lstm算力

『壹』 人工智能，机器学习与深度学习，到底是什么关系

有人说，人工智能（AI）是未来，人工智能是科幻，人工智能也是我们日常生活中的一部分。这些评价可以说都是正确的，就看你指的是哪一种人工智能。

今年早些时候，Google DeepMind的AlphaGo打败了韩国的围棋大师李世乭九段。在媒体描述DeepMind胜利的时候，将人工智能（AI）、机器学习（machine learning）和深度学习（deep learning）都用上了。这三者在AlphaGo击败李世乭的过程中都起了作用，但它们说的并不是一回事。

今天我们就用最简单的方法——同心圆，可视化地展现出它们三者的关系和应用。

向左转|向右转

人工神经网络（Artificial Neural Networks）是早期机器学习中的一个重要的算法，历经数十年风风雨雨。神经网络的原理是受我们大脑的生理结构——互相交叉相连的神经元启发。但与大脑中一个神经元可以连接一定距离内的任意神经元不同，人工神经网络具有离散的层、连接和数据传播的方向。

例如，我们可以把一幅图像切分成图像块，输入到神经网络的第一层。在第一层的每一个神经元都把数据传递到第二层。第二层的神经元也是完成类似的工作，把数据传递到第三层，以此类推，直到最后一层，然后生成结果。

每一个神经元都为它的输入分配权重，这个权重的正确与否与其执行的任务直接相关。最终的输出由这些权重加总来决定。

我们仍以停止（Stop）标志牌为例。将一个停止标志牌图像的所有元素都打碎，然后用神经元进行“检查”：八边形的外形、救火车般的红颜色、鲜明突出的字母、交通标志的典型尺寸和静止不动运动特性等等。神经网络的任务就是给出结论，它到底是不是一个停止标志牌。神经网络会根据所有权重，给出一个经过深思熟虑的猜测——“概率向量”。

这个例子里，系统可能会给出这样的结果：86%可能是一个停止标志牌；7%的可能是一个限速标志牌；5%的可能是一个风筝挂在树上等等。然后网络结构告知神经网络，它的结论是否正确。

即使是这个例子，也算是比较超前了。直到前不久，神经网络也还是为人工智能圈所淡忘。其实在人工智能出现的早期，神经网络就已经存在了，但神经网络对于“智能”的贡献微乎其微。主要问题是，即使是最基本的神经网络，也需要大量的运算。神经网络算法的运算需求难以得到满足。

不过，还是有一些虔诚的研究团队，以多伦多大学的Geoffrey Hinton为代表，坚持研究，实现了以超算为目标的并行算法的运行与概念证明。但也直到GPU得到广泛应用，这些努力才见到成效。

我们回过头来看这个停止标志识别的例子。神经网络是调制、训练出来的，时不时还是很容易出错的。它最需要的，就是训练。需要成百上千甚至几百万张图像来训练，直到神经元的输入的权值都被调制得十分精确，无论是否有雾，晴天还是雨天，每次都能得到正确的结果。

只有这个时候，我们才可以说神经网络成功地自学习到一个停止标志的样子；或者在Facebook的应用里，神经网络自学习了你妈妈的脸；又或者是2012年吴恩达（Andrew Ng）教授在Google实现了神经网络学习到猫的样子等等。

吴教授的突破在于，把这些神经网络从基础上显著地增大了。层数非常多，神经元也非常多，然后给系统输入海量的数据，来训练网络。在吴教授这里，数据是一千万YouTube视频中的图像。吴教授为深度学习（deep learning）加入了“深度”（deep）。这里的“深度”就是说神经网络中众多的层。

现在，经过深度学习训练的图像识别，在一些场景中甚至可以比人做得更好：从识别猫，到辨别血液中癌症的早期成分，到识别核磁共振成像中的肿瘤。Google的AlphaGo先是学会了如何下围棋，然后与它自己下棋训练。它训练自己神经网络的方法，就是不断地与自己下棋，反复地下，永不停歇。

|深度学习，给人工智能以璀璨的未来

深度学习使得机器学习能够实现众多的应用，并拓展了人工智能的领域范围。深度学习摧枯拉朽般地实现了各种任务，使得似乎所有的机器辅助功能都变为可能。无人驾驶汽车，预防性医疗保健，甚至是更好的电影推荐，都近在眼前，或者即将实现。

人工智能就在现在，就在明天。有了深度学习，人工智能甚至可以达到我们畅想的科幻小说一般。你的C-3PO我拿走了，你有你的终结者就好了。

『贰』 骁龙888每秒运算多少次

智能手机推动了AI的普及，AI美颜、AI夜景、AI语音助手等功能也让众多消费者感受到了AI的乐趣，雷锋网此前的文章《拯救拍照手残党，告别选择困难！手机AI还有这么多新奇玩法》曾介绍过。

高性能的硬件和灵活易用的软件都已经准备好，接下来AI创新的核心无疑是开发者。在AI生态的建设上，高通的态度也是开放，包括计划与开源社区在TVM编译器方面，以及在GitHub上开源AI模型增效工具包。

今年，高通也在中国举办了首届AI创新挑战赛。

随着AI生态的发展和繁荣，会有哪些让人意向不到的应用？5G+AI又会给哪些领域带来革新？

『叁』 那些年科幻电影里的黑科技有哪些成为了现实

电影中的2001与现实中的1969

无论是光怪陆离的的星际穿越，还是颓垣败井的废土世界，科幻电影架空的时空，一直在努力营造距离感和割裂感拉长时间维度，将观众迅速带入科幻世界。不过，正如火爆的《头号玩家》，科幻电影的最大价值在于天马行空描绘出可以跨越银幕的硬核科幻，人工智能，作为硬科幻电影的宠儿，充当了填补观众探寻未来意义心理沟壑的润滑剂。

自1965年正式提出人工智能算起，50多年，AI在好莱坞电影和现实中都取得了长足进步。尤其是大银幕上，以梦工厂为代表的电影制作公司，塑造了无数出神入化的AI形象，成为普罗大众对科技崇拜的源泉所在，满足了人类对未知生活方式的向往。

一定程度上，科幻电影也成为科技行业的启蒙者，移动电话之父马丁库帕就承认，他发明第一台移动电话正是受了《星际迷航》中“通讯器”（communicator）的启发。正如迪斯尼动画电影中，总会有一个捧哏的话唠动物角色，人工智能机器人也是科幻电影的标配。伴随着电影塑造的经典AI根深蒂固形象，人工智能被视为下一个从银幕上走出来的科技。

《星际迷航》中的通讯器

电影2001年：人工智能飞船迈向木星

现实1969年：登月飞船算力不如手机

1968年一部被誉为““现代科幻电影技术的里程碑”的电影横空出世，这就是《2001漫游太空》，电影将未来锁定在了33年后的2001年，“发现一号”太空飞船向木星进发执行太空任务。除了飞行员和宇航员，还有一台具有人工智能、掌控飞船的电脑哈尔9000，哈尔9000被设定为一个永远不需要关机，从不出错的人工智能形象，它可以用自然语言沟通，带有人类情感和趋利避害的生物属性。

哈尔9000（图片引自网络）

哈尔的声音温和友善，让人产生发自内心的暖意，在茫茫太空孤独旅行，它也成为了人类最好的交流伙伴。

影片大篇幅展示了2001年人工智能哈尔与人类的互动，比如与鲍曼下国际象棋并轻松赢了对方。它可以毫无障碍的理解人类的语言和情感，甚至能够在人类躲着自己谈话的时候，读出唇语。在得知自己会被强行关机之后，哈尔还能够作出先发制人的反应。最终，在杀死三位宇航员之后，哈尔被男主拔出了记忆板。

哈尔与人类下国际象棋（图片引自网络）

这部电影展现了人们对2001年的畅想，尽管我们距离“未来”已经过去17年，人类仍未实现随心所欲的漫游太空，但当时一些接近想象力巅峰的预测已经实现。比如电影出现的iPad、视频通话的雏型已经普遍使用，甚至iPod的名字都源于电影维修小飞船的名字Pod。

视频通话（图片引自网络）

电影中iPad的原型（图片引自网络）

而哈尔作为人工智能的雏型也给我们留下了深刻的印象，包括Siri在内的现有语音助手都是对哈尔的一脉相承。

值得一提的是，影片在上映几个月后，阿波罗11号登陆月球；26年以后的1997年，IBM深蓝超级计算机打败世界排名第一的国际象棋选手加里卡斯帕罗夫，让深埋电影中的隐喻变为现实。

NASA登月导航计算机算力综合不如手机（图片引自NASA）

《2001漫游太空》寄托了人类开拓星球的思潮，但1968年的现实是，即便登月用的导航计算机主频也只有2．048MHz，所有登月电脑的性能加起来都不如现在一部手机的运算能力，更不用谈人工智能所需要的强大算力和海量数据的支撑。

80年代到90年代的很多电影很少有揉入硬科幻的人工智能形象展现，无论是斯皮尔伯格的《人工智能》还是《机械公敌》、《月球》、《银河系漫游指南》AI 机器人 Marvin，电影更多的是披着科幻外衣去对人性复杂的探讨，鲜有以科技或科学猜想推动情节。

电影《人工智能》（图片引自网络）

集中在2013年到2014年上映的几部电影，开始继续从硬科幻的角度探讨人工智能，与此前天马行空的机器人相比，这些人工智能形象更加超前，但也更加接近现实。

电影中的2025与现实中的2016

电影2025年：手机女友成为现实

现实2016年：语音识别与人类打平

《星际穿越》大量展示了虫洞、黑洞、多维空间以及广袤的星际旅行场景，诺兰导演甚至邀请到了天体物理领域的顶尖大牛基普索恩担任影片的科学顾问，保证了影片科幻属性足够硬。TARS作为智能机器人的出现带给观众很多亮眼之处。

《星际穿越》中的智能机器人（图片引自互联网）

在电影中，TARS会说话能思考，甚至能够麻溜利索的变形在滔天巨浪扑来之前拯救安妮海瑟薇。在解密引力之谜甚至在五维空间里，TARS都以恪尽职守的高级助理形象出现，高效完成任务指令，可以说缺少TARS，人类的智慧无法完成这项艰巨的太空任务。而重建TARS时，那个幽默度的桥段让冰冷的机器形象多了一份人性。

《星际穿越》中的智能机器人（图片引自互联网）

观众偏爱TARS，更多在于，相比于无所不能的机器人，TARS没有被设定为拟人形象，不锈钢拼接起来的外观更符合人类世界设定下的工业产品，与现实更接近。

而约翰尼德普在《超验骇客》的人工智能突破就显得惊世骇俗，你能想象有一天你的躯体死去精神意识却被保留在互联网上，而且可以无所不能，《超验骇客》打造的一流的科幻概念超越了很多硬科幻设定的范畴，将我们能想象到的人工智能进一步升级，以去实体化的虚拟形态存在。

电影《超验骇客》（图片引自互联网）

在电影中，生化形态的人工智能高概念让德普无所不能，与此同时去中心化的生存方式让他无处不在，如同正在火热的区块链，这种繁衍形态让传统势力很难通过拔电源将其消灭。

电影《超验骇客》（图片引自互联网）

如果说《星际穿越》和《超验骇客》还距离我们认为的人工智能太远，电影《Her》所打造的智能环境简直是死宅单身狗的天堂。故事发生在17年以后的2025年，内向宅男西奥多托姆布里遭遇分手后，寻求一款叫做OS1的智能操作系统聊以慰藉，操作系统化身为一名叫做萨曼莎的“女性”（斯嘉丽约翰逊声），她风趣幽默又善解人意，她学习和进化的速度让西奥多感到不可思议，甚至能够帮助以写情书为本职工作的男主检查拼写和语法。

电影《Her》（图片引自网络）

萨曼莎脱胎于类似苹果HomePod／亚马逊Echo这样的智能音响，以机器人女友的形象对外展示，并以卡片机的终端对外销售。OS1所代表的人工智能比17年前的智能音响有了长足的进步，它所有的交互通过自然语言完成，背后有一套完成的养成逻辑，依靠语音、图像识别和神经网络算法，能够与用户沟通迅速成长，并依靠与数千名用户“谈恋爱”不断进化，达成完美情侣，可以说这一形象几乎满足了人类对未来智能伴侣的所有想象。无疑，在众多人工智能形象中，OS1更接近我们真实生活。

OS1帮助男主检查语法和错别字（图片引自网络）

值得一提的是，法国计算机科学家 Pierre 受电影中 AI 作音乐的启发，研制了一款先进的能作曲的 AI —— Avia，不仅所作曲子出了专辑，应用到重要庆典、NVIDIA GTC 2017中，而且 Avia 还成了国际作曲家。

OS1的终端形态更像目前的智能手机（图片引自网络）

这是观众的反馈，同时也有这足够牢固的现实基础。OS1有着足够强大的算法和硬件配套，与现实生活中的智能音箱相同的交互逻辑和演化路线，增强了用户的认同感。

从亚马逊Echo到OS1还有17年的路要走。

单拿语音识别来说，从1952年贝尔实验室研制了第一个可十个英文数字的特定人语音增强系统一Audry系统，到2016年微软发表论文称语音识别上的技术已经高于专业的人工速记员，达到了与人类同等交流对话的水平，中间走了64年。这背后涉及到的卷积神经网络及LSTM神经网络，以及自由格人机界面听觉训练虽非易事，但我们有理由相信17年以后的Echo就是OS1的原型机。

从2001年走到2025年，科幻电影所塑造的人工智能形象愈发保守，好莱坞电影开始通过与现实接轨的方式应对观众的审美疲劳。对应到现实世界，人类的人工智能则来到了一个集中爆发的阶段。在看过了无数个哈尔、Marvin、TARS之后，我们也正在按照电影中的酷炫思路打造活生生的人工智能。

比如AlphaGo，它是第一个击败人类职业围棋选手、第一个战胜围棋世界冠军的人工智能程序，和IBM的深蓝超级电脑有着同样举足轻重的意义，意味着人工智能的时代从电影银幕走到现实中来。

人工智能对弈围棋（图片引自谷歌）

Google的AI法宝还不止有AlphaGo，引入NMT神经网络的Google翻译、会主动管理照片的Google Photo、像OS1跟你聊天的Google Allo、语音助手Google Assistant以及更帮你看到东西的Google Lens都是Google组装一款超级人工智能终端的模块化产品。

而这一切模块化产品都可以组装在一款智能手机上，尤其是5G网络带来的速度和数据支撑，被认为是人工智能最终爆发增长的终端。随着移动设备的增加，数据也逐渐海量，尤其是5G时代，大数据的支撑，让人工智能有了爆发基础。

手机中Siri曾经被视为人工智能在现实中的形象，但烂尾的效果最终让Siri成为众人调侃的形象，甚至对消费者对人工智能产生了负面影响，据一份2016年的调查显示，只有3％的用户在公共场合使用过Siri，如此尴尬的数据以至于最后库克不得不连夜从Google挖人。

手机人工智能初探

4月4日，苹果公司宣布，前一天离职的谷歌前搜索兼AI高级副总裁John Giannandrea（约翰詹南德雷）加入苹果，担任“机器学习及人工智能战略”总负责人，成为苹果第16位核心管理层高管，直接向CEO库克汇报。急切的挖人举动让苹果的AI焦虑一览无遗。

吾家有AI初长成 Jovi初探银幕梦想

除了苹果，赶赴人工智能这波浪潮的手机公司大有所在，并开始为人工智能打造形象，这里面还包括打造AI品牌Jovi的vivo，Jovi和哈尔、TARS、Alexa一样，是驻留在智能手机中的人工智能。

现在Jovi虽然只是探索AI的第一阶段，但却为人工智能提供了很好的演化路径。背靠骁龙AIE（人工智能引擎），以骁龙神经处理引擎（NPE）软件框架和神经网络（NN）库为接口的异构计算方案。其具有广泛接纳性的逻辑，极高的兼容性，精准而庞大的计算力，成为了Jovi AI的推动力，并为消费者量身打造实现智能场景应用的vivo X21手机。

vivo打造的人工智能想象Jovi

功能上Jovi 助理拥有系统全局级的智慧识屏功能，可以让用户的所有操作节点智能化，替代繁琐重复甚至需要思考的操作，让我们可以高效管理生活和工作事物。比如在界面中长按一段文字即可触发识屏功能，该功能会快速识别并智能提取用户长按的文字信息，然后用户就可以就此信息进行快速查阅／扩展及相关操作。

Jovi人工智能

AI应用到相机，Jovi则可以自动识别你的肤质、肤色、性别、年龄，并且会学习你的使用习惯，在你每次自拍的时候为你选择一种最适合的美颜效果。回望2001年的哈尔，Jovi正在替代它的角色，只不过不是在宇宙飞船，而是一个普通人的生活起居，你定了车票、机票，它会提醒你时间、目的地天气和机场路况；你上网购买了快递，它会告诉你快递单号是多少并一键帮你快速查询物流；如果你喜欢看球赛，它会帮你跟踪欧冠和NBA赛事；它能在你出行前，为你安排行程。

Jovi人工智能

我们可能习惯了手机作为一个冰冷的连通机器，但Jovi赋予了机器血肉，Jovi能够不断地学习，就像是一个有血有肉的伙伴一样，认识越久就越懂你的需求，随时给你最好的生活建议，并打理好了生活的一切。

未来，你和手机不再是简单的交互，而是养成关系，Jovi所代表的人工智能可以被养成高效贴心的商务管家，也可以被养成为体贴入微的女友。它不会随着你更换设备而丢失，正如《超验骇客》中的德普一样，跟随互联网随遇而安。现在Jovi所代表的手机人工智能，正在朝《Her》中的2025年走去。

尽管霍金临终前曾警告人类要警惕人工智能，但他仍然承认“创造AI的成功可能是我们人类文明历史上最大的事件，我们生活的每一方面都会因为人工智能改变。”

我们会在“绿洲”里汇聚，还是在2049相遇

时间随着电影往前走，在《银翼杀手2049》中的2049年，城市已经失控并崩溃。虚拟人工智能乔伊成为复制人K慰藉的对象，在2049年依靠全息投影投射成像的虚拟人可以随意出售，除了没有实体，她已经完全和人类无异，情商智商超高也更为体贴，成为不少宅男倾慕的对象。

电影（银翼杀手2049）中的虚拟投射人工智能（图片引自网络）

作为一款成熟的人工智能产品，我们在电影里见证了乔伊从机械装置投影到投影设备移动化全新升级的过程。尽管很多人认为复制人是鬼扯，但这个投射装置的升级让不少人认为在2049年更容易实现。距离2049还有21年，依靠现有的人工智能基础，我们相信乔伊真的有可能在2049年从银幕走出来与我们相遇。

可移动版乔伊（图片引自网络）

无独有偶，斯皮尔伯格在《头号玩家》中也将2045年设定为世界崩溃的边缘，眼花缭乱的VR世界让快要凉了的VR厂商起死回生，终于有了用例可以背书。人工智能也好，VR也好，都是科技高速发展的终极产物，或许那天世界依旧运转良好，我们和朋友在“绿洲”里相聚，回家在2049里缠绵。

艺术来源于生活而高于生活，科幻电影则完全源于天马行空的想象，科幻与现实看似两条平行的世界，我们深信二者的时间线和想象力最终会因为不懈努力在未来交汇在一起，这一天我想并不遥远。

『肆』 机器学习可以预测汇率变化吗

◆◆◆真极客有钛度◆◆◆

据统计，被地震夺走生命的人员数目十分可怕。每年大约有一万人死于地震和震后灾难，但实际的伤亡人数可能更多。2004年，苏门答腊岛海岸有超过230,000人在九级地震引起的海啸中丧生；2010年，超过200,000人死于海地七级地震；1556年，中国超过800,000人在一次地震中死亡。

因此，我们期待着一个颇有成效的地震预测方法。

在新墨西哥洲洛斯阿拉莫斯国家实验室里，Bertrand Rouet-Lec和他的几个伙伴前段时间发现了一个相当惊人的秘密。他们训练了一个机器学习算法，让算法仅依靠那些由压力所产生的声音，去观察实验室地震即将发生时所显现的迹象。这个团队还不确定这一技术能否用于现实地震的预测，因此他们表现得十分谨慎；但是他们的这项技术和工作确实为地震预测领域的研究开辟了一条新路径。

我首先来介绍一些相关的背景信息。长期以来，地质学家们都是可以预测出地震风险发生的近似概率，他们使用的方法是找出历史上地震断层的移动时间，凭借其中显现出来的一些周期性，来大致预测未来的断层移动时间。

其中最有名的例子包括加州帕克菲尔德的圣安格烈亚斯断层——全球被研究得最仔细的断层之一。据记载，历史上发生在这里的地震的时间分别是1857年、1881年、1901年、1922年、1934年和1966年。这些数据暗示着在圣安格烈亚斯，大约每22年就会地震一次的模式和规律。

因此地质学家们预测下一次地震将会发生在1988年到1993年之间，再下一次地震就应该是2004年。

这大概就是地震预测所能达到的最好的水平了，在其他的绝大多数地方，震级的误差会更大。

这样的预测有利于各种事项的实施，比如在地震多发区建立地震指标；但在地震发生时预防死亡是基本不可能的。因此，预测的时间跨度需要以天为单位，以达到更精准的预测。几乎没有证据能证明这种以天为单位的预测是可行的，尽管有很多传闻表明动物是能够感知即将发生的地震的。

Rouet-Lec和他的伙伴的工作很可能会对这种现象做出一些改变。通过拉扯一个被夹在两个积木中间的积木，他们在实验室里制造了人工地震。在这些积木的接触面上，他们叠加了一些叫做“断层泥”的岩石物质混合物，来模拟真实的断层。

这种人工地震系统到现在已经得到了充分的研究。地质学家从中知道了，当地震即将发生时，“断层泥”就会开始掉落，并且伴随着断切发出“吱嘎”和“噼啪”的声音——一种特殊的“地震低语”，然后那块积木就会滑落，并且滑落的时间似乎是有周期性的。

这一系统与真实的地震有着很多相似之处，比如说，滑块的大小分布与真实地震的大小分布是一样的，它能产生很多小的滑块和少数大的滑块——这种大小分布跟真实的地震一样，是符合了著名的“Gutenberg-Richter关系”的。因此，地质学家们确信，这个系统至少能模拟一部分现实世界的行为。

现在为止，存在的疑问是：

断层发生时发出的声音能否用来推测下次断层发生的时间呢？直到现在，还没有人在这些声音里发现能够被用于推测时间的一种固定模式。但是Rouet-Lec已经着手使用一种全新的方法了。

他们记录了试验中的所有发出的声音，然后将其输入至一个机器学习算法中。这样做是为了看看机器能否破解地质学家们现在无法破解的声音模式。

这一尝试的结果令人非常惊喜，研究者们将一个声音的滑动窗口输入至了算法中，然后让它在每个可能发生地震的时刻作出即时预测。令研究者们感到惊讶的是，机器对即将发生的地震都给出了非常精确的预测，尽管有些地震并非是迫在眉睫的。他们说：

“我们只是让算法去‘听’实验室断层发生时的声音信号，机器学习就能精确地预测出距离断层发生前的剩余时间。”

其实真正的疑惑在于“机器到底是如何做到这一点的呢？”

Rouet-Lec假设地震前体可以比之前预想的要小很多，所以在现实生活中通常不会被记录下来。机器似乎已经发现了一个全新的信号，这一信号之前被地质学家们误认为是在实验室地震中产生的杂音。他们说：“我们的机器学习分析能为‘滑移物理’提供新的见解。”

这是一项有趣的、并且具有重要意义的工作。它提出的首要的、最突出的问题是：相同的技术能否精确地预测现实中的地震？

Rouet-Lec和他的团队对这一方面非常感兴趣，他们指出，实验室的实验从各种重要的层面来说与现实中的地中都有着很大的不同：实验中的断切压力的震级大于现实地震的震级，而且断切的岩石的温度跟现实地震也不同。

但是，在一些其他的层面上，实验室地震跟现实中的地震还是很相似的。所以，这个团队的下一个目标就是将这个相同的分析，应用到那些与实验室地震相似度最高的现实地震中去。帕克菲尔德地震就是其中一个这样的现实地震，帕克菲尔德在较短的时间内经历过多次重复地震。团队表示：“这些断裂层可能会像在实验室一样，发出‘地震低语’。”

这个大测试当然将会被用于精确地预测现实中的地震，但这将是是一项需要长年仔细研究、观察的艰巨任务。

与此同时，这项技术也能应用于类似地震的其他材料的预测，比如说飞机和发电站里的涡轮机。

无论这项新技术被如何应用，Rouet-Lec都已经在地质学界掀起了不小的波澜。就像他们自己在总结中所说的：“地震科学进步和发展的舞台已经准备就绪了。”

钛极客∣一个关于黑科技的公号

长按，识别二维码，加关注