為什么人工智能的研究都是基于算法，而不是基于“硬件”？

現在，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、卷積神經網絡等有了解，那你應該知道每次NVIDIA發布新卡都會有麗臺的卡，價格比游戲顯卡昂貴，從麗臺 p100到p4000到現在的麗臺GV100。每一次更新其計算能力都發生了飛躍。

那么問題來了，為啥研究人工智能就研究算法而不做硬件？其實這兩方面都有人做，各司其職，做算法的人研究如何運用卷積神經網絡進行識別，面對爆炸的信息量如何最大化榨取處理器的計算能力。而做硬件的行業操心如何能讓其核心擁有更強大的計算單元，更低的功耗。

現在，人工智能面臨的問題不是快和慢，而是有些事情做不到。

根據現有的計算理論：即使把神經元近似的實現為一些計算芯片，即使用CMOS的方式搭出一個神經網絡，它的計算能力和用軟件寫出來的卷積神經網絡并沒有本質的區別。

目前人工智能發展的困難不在于是否用硬件實現，而在于算法。

舉個不恰當的例子，要想讓馬兒跑，得先讓馬兒走起來再說，現在馬兒連站都站不起來，談何馬兒跑。

關于詳細的如何選擇，選擇哪方面的研究，以及國內外領先的的課題組和相應的研究，我想，這個論文調研需要自己動手做才更深刻。我的導師常跟我說：“授人以魚不如授人以漁”。希望你能學到點什么。

最后，記得關注微信公眾號：鎂客網（im2maker），更多干貨在等你！