AI工具于2016年从实验室中出来

你应该是“t人思考计算机：他们不喜欢它。

那个笑话至少与深蓝色的胜利一样古老，1997年的胜利当时的世界国际象棋冠军加里·卡斯帕罗夫，但即使在那个时候在人工智能领域制作的巨大进步，我们仍然不太近不得不担心关于计算机“感受。

计算机可以分析我们在社交媒体中表达的情绪，并面对机器人的项目表达，让我们相信他们感到高兴或生气，但没有人认真相信，但他们“有”感情，他们可以体验他们。

另一方面，AI的其他地区在过去12个月内在硬件和软件中看到了一些令人印象深刻的进步。

深蓝色是一个世界一流的国际象棋对手 - 也是一个在它赢得的时候没有幸运的人，如果迷失了，或者在困境中休息。

然而，直到今年，电脑在另一场棋盘游戏中没有匹配人类。这一切都在3月份改变了alphago，由谷歌子公司Deepmind开发，击败Lee Sedol，那么世界上最强大的去参加者，4-1在五场比赛中。

alphano的秘密武器是一种称为强化学习的技术，其中一项课程为自己带来哪些行动使其更接近其目标，并加强这些行为，而无需由一个步骤正确地教授的人员。这意味着它可以反复对自身反对并逐步了解哪些策略更好。

强化学习技术已经存在了几十年，但才唯一的是，计算机已经有足够的处理能力（轮流测试每个可能的路径）和记忆（要记住哪些步骤导致目标）播放高 - 按照竞争速度的级别游戏。

更好的表演硬件也在其他方面移动了AI。

5月，谷歌揭示了其TPU（张量处理单元），是其Tensorflow深度学习算法的硬件加速器。ASIC（特定于应用程序集成电路）可以更快地执行机器学习中使用的计算类型，而不是使用较少的功率，而不是甚至GPU，谷歌已经在先前为硬盘驱动器保留的插槽中安装了数千个。

事实证明，TPU是如此迅速制作了alphago的东西之一，但谷歌还使用芯片在街道视图中加速映射和导航功能，并通过名为Rankbrain的新AI工具来改进搜索结果。

谷歌现在将其TPU保持在目前，但其他人正在为AI应用程序释放硬件。例如，微软已经配备了一些具有FPGA（现场可编程门阵列）的Azure服务器，以加速某些机器学习功能，而IBM正在针对类似的应用程序，其中一系列使用自定义硬件将其电源CPU链接的PowerAI服务器nvidia gpus。

对于想要部署尖端AI技术的企业而不从划伤本身，可以轻松访问高性能硬件是一个开始，但不够。云运算符识别出来，也是作为服务的AI软件。亚马逊Web服务和Microsoft“S Azure都有两个增加的机器学习API，而IBM正在向其Watson AI围绕云访问的业务。

这些硬件和软件工具的事实是基于云的将在其他方面帮助AI系统。

能够存储和处理巨大的数据仅适用于可以访问大量数据的AI，从中学习 - 例如由云服务收集和由云服务传递的数据，无论是关于天气的信息，邮购交付，乘坐或人民请求“推文。

根据斯坦福大学在接下来的大学研究在AI的年份。

在有计算机时观看我们所做的一切，在线和关闭，以便学习如何与我们合作可能似乎令人毛骨悚然，它真的只在我们的脑海中。电脑不感觉到任何东西。然而。