人工智能三大核心驱动力：算法、数据和计算
人工智能发展至今，其核心驱动力是什么？格灵深瞳、英特尔联手给出了答案：算法、数据和计算是人工智能时代前进的三大马车，也是其核心驱动力和生产力。作为人工智能物联网代表性企业，格灵深瞳在持续性优化、突破全目标结构化算法的同时，也逐渐实现全目标结构化算法在公安、交通、零售、银行等领域的落地应用，爆炸式增长的海量“数据”及计算能力成为格灵深瞳新的挑战。如何实现高性能计算和人工智能算法、数据的融合？格灵深瞳与英特尔强强联合，在近期的人工智能创新论坛上共同发布了联合解决方案：灵犀全目标特征搜索引擎。
算法、数据和计算，共同构建AI时代核心生产力
此次英特尔与格灵深瞳共同推出的“灵犀全目标特征搜索引擎”，基于格灵深瞳的全目标结构化算法（人脸、人体、车辆、非机动车），采用了英特尔®傲腾™数据中心级持久内存这一突破性技术，结合新一代的第二代英特尔®至强®可扩展处理器，可帮助格灵深瞳从数据中提取更多可执行的深度洞察，最大程度的释放格灵深瞳全目标结构化算法的实力，从算法、数据和计算三大驱动力，全方位共同构建AI时代的核心生产力。
据悉，该联合解决方案可为用户提供单机特征库30亿规模的全目标特征聚类、搜索、筛选等，包括人脸、人体、车辆、非机动车等，最大可扩展至1000亿特征库规模，可广泛应用于公安、交通、园区等公共安全领域。举个例子，某小区发生盗窃案，按照传统方式民警需要耗费大量的时间和精力调取、排查监控，寻找可疑人员、追踪其行动路线等，而基于格灵深瞳的全目标特征搜索引擎，只需将“目标”关键词：黑色上衣、墨镜、摩托车等在搜索引擎里进行输入，即可自动筛选出符合条件的人员，并通过人脸比对确认嫌疑人活动轨迹。
强强联合，四大特色功能助力数据智能
英特尔®傲腾™数据中心级持久内存是一项创新的内存技术，可提供经济实惠的大容量和数据持久性支持这个独一无二的组合。格灵深瞳强大的算法与英特尔特色算力强强联合，最大程度释放了灵犀全目标特征搜索引擎的四大特色：超大容量、超高性能、超高精度、安全可靠。
超大容量：单机特征库规模支持30亿，通过集群拓展可实现最大支持1000亿特征库规模；
超高性能：采用第二代英特尔®至强®可扩展处理器，亿级数据比对相应时间达到毫秒级；
超高精度：亿级人脸库规模，比对结果Top10精度大于99%；
安全可靠：采用英特尔傲腾数据中心级持久化内存，即使系统断电数据也不流失。
据悉，格灵深瞳全目标特征搜索引擎单台设备可同时实现人脸、人体、机动车、非机动车等全目标的特征聚类、识别和快速检索；尤其人脸数据可完成实时聚类，自动按时间、空间关系进行聚类，形成以聚类ID为代表的个人档案，可广泛应用于智慧安防、智慧商业、智慧金融等领域，为用户构建广泛、高效、易用、可信赖的数据智能。
英特尔&格灵深瞳 加速高性能计算和人工智能的融合
人工智能时代，衣、食、住、行将演化为物联网世界的每个数据，每一次的数据生成、存储及处理都代表一次数据检索要求，英特尔将赋予格灵深瞳更强大的计算能力，格灵深瞳的算法和数据也将赋予人工智能更广泛的应用空间。未来，英特尔、格灵深瞳将继续携手前行，加速高性能计算和人工智能的融合，为用户提供更加优质的AI解决方案。
新浪声明：新浪网登载此文出于传递更多信息之目的，并不意味着赞同其观点或证实其描述。人工智能的三大学派:符号主义、连接主义、行为主义
原标题：人工智能的三大学派:符号主义、连接主义、行为主义目前人工智能的主要学派有下列三家：
(1)符号主义(symbolicism)，又称为逻辑主义、心理学派或计算机学派，其原理主要为物理符号系统(即符号操作系统)假设和有限合理性原理。
(2)连接主义(connectionism)，又称为仿生学派或生理学派，其主要原理为神经网络及神经网络间的连接机制与学习算法。
(3)行为主义(actionism)，又称为进化主义或控制论学派，其原理为控制论及感知-动作型控制系统。
1.符号主义
认为人工智能源于数理逻辑。数理逻辑从19世纪末起得以迅速发展，到20世纪30年代开始用于描述智能行为。计算机出现后，又在计算机上实现了逻辑演绎系统。其有代表性的成果为启发式程序LT逻辑理论家，它证明了38条数学定理，表明了可以应用计算机研究人的思维过程，模拟人类智能活动。正是这些符号主义者，早在1956年首先采用“人工智能”这个术语。后来又发展了启发式算法>专家系统>知识工程理论与技术，并在20世纪80年代取得很大发展。符号主义曾长期一枝独秀，为人工智能的发展作出重要贡献，尤其是专家系统的成功开发与应用，为人工智能走向工程应用和实现理论联系实际具有特别重要的意义。在人工智能的其他学派出现之后，符号主义仍然是人工智能的主流派别。这个学派的代表人物有纽厄尔(Newell)、西蒙(Simon)和尼尔逊(Nilsson)等。
2.连接主义
认为人工智能源于仿生学，特别是对人脑模型的研究。它的代表性成果是1943年由生理学家麦卡洛克(McCulloch)和数理逻辑学家皮茨(Pitts)创立的脑模型，即MP模型，开创了用电子装置模仿人脑结构和功能的新途径。它从神经元开始进而研究神经网络模型和脑模型，开辟了人工智能的又一发展道路。20世纪60~70年代，连接主义，尤其是对以感知机(perceptron)为代表的脑模型的研究出现过热潮，由于受到当时的理论模型、生物原型和技术条件的限制，脑模型研究在20世纪70年代后期至80年代初期落入低潮。直到Hopfield教授在1982年和1984年发表两篇重要论文，提出用硬件模拟神经网络以后，连接主义才又重新抬头。1986年，鲁梅尔哈特(Rumelhart)等人提出多层网络中的反向传播(BP)算法。此后，连接主义势头大振，从模型到算法，从理论分析到工程实现，伟神经网络计算机走向市场打下基础。现在，对人工神经网络(ANN)的研究热情仍然较高，但研究成果没有像预想的那样好。
3.行为主义
认为人工智能源于控制论。控制论思想早在20世纪40~50年代就成为时代思潮的重要部分，影响了早期的人工智能工作者。维纳(Wiener)和麦克洛克(McCulloch)等人提出的控制论和自组织系统以及钱学森等人提出的工程控制论和生物控制论，影响了许多领域。控制论把神经系统的工作原理与信息理论、控制理论、逻辑以及计算机联系起来。早期的研究工作重点是模拟人在控制过程中的智能行为和作用，如对自寻优、自适应、自镇定、自组织和自学习等控制论系统的研究，并进行“控制论动物”的研制。到20世纪60~70年代，上述这些控制论系统的研究取得一定进展，播下智能控制和智能机器人的种子，并在20世纪80年代诞生了智能控制和智能机器人系统。行为主义是20世纪末才以人工智能新学派的面孔出现的，引起许多人的兴趣。这一学派的代表作者首推布鲁克斯(Brooks)的六足行走机器人，它被看作是新一代的“控制论动物”，是一个基于感知-动作模式模拟昆虫行为的控制系统。返回搜狐，查看更多
责任编辑：