奧特多蓄電池OT17-12尺寸及型號(hào)重量

奧特多蓄電池OT17-12尺寸及型號(hào)重量

隨著技術(shù)的不斷發(fā)展,，技術(shù)的種類(lèi)越來(lái)越多,，人們不可能掌握全部的技術(shù)，但是技術(shù)對(duì)于人們的選擇有了太多太多,，這時(shí)候在選擇什么技術(shù)的時(shí)候,，人們往往就會(huì)陷入迷茫，不知道應(yīng)該選擇什么樣的技術(shù),，不清楚自己應(yīng)該從什么技術(shù)下手,，甚至說(shuō)會(huì)懷疑技術(shù)的作用，認(rèn)為有些技術(shù)沒(méi)有意義,，不知道有什么用,。今天我們探討一下數(shù)據(jù)科學(xué)領(lǐng)域內(nèi)的技術(shù)存在的意義，分析一下大數(shù)據(jù)分析是否雞肋,，在數(shù)據(jù)科學(xué)技術(shù)體系中,，價(jià)值技術(shù)到底是什么，以及在人工智能領(lǐng)域中反對(duì)派的聲音越來(lái)越大的時(shí)候,，人工智能是否還能走下去,，還能走多遠(yuǎn)？

大數(shù)據(jù)技術(shù)：計(jì)算資源無(wú)限,，世界將會(huì)是怎樣

大數(shù)據(jù)分析并不雞肋

在計(jì)算機(jī)誕生的70年后，單臺(tái)計(jì)算機(jī)的計(jì)算性能逼近物理極限,，伴隨計(jì)算機(jī)發(fā)展的摩爾定律逐漸失效,。在這70年的發(fā)展過(guò)程中,，剛開(kāi)始是可以用摩爾定律進(jìn)行準(zhǔn)確的描述的，1965年,，英特爾創(chuàng)始人之一戈登摩爾在考察計(jì)算機(jī)硬件的發(fā)展規(guī)律后,，提出了著名的摩爾定律：

該定律認(rèn)為，同一面積芯片上可容納晶體管的數(shù)量,，每隔16-24個(gè)月將翻一倍,，計(jì)算性能也將翻一倍。換而言之,，也就是每隔16-24個(gè)月,，單位價(jià)格可購(gòu)買(mǎi)到的計(jì)算能力將翻一倍。在隨后的幾十年內(nèi),，摩爾定律被無(wú)數(shù)次的被印證,。而直到現(xiàn)在，計(jì)算機(jī)性能已經(jīng)逼近極限的情況下,，摩爾定律似乎已經(jīng)失效了,。

大數(shù)據(jù)分析&人工智能：技術(shù)內(nèi)容價(jià)值觀辨析

發(fā)展的期間伴隨著摩爾定律不斷的生效，在計(jì)算機(jī)方面同步發(fā)展的還有網(wǎng)絡(luò)寬帶和物理的存儲(chǔ)容量,，半個(gè)多世紀(jì)以來(lái),，存儲(chǔ)器的價(jià)格幾乎下降到原來(lái)價(jià)格的億分之一。

大數(shù)據(jù)分析&人工智能：技術(shù)內(nèi)容價(jià)值觀辨析

而網(wǎng)絡(luò)寬帶的的速度也在不斷的突破極限,。

大數(shù)據(jù)分析&人工智能：技術(shù)內(nèi)容價(jià)值觀辨析

隨著這些物理硬件的升級(jí),，計(jì)算機(jī)領(lǐng)域內(nèi)便產(chǎn)生了OTT式的技術(shù)革新，誕生了分布式計(jì)算和量子計(jì)算機(jī)技術(shù),，而這兩者的出現(xiàn),，也必將決定性的改變計(jì)算機(jī)資源供給端的情況。

分布式計(jì)算機(jī)技術(shù),，已經(jīng)逐漸成為大數(shù)據(jù)領(lǐng)域底層IT架構(gòu)的行業(yè)標(biāo)準(zhǔn),，分布式計(jì)算可以實(shí)現(xiàn)一個(gè)計(jì)算目標(biāo)可以調(diào)配無(wú)限計(jì)算資源并予以支持，解決了大數(shù)據(jù)情境中運(yùn)算量過(guò)大,、超出單臺(tái)物理機(jī)運(yùn)算承受能力極限的問(wèn)題,，并且同物理計(jì)算資源協(xié)同調(diào)配，為后續(xù)的云計(jì)算奠定了基礎(chǔ),?？陀^ 的講，分布式計(jì)算機(jī)技術(shù)使計(jì)算資源趨于無(wú)限,。

而量子計(jì)算機(jī)技術(shù)將使單體計(jì)算能力擁有質(zhì)的飛躍,。但是在量子計(jì)算機(jī)核心技術(shù)尚未突破之時(shí)，人類(lèi)面對(duì)呈現(xiàn)爆發(fā)式增長(zhǎng)的數(shù)據(jù)束手無(wú)策….

在經(jīng)過(guò)這漫長(zhǎng)的探索后,，人類(lèi)現(xiàn)在決定先借助分布式計(jì)算技術(shù)實(shí)現(xiàn)新的一輪OTT式技術(shù)革新,，而此舉將不僅解決了海量數(shù)據(jù)存儲(chǔ)與計(jì)算問(wèn)題,，還有希望幫助人類(lèi)*擺脫計(jì)算資源瓶頸的束縛。計(jì)算資源無(wú)限,，世界將會(huì)怎樣….

但是從大數(shù)據(jù)技術(shù)的發(fā)展現(xiàn)狀來(lái)看,，真正的難點(diǎn)還是在于底層工具的掌握，由于發(fā)展尚處于初級(jí)階段,，還需要人們掌握大量的底層工具,，這條道路因?yàn)樽叩萌松偎圆艜?huì)顯得泥濘不堪，只有將基礎(chǔ)工具發(fā)展和掌握成熟之后,，才可以降低使用者的門(mén)檻,。

對(duì)于我們而言，這條路難么,？真的很難,！但是是值得我們客服這條路上的困難的，因?yàn)槭找鏁?huì)非常的劃算,，這條路的難處在于要掌握很多底層工具,，為什么？因?yàn)樽哌@條路的人少,，現(xiàn)在還是一條泥巴路,，很難走，但是為什么是值得我們克服困難也要走下去呢,，是因?yàn)橹灰孔佑?jì)算機(jī)不出現(xiàn),、隨著摩爾定律的失效、數(shù)據(jù)量還在增加,，大量過(guò)路的需求會(huì)催生一條又一條高速公路,，然后鋪路的大公司設(shè)卡收稅，泥巴路遲早會(huì)變成高速公路,，但只要你先過(guò)去,，就能看到別人看不到的風(fēng)景。

從計(jì)算機(jī)由DOS系統(tǒng)到桌面系統(tǒng),，Python機(jī)器學(xué)習(xí)由源碼到算法庫(kù),，不一直都是這樣么。

機(jī)器生產(chǎn)釋放腦力,，機(jī)器學(xué)習(xí)釋放腦力

數(shù)據(jù)革命的本質(zhì)

大數(shù)據(jù)分析技術(shù)有價(jià)值,、數(shù)據(jù)分析技術(shù)更有價(jià)值，那整個(gè)數(shù)據(jù)科學(xué)知識(shí)內(nèi)容體系中,，較有價(jià)值的到底是什么,？

如果從發(fā)現(xiàn)技術(shù)的角度看待問(wèn)題確實(shí)很有意思，那我們不妨再來(lái)探討一個(gè)問(wèn)題，那就是從技術(shù)層面而言（非工作是否好找的角度）,，數(shù)據(jù)科學(xué)中較有價(jià)值的技術(shù)模塊是哪個(gè),？

人工智能是數(shù)據(jù)養(yǎng)育的智能,，其決策的核心是算法,，人工智能的發(fā)展與十八世紀(jì)工業(yè)革命通過(guò)機(jī)器生產(chǎn)代替手工勞動(dòng)從而釋放人類(lèi)的勞動(dòng)力類(lèi)似，數(shù)據(jù)智能將通過(guò)參與,、代替人類(lèi)決策的方式,，釋放人類(lèi)腦力。而機(jī)器學(xué)習(xí)就是提供人工智能決策的算法核心,。

機(jī)器學(xué)習(xí)算法的核心用途是挖掘事物運(yùn)行內(nèi)在邏輯和規(guī)律,，就是把數(shù)據(jù)作為接受外部信息形式，用數(shù)據(jù)還原外部事物的基本屬性和運(yùn)行狀態(tài),，用機(jī)器學(xué)習(xí)算法對(duì)其規(guī)律進(jìn)行挖掘,，還原客觀規(guī)律。再應(yīng)用規(guī)律輔助決策,。

機(jī)器學(xué)習(xí)可以使得人工智能在人類(lèi)基礎(chǔ)重復(fù)決策領(lǐng)域代替人類(lèi)參與決策,。

大數(shù)據(jù)分析&人工智能：技術(shù)內(nèi)容價(jià)值觀辨析

算法的核心方，是取法其上,，僅得為中,，數(shù)據(jù)分析核心價(jià)值要有技術(shù)核心價(jià)值這桿大旗；不管小數(shù)據(jù)還是大數(shù)據(jù),，都是重分析,。而伴隨著Python的星期，催生出了進(jìn)一步完善的基礎(chǔ)設(shè)施,，Python依然成為了標(biāo)準(zhǔn)的工具,。

而Python核心的技能就可以說(shuō)是利用眾多強(qiáng)大的算法庫(kù)進(jìn)行算法建模分析

大數(shù)據(jù)分析&人工智能：技術(shù)內(nèi)容價(jià)值觀辨析強(qiáng)人工智能、弱人工智能,，還是人工智障

數(shù)據(jù),、算法、計(jì)算能力這三架馬車(chē)所推動(dòng)的人工智能技術(shù)發(fā)展,，是否已經(jīng)遇到了瓶頸

2018年1月我國(guó)國(guó)家標(biāo)準(zhǔn)化管理委員會(huì)頒布的《人工智能標(biāo)準(zhǔn)化》對(duì)人工智能學(xué)科的基本思想和內(nèi)容作出了解釋,。認(rèn)為人工智能應(yīng)該是圍繞智能活動(dòng)而構(gòu)造的人工系統(tǒng)，是一項(xiàng)知識(shí)的工程,，是機(jī)器模仿人類(lèi)利用知識(shí)完成一定行為的過(guò)程,。

相對(duì)來(lái)說(shuō)我國(guó)的人工智能的起步還是較晚，人工智能的發(fā)展階段可以分為三個(gè)階段,，*階段是從20世紀(jì)50年代—80年代,，在這一階段人工智能剛誕生，但由于很多事物不能形式化表達(dá)，建立的模型存在一定的局限性,。第二階段是從20世紀(jì)80年代—90年代,，專(zhuān)家系統(tǒng)得到快速發(fā)展，數(shù)學(xué)模型有重大突破,，但由于專(zhuān)家系統(tǒng)在知識(shí)獲取等方面的不足,，人工智能的發(fā)展又一次進(jìn)入低谷期。第三階段是從21世紀(jì)初—至今,，隨著大數(shù)據(jù)的積聚,、理論算法的革新、計(jì)算能力的提升,，人工智能在很多應(yīng)用領(lǐng)域取得了突破性進(jìn)展,， 迎來(lái)了又一個(gè)繁榮時(shí)期。

大數(shù)據(jù)分析&人工智能：技術(shù)內(nèi)容價(jià)值觀辨析

根據(jù)人工智能的發(fā)展定義,，以及國(guó)家頒布的《人工智能》,，人工智能可以分為兩種，強(qiáng)人工智能和弱人工智能,。

弱人工智能是并不能真正實(shí)現(xiàn)推理和解決問(wèn)題的智能機(jī)器,，這些機(jī)器表面看像是智能的，但是并不真正擁有智能,，也不會(huì)有自主意識(shí),。但是這仍是目前的主流研究仍然集中于弱人工智能，并取得了顯著進(jìn)步,，如語(yǔ)音識(shí)別,、圖像處理和物體分割、機(jī)器翻譯等方面取得了重大突破,，甚至可以接近或超越人類(lèi)水平,。

強(qiáng)人工智能是真正能思維的智能機(jī)器，并且認(rèn)為這樣的機(jī)器是有知覺(jué)的和 自我意識(shí)的,，這類(lèi)機(jī)器可分為類(lèi)人與非類(lèi)人兩大類(lèi),。從一般意義來(lái)說(shuō)，達(dá)到人類(lèi)水平的,、能夠自適應(yīng)地應(yīng)對(duì)外界環(huán)境挑戰(zhàn)的,、 具有自我意識(shí)的人工智能稱(chēng)為“通用人工智能”、“強(qiáng)人工智能”或“類(lèi)人智能”

一般來(lái)說(shuō),，在我們認(rèn)為強(qiáng)人工智能的時(shí)代已經(jīng)來(lái)臨,，只是尚未流行起來(lái)，但這時(shí)候,，卻還有一些有意思的觀點(diǎn),，他們持反對(duì)的聲音,，認(rèn)為人工不智能或者說(shuō)是人工智障。

他們認(rèn)為當(dāng)我們?cè)陂_(kāi)車(chē)的時(shí)候,，大腦在飛速的處理各種信息：交通信號(hào),、標(biāo)志物、路面的井蓋,、積水,；看到馬路中央有一只狗在過(guò)馬路時(shí)，我們會(huì)踩剎車(chē),；看到中央有一只鳥(niǎo),，我們會(huì)判斷鳥(niǎo)會(huì)快速飛走,，不用減速,；如果是塑料袋，我們可以直接壓過(guò)去,；如果是大石頭,，我們就需要避讓。這些都是我們通過(guò)經(jīng)驗(yàn)的累積以及生活常識(shí)構(gòu)成的,。但是,，人工智能卻做不到這些。

目前人們所研究的人工智能是“狹義”人工智能,。“真正的”人工智能需要能夠理解食物之間的因果關(guān)系,，比如警方在路上設(shè)置的錐標(biāo)，哪怕是倒了,，或是被壓扁了,，也要能夠被識(shí)別出來(lái)。但目前的圖形識(shí)別能力,，哪怕是把障礙物換個(gè)角度,，計(jì)算機(jī)識(shí)別起來(lái)都會(huì)很困難。而“狹義”人工智能走的是機(jī)器學(xué)習(xí)路線,，換句話說(shuō),，計(jì)算機(jī)會(huì)把路上所有物體（包括夠、其他車(chē)輛,、標(biāo)志物,、行人、塑料袋,、石頭等）都簡(jiǎn)單的看做是障礙物,，同時(shí)計(jì)算和預(yù)測(cè)這些障礙物的移動(dòng)路線，判斷是否會(huì)和汽車(chē)的路線發(fā)生沖突,，然后執(zhí)行相應(yīng)的動(dòng)作,。

那么問(wèn)題來(lái)了……

當(dāng)計(jì)算機(jī)無(wú)法理解物體的時(shí)候，也就意味著不可能100%準(zhǔn)確預(yù)測(cè)物體的移動(dòng)軌跡。比如,，馬路中央的狗,。你很難預(yù)測(cè)它下一秒的位置，即使它目前正在向前狂奔,。如果馬路中央是一個(gè)孩子呢,？同時(shí)，讓計(jì)算機(jī)識(shí)別路邊的交通指示牌也是一件十分困難的事情,。當(dāng)指示牌有破損,、遮擋物等等，都會(huì)影響計(jì)算機(jī)的識(shí)別,。

所以,，目前的人工智能都屬于“狹義”的人工智能，它的核心是基于大數(shù)據(jù)進(jìn)行的學(xué)習(xí),。但在瞬息萬(wàn)變的現(xiàn)實(shí)世界里,，由于計(jì)算機(jī)無(wú)法真正理解事物的相互關(guān)系，因此并不能處理出現(xiàn)的意外情況,。

我們可以將無(wú)人駕駛分為五個(gè)級(jí)別：

輔助性自動(dòng)駕駛（如自動(dòng)剎車(chē),、保持車(chē)道、?？枯o助系統(tǒng)等）滿(mǎn)足一定條件下,，汽車(chē)可以自動(dòng)駕駛，但需要駕駛員進(jìn)行實(shí)時(shí)監(jiān)控（如特斯拉的自動(dòng)駕駛技術(shù)）滿(mǎn)足一定條件下,，汽車(chē)可以自動(dòng)駕駛,，駕駛員不需要實(shí)時(shí)監(jiān)控，但要隨時(shí)準(zhǔn)備好接管駕駛,。滿(mǎn)足一定條件下,，可實(shí)現(xiàn)無(wú)人看管的自動(dòng)駕駛。*實(shí)現(xiàn)無(wú)人看管的自動(dòng)駕駛,。

就目前來(lái)看,，我們距離第五個(gè)級(jí)別的無(wú)人駕駛的距離還有非常遙遠(yuǎn)的一條道路要走，當(dāng)然這條道路的未來(lái),，并沒(méi)有人會(huì)知道是什么樣子的,。

在我看來(lái)，隨著技術(shù)的發(fā)展,，人工智能這條道路并非是走不下去的,，只是這條道路比較困難，而且并不是說(shuō)在人工智能*達(dá)到強(qiáng)人工智能的時(shí)候才能造福人類(lèi),，目前人工智能已經(jīng)用于我們身邊的多個(gè)領(lǐng)域,，并且在不斷的幫助我們,，我們可以通過(guò)人工智能不斷的幫助我們完善人工智能，達(dá)成一個(gè)不斷的循環(huán),，只是需要很多對(duì)數(shù)據(jù)科學(xué)領(lǐng)域感興趣的人,，來(lái)不斷的完善它們。