現(xiàn)在，人工智能面臨的問題不是快和慢，而是有些事情做不到。

首先，問題就有問題。

人工智能的研究既基于算法，又需要硬件。

NVIDIA每年更新顯卡都不只是更新gtx 680、gtx780…gtx1080這些游戲顯卡。如果你對人工智能、支持向量機(jī)、卷積神經(jīng)網(wǎng)絡(luò)等有了解，那你應(yīng)該知道每次NVIDIA發(fā)布新卡都會有麗臺的卡，價(jià)格比游戲顯卡昂貴，從麗臺 p100到p4000到現(xiàn)在的麗臺GV100。每一次更新其計(jì)算能力都發(fā)生了飛躍。

那么問題來了，為啥研究人工智能就研究算法而不做硬件？其實(shí)這兩方面都有人做，各司其職，做算法的人研究如何運(yùn)用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行識別，面對爆炸的信息量如何最大化榨取處理器的計(jì)算能力。而做硬件的行業(yè)操心如何能讓其核心擁有更強(qiáng)大的計(jì)算單元，更低的功耗。

現(xiàn)在，人工智能面臨的問題不是快和慢，而是有些事情做不到。

根據(jù)現(xiàn)有的計(jì)算理論：即使把神經(jīng)元近似的實(shí)現(xiàn)為一些計(jì)算芯片，即使用CMOS的方式搭出一個神經(jīng)網(wǎng)絡(luò)，它的計(jì)算能力和用軟件寫出來的卷積神經(jīng)網(wǎng)絡(luò)并沒有本質(zhì)的區(qū)別。

目前人工智能發(fā)展的困難不在于是否用硬件實(shí)現(xiàn)，而在于算法。

舉個不恰當(dāng)?shù)睦樱胱岏R兒跑，得先讓馬兒走起來再說，現(xiàn)在馬兒連站都站不起來，談何馬兒跑。

關(guān)于詳細(xì)的如何選擇，選擇哪方面的研究，以及國內(nèi)外領(lǐng)先的的課題組和相應(yīng)的研究，我想，這個論文調(diào)研需要自己動手做才更深刻。我的導(dǎo)師常跟我說：“授人以魚不如授人以漁”。希望你能學(xué)到點(diǎn)什么。

最后，記得關(guān)注微信公眾號：鎂客網(wǎng)（im2maker），更多干貨在等你！