人工智能的运作支撑体系48课件.pptxVIP

人工智能的运作支撑体系

1.人工智能的运作支撑我们将重点了解云计算平台如何提供弹性计算资源，物联网技术如何实现数据采集与传输，大数据技术如何完成海量数据的存储与分析，以及AI芯片如何为深度学习提供专用计算加速通过学习机器学习和深度学习，我们已经掌握了人工智能的核心算法原理，了解了模型如何从数据中学习并做出智能决策。然而，要让这些算法真正发挥作用，还需要强大的基础设施作为支撑这些技术共同构成了人工智能从理论走向实际应用的坚实基座

2.云计算平台我们在电脑或手机上使用的LLM或语音识别等AI服务，都是在云平台上实现的。这些看似简单的AI应用背后，其实需要庞大的计算资源支持，而云计算平台正是提供这些资源的关键基础设施不仅AI系统的运作需要云平台，AI模型训练同样需要云平台。云计算平台通过互联网将分布在世界各地的服务器连接起来，形成一个共享的资源池阿里云、腾讯云、AWS等都提供了专门的AI开发平台，开发者可以直接在上面进行模型训练。云平台还提供模型部署服务，训练好的AI模型可以一键发布为在线服务，供终端用户使用

3.物联网物联网就像人工智能的感官系统，通过传感器和设备实时采集数据。智能音箱能够听懂我们的指令，首先需要麦克风阵列实时采集声音数据；自动驾驶汽车能识别道路情况，也是依赖车载摄像头、雷达等物联网设备持续收集环境信息物联网的核心在于万物互联，它将各种终端设备连接成网，这些设备可能分布在工厂车间、城市街道、农田牧场、医院等各个角落，持续产生海量的实时数据这些数据会被传输到云端或边缘计算节点，供AI系统进行分析和决策。例如，机床上的振动传感器实时监测设备运行，能提前预测设备故障，避免生产线停工

4.大数据技术大数据就像AI的记忆库和知识库，为机器学习算法提供海量的训练素材。要让语音助手听懂不同口音的普通话，需要收集成千上万小时的语音数据进行训练。这些海量数据的采集、存储、处理和分析，正是大数据技术的用武之地大数据技术还承担着数据预处理的重要任务。原始数据往往存在缺失值、噪声等问题，需要通过数据清洗、特征工程等方法进行加工。比如在金融风控场景中，需要将用户的交易记录、信用记录等多源数据进行关联和转换，提取出有用的特征大数据技术正在与AI技术深度融合，形成更强大的智能分析能力。例如，基于大数据的用户画像可以帮助推荐系统更精准地预测用户偏好；时序数据分析可以帮助预测模型更准确地判断设备故障时间

5.人工智能算力支撑人工智能系统的运作依赖于强大的计算能力支持。就像汽车需要发动机提供动力一样，AI模型需要算力来驱动计算过程。在处理图像识别、自然语言理解等任务时，就需要专门的硬件加速器来提升计算效率目前主流的AI算力支撑主要来自三类硬件：图形处理器（GPU）、张量处理器（TPU）和现场可编程门阵列（FPGA）训练一个大型语言模型可能需要消耗相当于数百上千台高性能服务器连续计算数周的资源

感谢观看