“中国有多少数学家投入到人工智能的基础算法研究中？”
这是在上海举办的院士沙龙活动中，中国工程院院士徐匡迪对人工智能的发问，也被称为“徐匡迪之问”。中国核心算法缺失，对底层框架的忽视，从“硬件组装厂”到“软件组装厂”的蔓延，中国的人工智能发展，面临着前所未有的“卡脖子”窘境。
封锁芯片的背后？
我们知道，人工智能有三大元素：数据、算力、算法，AI的基础层主要提供计算力，而其中的芯片、传感器、云计算等中的芯片门槛很高，都是一些国际巨头如英特尔、Mobileye生产的，中国芯片主要依赖进口，这就极大牵制了中国人工智能的发展。
一但国外技术封锁，后果不堪设想。比如，去年的华为事件就印证了这一点。中国的人工智能基础层的技术薄弱，“缺芯少 ”的困境，都进一步说明了中国人工智能的窘迫。
核心算法的“囚徒困境”
算法是人工智能的“子弹”，是人工智能的引擎。美国在这方面占据着足够的优势，科技巨头的平台也很少进行开放。而国内人工智能基础及技术层企业中，基础算法及平台公司数量仅占4%。
我们知道，深度学习算法决定了未来AI的发展趋势，所以，也是初创公司的切入点，但由于技术封锁，国内公司使用的几乎都是开源算法。开源算法的好处就是便捷，人人可用。但是，用开源算法研发的AI应用，仅仅是“皇帝的新衣”，自欺欺人罢了。
用开源代码和自动化工具的算法，仅仅是依托国内强大的数据库，凭借着丰富的场景，实现的基本功能，技术都在国外大厂，核心竞争力明显不足。
底层框架的“护城河”
算法是核心，那么框架就是平台，目前，TensorFlow和PyTorch应用最为广泛，全球AI公司都视为其灵 工具包。这种无需要自己训练模型的框架，非常好用，这使得国内大部分公司都失去了研发的意识。
虽然，国内也有一些巨头公司已经意识到了这一问题，以BAT为首的大厂都已经开始推出自己的深度学习框架。但是在国外的开源框架面前，国内框架用户量少，贡献者少，比较封闭等问题，严重制约了国内深度学习框架的发展。
开源框架不可持续
仅仅靠开源框架是无法支撑国内人工智能发展的，这就是我们为什么要有自己的底层框架与核心算法的原因。
真正的人工智能绝不是借助网上共享的代码就能实现，必须要要脚踏实地，唯有掌握核心算法的研发能力，才能真正主导深度学习行业。
那么，作为我们在学习深度学习的时候，是否还在究竟是学哪个框架呢？是学PyTorch、还是学Tensorflow、再或者是学Keras呢？其实，对于这样的问题，基于现在的形势下，我们就不要把着眼点放在这些工具的使用上了，要知道它的原理。
为了让更多的人掌握AI知识，特推出《用纯Python从零创造一个属于自己的深度学习框架》，将用三天的时间让我们了解与学习深度学习框架。
开课时间：8月17~19日，晚19:30
现在只要0.99元
扫描下方
转载请注明：http://www.0431gb208.com/sjsbszl/258.html
