物料、工具和其他资源。接下来，我们要按照下文“软件”一节中的步骤让整个设备运作起来。