本文摘要：以下内容根据NVIDIA公司全球副总裁中国区总经理张天成在2016奇点创新者峰会上的演说整理而出。 2020-03-30 需要幸运地在这儿跟大家共享一下NVIDIA最近几年当中在人工智能、自动驾驶和虚拟现实三个领域当中的一些突破。但是我指出还是再行跟大家讲讲GPU的应用于。 我们大约在20年前发明者GPU，那个时候开始GPU的应用于只是非常简单地逗留在图形里面，转至2020-03-30 GPU的应用于早已十分普遍了。
以下内容根据NVIDIA公司全球副总裁中国区总经理张天成在2016奇点创新者峰会上的演说整理而出。 2020-03-30 需要幸运地在这儿跟大家共享一下NVIDIA最近几年当中在人工智能、自动驾驶和虚拟现实三个领域当中的一些突破。但是我指出还是再行跟大家讲讲GPU的应用于。 我们大约在20年前发明者GPU，那个时候开始GPU的应用于只是非常简单地逗留在图形里面，转至2020-03-30 GPU的应用于早已十分普遍了。
我们告诉，大约在过去的一年当中，GPU在三个领域当中的突破是十分慢的。其中第一大突破，就是游戏跟VR领域的突破。它把VR从一个古老的技术前进到需要沦为消费者产品。
还有就是人工智能，让GPU应用于充分发挥的更慢。在极客公园当中有很多大部分的应用于都是基于人工智能的计算出来方面去发展一起的。
第三个领域，也是2020-03-30 很多汽车公司都想要转型的一个地方，就是把汽车变为「自动驾驶」或「无人驾驶」。 AI：将准确率提升至90%以上 首先我们来讲讲AI。虽然过去很多人研究人工智能，但是我们才在这几年步入一系列突破。
AlphaGo之前，很多算法没办法去构建。他们如果说搭起神经元网络去计算出来的话，大部分的层次不能在几十层左右。
2020-03-30 可以做到几百层，甚至有的人可以做一千多层。只不过有绝大部分的运用是在整个计算出来里的发展过程当中逐步产生计算能力给我们大家带给益处的。在人工智能当中，如果我们看传统的研究方法跟新的研究算法究竟有什么不一样？ 传统的图形图象识别大部分的人是靠自己的经验搭起模型。如果你的经验就越非常丰富，专家设计的越准确效果就越少。
这跟科研人员的能力本身是密切相关的，大部分公司有可能由于IP的原因，某些研究成果也不需要共享给别人，所以造成图形图象识别过程当中的变革较为较慢。这几年，经验辨识的准确率也无法提高。 从图中我们也看见传统「模式识别」的方法去搭起图形图象识别。它的准确率大部分在70%-75%之间，很难突破。
并且随着计算出来模型的简单，复杂程度更加低，这些准确度并没任何的提高。直到用新的研究方法DeepLearning之后，让图形图象的识别率从70%的一下子到90%多，甚至于打破了人眼的辨识准确度了。如果你看一些很多的参赛公司，他们的科研成果，完全每一家公司都需要超过类似于的水平，只要你的计算能力和时间充足多，就可以训练它的模型，超过很高的准确度。 DeepLearning的基础在于这几年当中有几个最重要的发展： 1.大数据。
由于互联网的运用，大数据的收集准确度更加低。这些大数据的覆盖面完全是十分普遍的，如果2020-03-30 你要去看所有的这些互联网系统当中，完全它的Data覆盖面积到全部的人群、全部的国家和地区。所以这个BigData搜集了所有精确有价值的，这些是构建人工智能网络的关键。
2.计算力。 没强劲的计算出来基础，这些数据有可能要花上几十年计算出来，并且没办法在实际当中去递归的让这个算法不时的优化。而这些用传统的方法完全很难做，就算是你每一个人都搭起一个世界上最慢的计算机，也很难符合世界上那么多公司的数据必须。
而英伟达把我们在GPU的当中把它发展到深度自学的专业计算机。我们在今年的春天，公布了DGX-1，这就是用8个GPU放到一个服务器里面。而这台服务器，我们用新的数据总线方式，把8个GPU的计算力融合在一起。
如果2020-03-30 用大家常用的X86服务器做到比喻的话，这台机器的计算能力相等于200台的计算能力。这样的一个体积较为小、功耗较为较低的产品就合适很多人工智能领域当中做到研发的必须。有了这样的计算能力，我坚信很多的企业就可以有能力自己去搭起自己的BigData的训练了。
本文关键词：GPU,在,、,自动,驾驶,365平台app下载,和,三大,领域,的,应用
本文来源：365平台app下载-www.zhaoxun.cc
