人工智能范疇及深度學習主流框架，谷歌 TensorFlow，IBM Watson認知計算領域IntelligentBehavior介紹
======================================
大家現在對人工智能的期望太高了，2017是人工智能投資資本熱的一年，但實際突破還是有限，估計過幾年又會死掉一大批人工智能的創業公司，大家變得回歸理性，調整到正常的認知水平上。
這種革命性技術不可能有資本追求快速暴利那么快見效的，幾年內都很難有重大突破. 2020年再來看估計能有理性后的下一輪突破性應用出來。
======================================
工業機器人，家用機器人這些只是人工智能的一個細分應用而已。
圖像識別，語音識別，推薦算法，NLP自然語言，廣告算法，預測算法，數據挖掘，無人駕駛、醫療咨詢機器人、聊天機器人，這些都屬於人工智能的范疇。
人工智能現在用到的基礎算法是深度學習里面的神經網絡算法，具體應用場景有不同的專業算法
實際上很多細分領域的，差別還是很多的
機器人的對運動控制算法，圖像識別算法要求比較高
像alphaGo，推薦算法，語音識別這些就主要靠深度學習算法和大數據訓練了
深度學習的開源框架現在主流的有：caffeonspark（微軟）, tensorflow（google），Theano，dl4j, Torch，Keras
caffeonspark用在視覺圖片識別上比較好，dl4j用在NLP上做類似問答搜索的比較多，tensorflow用在學習新的算法上比較好
====================================
谷歌 TensorFlow 1.0 發布，更快、更靈活、更方便開發
北京時間2017年2月16日凌晨2點，Google 於在加利福尼亞州山景城舉行了首屆 TensorFlow Dev 峰會。在會上 Google 宣布正式發布 TensorFlow 1.0 版本，保證了 Google 的機器學習庫的API穩定性。
主要亮點如下：
更快：TensorFlow 1.0 現在簡直快到難以置信！ XLA為未來更多的性能改進奠定了基礎，而現在 tensorflow.org 調整了模型以實現最大速度。很快我們將發布幾個流行模型，以展示如何充分利用TensorFlow 1.0 - 包括針對Inception v3的8位 GPU的7.3x加速和針對64位 GPU的分布式Inception v3的58x加速！
更靈活：TensorFlow 1.0引入了一個高級API，包含tf.layers，tf.metrics和tf.losses模塊。同時還宣布增加了一個新的tf.keras模塊，它與另一個流行的高級神經網絡庫Keras完全兼容。
更便於開發：TensorFlow 1.0 保證了 Python API穩定性（查看細節），可以不破壞現有的代碼便能獲取新功能。
現在支持window下的開發使用了。
====================================
IBM Watson - 最新問答 - 知乎
https://www.zhihu.com/topic/19560027/newest
關於IBM的Watson你必須要了解的幾點|人工智能|ibm|watson
http://tech.sina.com.cn/it/2016-03-03/doc-ifxqafha0300264.shtml
代表着IBM在認知計算領域最核心的技術Watson（沃森）的一戰成名，是在2011年2月的美國問答節目《Jeopardy！》上。
在這次節目中，Watson戰勝了這一節目的兩位冠軍選手，這被和1996年同樣來自IBM的“深藍”戰勝國際象棋大師卡斯帕羅夫相提並論，被認為是人工智能歷史上的一個里程碑。
IBM將認知系統的三項重要特質定義為理解、推理、學習。
盡管IBM提出Watson和認知計算多年，但在科技領域對於認知計算和人工智能兩者的關系依然很模糊。
來自IBM的觀點是，“火了”二十多年的人工智能概念從歷史和研究角度來講主要目的是為了讓機器表現得更像人，我們稱之為IntelligentBehavior。
IBM也承認其認知計算從技術角度上來講和AI有很多共性的地方，比如機器學習（MachineLearning）、深度學習（DeepLearning）等方面都很類似。
現在，企業正面臨着大數據帶來巨大的挑戰。傳統計算方式會錯過世界上80%的信息（非結構化數據），而認知技術能夠支持組織去發現數據中隱藏的模式，挖掘出令人驚喜的新的商機，也能夠加速發現新葯、發現新的登月方式，甚至發現未知領域。
作為全球首個認知系統，Watson是IBM認知計算系統的傑出代表。Watson具備用用自然語言進行深度問答、關系抽取、性格分析、清晰分析，權衡分析等28項能力，而且這些能力也都被轉成了數字服務或API；到2016年底，Watson API的數量將達到50項。
圍繞IBM Watson這個基於雲計算和開放標准的平台，一個認知生態系統正在被構建和分項給每一個人，目前：
有36個國家、17個行業的企業都在使用認知技術
超過7.7萬名開發者已參與到Watson Developer Cloud平台來引導、測試和部署他們的商業構想
超過350個生態系統合作伙伴及既有企業內部的創新團隊，正在構建基於認知技術的應用、產品和服務，其中100家企業已將產品推向市場
Watson API的月調用量高達13億次，並仍在增長
IBM Watson能夠幫助企業將大數據分析、人工智能、認知體驗、認知知識和計算機基礎架構等認知技術融入數字應用、產品與運營。
數據分析的增長是一項關鍵業務功能，需要借助新的工作和技能來滿足需求。Watson扮演的角色是增強人們開展工作的能力，而並非取代。例如，位於墨西哥和新加坡的銀行利用Watson增強員工的理財知識，為其提供以往無法承受的新服務。總之，隨着科技的進步，某些工作可以被取代，但利用Watson真正的目的是補充人們的知識和技能，使其更加明智、更好地開展工作。
現在來看，Watson當時的獲勝的確是邁出的重要一步，但顯然比較過去，現在所處的位置和發展步伐更加可圈可點，畢竟Watson的實際行業應用正在越來越多，從醫療到零售，再到制造、金融。
從人工智能和認知計算對比的角度，現如今Watson在認知計算領域的成長已經超出人工智能的范疇。雖然認知計算包括人工智能的一些要素，但前者是一個更寬泛的概念。認知計算不是制造“為人們思考”的機器，而是與“增加人類智慧”有關，能夠幫助人們更好地思考和做出更為全面的決定。
人工智能的概念已經有二十多年了，人工智能從歷史和研究角度來講主要目的是為了讓機器表現得“更像人”，我們稱之為Intelligent Behavior，它只是認知計算的一個維度。
IBM的認知計算從技術角度上來講和人工智能是有很多共性的地方，比如機器學習(Machine Learning)、深度學習(Deep Learning)等方面都很類似。
但是，認知計算目的並不是為了取代人，認知計算的時候除了要能夠表現人和計算機的交互更加自然流暢之外，還會更多強調推理和學習，以及如何把這樣的能力結合具體的商業應用、解決商業的問題。
分析股票保險,幫助人類作出最佳決定
回到更多人關心的金融服務類別。在剛過去的IBM Executive Summit 2016上，IBM展出了多款基於認知運算的商業方案。例如保險業可分析保單和保費,Watson除可檢查各種理賠申請的可信性和應賠金額外,也可按申索次數和金額而自動計算續保時的保費,甚至利用物聯網技術掌握投保人的生活和飲食習慣,為客戶訂制更適合的保險計划。
又例如股票分析往往看股民情緒,並非只看企業的業績。IBM Watson就可透過自然語言分析,收集該公司在網絡上被報導和討論的活躍程度,甚至能分析內文是屬於正面的還是負面的,從而掌握股民情緒,協助持股的基金或企業及早作出部署。雖然現場指並未做到直接按分析結果自動買賣,但用作個人理財智能助理卻絕對有其價值。
==========================================
Q：人工智能深度學習工作好找嗎？
A:現在職位很少不好找的，要求都非常高，一般要碩士畢業以上，博士以上的，要看得懂英文論文，對數學算法也有要求。
目前找這方面的工作門檻很高，自己根據興趣做些小應用可能還輕松點，但人工智能是未來的大趨勢，提前學習了解是有好處的。
=============================
GPU 執行某些任務時的運算速度遠快於 CPU，Google 雲端平台官方博客宣布將從 2017 年初開始提供新的雲端 GPU 服務。
Google 稱，復雜醫學分析、金融計算、地震/地下探測、機器學習、視頻渲染、轉碼和科學模擬等將受益於 GPU 提供的高並行計算能力。
Google 雲端提供的 GPU 包括了 AMD FirePro S9300 x2、NVIDIA Tesla P100 和 K80 GPU。
雲端 GPU 將基於分鍾收費。Google 舉例稱，創業公司 MapD 的測試結果顯示，對 12 億紐約出租車數據集執行標准的分析查詢，GPU 實例的速度 85 倍於 CPU 實例。