互聯網的發展，尤其是從90年代後期開始的發展，是數據生成的關鍵因素。過去10年間，隨著社交網絡的興起，數據的成長更是以驚人的速度發生著，并將隨著物聯網在社會的不斷擴張繼續飛躍。預計到2020年，全球聯網設備數量將達到約500億。
網絡的起飛帶來的是我們目之所及範圍內所有領域的數字化這一全球現象。根據美國國際數據公司的報告，預計到2020年全球數據總量將達到44個ZB，我們只能通過傳輸速度的極大改善才能駕馭如此驚人的數字。第四代移動通訊技術的普及和隨之而來的第五代移動通訊技術的發展將在其中扮演至關重要的角色。如果缺乏保障數據傳遞的必要能力和速度，那麼未來將上述44個ZB的數據傳遞到對其進行分析的設備上就會十分艱難。
計算能力是支柱
另一大助推人工智能實現飛躍的支柱就是計算能力。計算機這一能力提高的步伐從未停歇。1965年英特爾聯合創始人戈登·摩爾提出以自己名字命名的“摩爾定律”，意指集成電路上可容納的元器件的數量每隔18至24個月就會增加一倍，性能也將提升一倍。時至今日，這一定律的有效性已經遠遠超過了摩爾當時預測的20年，持續了超過半個世紀，但很有可能這種計算能力的增長對於吸收和處理當前生成的數據來說已經不够用，更不用說未來幾年海量增加的數據。
雲計算、全球超級計算機網絡和圖形處理器共同推動了人工智能時代的來臨。根據專門搜集世界超級計算機前500強信息和統計數據的網站TOP500．com發布的數據，僅2010年至2015年期間世界超級計算機前500強的計算能力就提升了100倍。各種先進又複雜的指令和規則的集成使得深度知識正在推動人工智能在一些領域達到與人類相同的水平，例如圖像測試、聲音辨識和閱讀理解等。
盡管人工智能在我們眼中已經是一個非常成熟的概念，但在現實中該領域幾乎所有發展都是在近20年實現的，而在我們目前身處的時代，它更是在以驚人的速度成長。我們將習慣於智能汽車、手機、洗衣機等產品頻繁的更新換代，同時將伴隨著的是“機器學習”、“深度學習”等詞匯的不斷出現。人工智能時代的確已經到來了。
（參考消息網） |
