計算機的未來論文

　　隨著社會的發展,計算機已經逐漸融入到社會生產和生活中,計算機不但使人們的生產和生活方式發生改變,也為許多領域的未來發展奠定了基礎。下面是小編為大家整理的，供大家參考。

　　範文一：淺談計算機論文對於未來的一個影響程度

　　摘　要：在現在這個科技化的一個年代，計算機的一個使用頻率是很高的，甚至計算機的一個普及已經是無可代替了，無論是在我們的生活中還是在我們的工作中，都是如此。 深度學習是為了讓人們更好地相信我們能做到用神經網路模擬人腦。深度學習演算法未來能衝擊世界，目前

　　關鍵詞：電腦保安論文發表,計算機資訊保安論文投稿,關於計算機網路的論文代發

　　在現在這個科技化的一個年代，計算機的一個使用頻率是很高的，甚至計算機的一個普及已經是無可代替了，無論是在我們的生活中還是在我們的工作中，都是如此。

　　深度學習是為了讓人們更好地相信我們能做到用神經網路模擬人腦。深度學習演算法未來能衝擊世界，目前對我們所能進行的測量來說，資料提供得越多，得到的結果就越好。在大資料環境下，新的人工智慧演算法較之前變得越來越好。

　　The BIG Talk在2015開年第一期首次走進美國，以《迎接嶄新智慧社會》為主題，邀請了100多位來自國內最具影響力的主流媒體，科技垂直媒體及自媒體知名人士前往舊金山和矽谷，邀請十幾名世界級科技大咖，為科技界奉上一場關於智慧社會技術的前瞻知識盛宴。

　　以下為百度首席科學家Andrew Ng***吳恩達***在矽谷The BIG Talk專場活動中的主題演講：

　　主持人Jason Pontin開場：

　　大家好，歡迎來到BIG TALK – 未來就在這裡。我是Jason Pontin ，MIT技術評論的主編。

　　這次的BIG TALK是第一次在矽谷主辦，也是第一次在中國大陸以外的地區主辦。首先歡迎遠道而來的中國媒體朋友，歡迎你們來矽谷做客。本次論壇的主辦媒體是百度，這是一家在美國廣為人知的企業，被譽為中國的谷歌。去年中，百度宣佈將以三億美元在矽谷建造一個研發中心，並且聘用電腦科學領域的專家Andrew Ng，斯坦福大學教授，“深度學習”領域的先驅。深度學習是人工智慧的一種形式，一種模擬人腦學習的軟體。它在人工智慧領域掀起了一場革命，通過非常強大的模式識別形式，結束了人工智慧長達十年未能有突破性進展的局面。

　　接下來的五小時時間，我們將為大家展示在深度學習中，大資料分析是如何應用到從機器人技術教育到金融及運輸等各個行業。它是我們生活的這個時代中電腦科學專業領域的重大突破。下面有請我們的重量級人物Andrew來為我們詳細闡述深度學習的原理以及其重要作用。

　　Andrew Ng：

　　非常高興大家可以在矽谷相聚。過去幾年裡，有一種人工智慧開始飛速發展，對矽谷產生了重大影響。正如Jason所講，今天你會了解到人工智慧如何衝擊並改變醫療保險、教育及其他領域。當然，大家也會認識到這裡面也有一點炒作的成分。

　　今天我想和大家分享兩件事情。第一點，到底什麼是深度學習，在深度學習領域裡到底發生了什麼?在接下來的二十分鐘裡，希望可以讓大家知道這樣是什麼樣的技術。第二點，請在座各位各行各業的佼佼者們在策略上思考，你們的公司、學校或企業應該還是不應該應用這種深度學習的技術。

　　多年以來，我們一直有這樣的想法，就是在人工智慧的虛擬圈裡做一個很好的產品，吸引眾多使用者使用，併為我們提供很多資料，使這個人工智慧產品變得越來越好，而這樣又能讓你得到越來越多的使用者，如此產生人工智慧的良性迴圈。但是這種想法並沒有得到實現，因為這個迴圈裡缺失的最大一環恰恰是人工智慧。我們來看一下早期的人工智慧演算法，即使有很多的資料支援，其表現也並未提升。拋掉炒作的成分，為什麼深度學習演算法能衝擊世界，我認為一個非常根本的原因就是對目前我們所能進行的測量來說，資料提供得越多，得到的結果就越好。所以在大資料環境下，新的人工智慧演算法較之前變得越來越好。這也是我們第一次可以在這個虛擬圈裡完成整個迴圈。

　　網路中的很多溝通交流都是通過文字進行。十年前，網頁就是一堆文字。如今在百度，我們看到，溝通已經越來越多地變成了影象和語音，特別是在移動網際網路領域。百度公司成立已有十五年了，在這個方面的改進也持續了十五年，所以我想借此機會跟大家分享人工智慧如何實現在影象和語音交流的方面。人工智慧幫助我們理解網際網路上的溝通，為我們在世界各地提供更好的服務和更多的資訊。

　　首先我們來談談如何利用人工智慧進行影象交流。

　　七年前，在斯坦福，我讓我的學生們寫程式識別咖啡杯的影象。他們用了當時最好的演算法，而這就是他們得到的結果——他們發現到處都是咖啡杯。那為什麼識別咖啡杯這麼困難?影象放大以後來仔細分析，在這些紅色的方塊下，我們看到了一個咖啡杯，電腦也看到了。但電腦的問題是，只能單純根據色素的亮度值、強度等資料定義咖啡杯。所以這是長久以來在電腦影象方面不足的地方，但是在過去幾年我們已經認識到一種叫做神經網路的技術能夠幫助電腦識別和傳送影象。神經網路技術深受人腦工作模式的激發，通過大量神經元訊號來互相傳遞腦電資訊。神經網路模擬人腦，而演算法使其更加智慧，能夠識別單個物體。

　　有一種對深度學習的熱炒說法是神經網路模擬人腦很容易實現並應用。這個有點誇張了，只是為了讓人們更好地相信我們能做到用神經網路模擬人腦。但神經學家們知道，我們目前還無法瞭解人腦的工作模式。我一個伯克利大學的朋友開玩笑說，神經網路有點像大腦的卡通畫。我覺得他說得很對。深度學習就是一種神經網路，我們這些探索深度學習領域的人強烈意識到，我們所建立的智慧平臺是一種超級簡單化了的卡通大腦，其更復雜的一面我們目前還無法瞭解。不過我們開發的軟體程式可以使我們識別物體，比如我們給咖啡杯照一張相，把大量資料和影象傳輸給神經網路，它就能識別咖啡杯。這只是簡單識別物體，現在我們已經能很輕鬆地做到這一點了，但是計算機視覺比這個要複雜得多。比如我們看這幅影象，這就不是看一個咖啡杯那麼簡單了。如果讓你對這幅圖進行描述，你可以寫黃色大巴開在路上，右邊的圖描述的是一間灑滿陽光的起居室。你能夠準確寫下影象的註解，源自你對這個影象的深度理解。那可不可以讓電腦像我們這樣理解圖片呢?如果要讓你用中文來註解這張圖片，同樣，你就看這個圖片描述，這個棒球運動員準備擊球，一個人在衝浪，一輛車停在現場。所以，電腦是否可以像我們這樣理解影象，取決於我們對這個影象的註解。我想給你們一個驚喜，這個圖解字幕不是人寫的，而是電腦。它的工作原理是，我們開發一個系統，輸入影象後可以自動提供圖解。這是一種神經網路。百度是第一家使用現有的神經網路發明這項技術的公司，之後有好幾家公司跟隨我們的步伐。

　　所以我們今天的計算機視覺技術水平到底到達了一個什麼樣的高度呢?我們目前已經研發了一項能夠深度識別並理解影象的技術。剛才我們用電腦輸出的中文圖解是第一次對美國觀眾進行展示。我們已經擁有了這項非常複雜的計算機視覺技術，然而目前的最大挑戰是把它應用到哪裡?計算機視覺技術在過去五年有長足的發展，不過我們並不太明確具體的應用場合，比如醫學影像、影象搜尋，搜尋你可以買什麼衣服等等。百度以及其他公司擁有這種計算機視覺技術的公司可以更好地嘗試開發相關產品和應用，雖然今天我們也不知道最好的應用是什麼，但我相信未來幾年計算機視覺技術會有更大的發展。

　　計算機視覺是深度學習帶來的網際網路革命之一。為什麼目前深度學習***神經網路***會有如此快速的發展呢?這是因為我們建立了有效的深度學習演算法。舉個例子：建造火箭。火箭由兩個部分組成，很大的引擎和很多燃料;宇宙火箭也不過是有更大的引擎和很多的燃料。如果只有很大的引擎但燃料不多便無法工作的，反之亦然。必須要由巨大的引擎搭配超多的燃料才行得通。同理，建立一個深度學習演算法就必須要建造一個很大的神經網路作為引擎來支撐演算法，於是我們就可以建造更大的神經網路來支撐更復雜的演算法;而資料就是燃料，在如今這個資料化社會的時代，從醫療保健到金融到教育各個領域，我們能夠較以前拿到更多的資料。巨大的引擎***神經網路***和不斷累積的燃料***資料***結合在一起，使我們能建造巨型火箭***深度學習演算法***去騰飛。近年的深度學習就是讓火箭騰飛。大概在2010年，最大的神經網路有一千萬個連線點，即模擬神經元和模擬線路連線。幾年前我就在谷歌開始了一個雲專案，用谷歌的基礎網路***一千臺電腦***建立十億個連線點的神經元網路，百倍於2010年，這其實為深度學習帶來很大進展。後來我意識到這是一項非常昂貴的技術，得用到一千臺電腦。所以我和幾個朋友希望能換一種方式，用其他技術來代替這麼多臺電腦。於是我們只用了三臺電腦，使用GPU技術***GRAPHICS PROGRESSING UNIT***，即用電腦裡的一塊硬碟設計影象處理技術，可以建立十倍於過去的龐大神經網路。用GPU作為基礎技術，百度已經在矽谷及中國建立了越來越大的神經網路。從百度的角度來說，我們是第一個將GPU技術應用到深度學習的公司，這就像是一個火箭引擎，能夠支撐我們完成很多深度學習的工作。我們也很高興看到有很多公司正在追隨我們的腳步。

　　接下來我們來談談語音識別。

　　舉個例項來說明深度學習是如何改變網際網路世界的。現在，百度很多使用者使用語音搜尋，因為中國有很多年幼的使用者、年長的使用者或文化程度不高的使用者無法使用拼音打字搜尋，所以語音是目前唯一可以讓我們知道他們需求的搜尋方式。手機在安靜的環境中可以很好地識別你的語音，但如果在嘈雜的環境中，比如開車時或在熙攘的餐廳中，語音識別效果就不是很好。我們要想辦法解決這個問題。以前的語音識別系統非常複雜，工程師要編寫軟體，將語音小片段輸入系統中，通過語音匹配來識別你所說的話。幾個月前，我們決定用神經網路來替換這種傳統的語音識別方式，通過建立龐大的神經網路***火箭發動機引擎***來進行語音識別。對於火箭燃料，一般來說最大的語音識別資料為兩千小時，但我們想使用七千小時的語音資料，是之前燃料的三倍多***大家可以查閱學術文章***，可是又覺得不夠，又說從這七千小時語音資料總結出十萬多個小時的資料，終於準備好了火箭燃料。通過矩陣排列把這些資料結合在一起，我們可以在較短的時間當中建立一個龐大的語音識別系統，比目前其他的公共API系統都好很多，不僅在安靜的環境中，即使在嘈雜的環境中也表現得很好。祕訣就是我們有很大的引擎和很多的燃料。

　　為什麼要說這個語音識別問題呢?現在市場上有很多的相類似產品，而語音是網際網路改革的一個重要因素。全世界都在改進移動網際網路，在這個方面，中國其實領先於美國和其他國家很多。移動網際網路已經成為我們生活裡很重要的部分，所以我們會在小小的鍵盤上用打字的方式溝通。即使在嘈雜的環境中，如果我們通過講話就給對方發訊息，便能讓語音識別更好地為我們服務。即使我在開車，我的手機在副駕駛座上，我也可以通過說話便能給我的另一半傳送訊息。如果語音識別繼續改進的話，我很樂意圍繞語音介面來重新設計手機的功能。如果語音識別能更好地為我們工作，它就會改變我們在座各位和手機的相互作用。

　　除了移動裝置外，語音識別也會對網際網路帶來變個性的影響，包括汽車顯示介面和家用電器等。我想在不久的將來，你可能不需要用到遙控器了。我家裡有五個電視機遙控器，但總是找不到，以後我也不需要用到它了，直接對著電視機說話就行。我現在還沒有下一代，但是我希望有一天我的兒子或孫子一輩，可以問我說：在我小時候，你跟你的微波爐講話它卻沒有反應這是真的嗎?太不禮貌了。我相信語音識別技術會給我們的生活帶來很多改變。

　　總結一下，網際網路的交流方式有很多，如文字、影象和語音等。以一個科學家的身份來說，網際網路上有太多的資料需要處理，而我們可以以引擎和燃料通過深度學習的方式來解決這些問題。深度學習可以幫助計算機理解所有的資料，是目前已知的改變網際網路的最好技術。通過這種人工智慧技術，我們很有可能通過文字、影象和語音來改變和我們身邊所有其他技術的交流方式，也可以帶來其他領域如金融、醫療保健和教育這些方面的變化。你們可以看出來我非常興奮，我相信人工智慧能夠讓我們的生活變得更加美好。

　　另外還有些炒作的內容，過去幾年有很多人提到了邪惡的機器人可能會帶來負面影響，電腦變得比人更聰明由此掌控這個世界。儘管我們現在掌握的技術是非常好的，但神經網路與人腦相比還遠遠處於原始狀態，我個人也不知道怎麼建造出有自我感知能力的機器人。當然，我對於技術是很有激情的，我相信人工智慧會改變我們的生活，給成千上萬人的生活帶來變化。有些炒作或擔心我覺得沒有必要。期待未來!非常感謝!

　　問：Andrew，我想請教幾個問題。這些演算法並不是剛剛存在，十五年前就有研究，期間發生了很多變化。百度並不是唯一一家研究深度學習的公司，你的前東家谷歌也在努力鑽研，很多其他公司也都在做。什麼改變了?更多的燃料，更大的資料庫?更快的處理能力，更大的引擎?

　　答：我瞭解到一個事情，就是比如你使用一個軟體，在很慢的機器裡沒法執行，但用更快的電腦就可以了。我們現在的優勢就是電腦越來越快，資料越來越多。做軟體其實是個很難的事情，但是比起二十年前，做軟體的環境已經好很多了。

　　問：現在價格已經顯著下降了。Andrew，當年在谷歌由16個程式設計師使用一千臺電腦沒人做一個10億連線點的連結是很誇張的。但是現在做這個就很便宜了是吧?

　　答：降低成本的很大一個原因是我們意識到，還有很多更好的技術值得應用。谷歌在雲技術方面有很大的優勢，當年我帶領谷歌深度學習團隊“綠色團隊”工作時，我們用雲技術建立神經網路是沒問題的，我們用這個方法解決了很多問題。但是隨後我們發現，我們可以不用雲技術，轉而用高效的超級計算機技術來降低成本，可以建立更大的模型。如果在雲裡面將需要成千的電腦來完成這項工作。電腦的壽命只有幾年時間，因此必須要防止電腦壞掉。所以百度投資建造了HPC電腦，使用HPC技術建立神經網路比之前幾代技術都要好很多，目前百度的這項技術是世界領先的。

　　問：剛才Andrew已經介紹了什麼是深度學習。他提到一個有趣的事情是，很多人只需通過智慧手機就可以上網。其中一個應用就是語音識別，深度學習可以讓從未上過網的人們接觸到網路，是這樣嗎?

　　答：智慧手機是個很親密的裝置。我在中國有一個iPhone 6 plus，我很多美國朋友都問我為什麼不用iPhone 6，plus太大了。但是在中國大家就覺得我的手機很小。在中國，智慧手機大螢幕可以來工作，這是很好的機會，做更多的事。在美國我們一直在用桌上電腦，沒有很多人用移動電腦。但是在中國這是很好的機會。

　　問：最後一個問題，Andrew談到了一些關於深度學習的恐懼，當然他是誇張的，但是有些聰明的人都被嚇到了。Elon Musk 和Steven Hawking找了一些人工智慧專家組成了一個未來學院。你自己覺得為什麼他們會如此恐懼和擔憂?

　　答：有時候我覺得霍金掌握了一些關於祕密的人工智慧技術，而我不知道。但我不覺得會有聰明的邪惡機器人掌控地球，不過這樣的炒作實際上給人類社會提出了不同的挑戰，比如就業。在很久時間裡，技術給人類帶來了很多機會，但從歷史角度來說，技術提出了很多就業方面的挑戰。比如美國，我們花了兩百年從農業經濟發展到如今不到2%的人從事農活。技術取代了農業專業，農民可以讓後代做不同的工作，而我們的教育系統可以實現他們的願望。我們現在面臨的挑戰是，技術的變革越來越快，因此需要重新訓練人的技能，比如汽車產業，美國有三百五十萬的卡車司機必須重新找工作。如今的教育系統面臨著的困難是，要訓練大量的人適應新的生活方式，而不是訓練後代。我擔心的是沒辦法及時訓練需要的人。機器人的惡意炒作實際上是嚴肅的勞工話題，是學術界、政界的障眼法。

　　範文二：科技論文——計算機未來發展

　　後計算機技術的發展將表現為高效能化、網路化、大眾化、智慧化與人性化、功能綜合化，計算機網路將呈現出全連線的、開放的、傳輸多媒體資訊的特點。

　　未來計算機的發展趨勢是：微處理器速度將繼續提升，英特爾公司計劃在未來幾年內製造出每個晶片上有10億個電晶體的中央處理器，個人電腦將具有原來的高效能伺服器所具有的處理能力;高效能運算機採用分散式共享儲存結構，將擁有1GHz以上的時鐘頻率;每個晶片有4個8路並行的以及更為複雜的GISC接點;計算機將採用更先進的資料儲存技術***如光學、永久性半導體、磁性儲存等***;外設將走向高效能、網路化和整合化並且更易於攜帶;輸出輸入技術將更加智慧化、人性化，隨著筆輸入、語音識別、生物測定、光學識別等技術的不斷髮展和完善，人與計算機的交流將更加便捷。

　　軟體技術的發展將呈現平臺網路化、技術物件化、系統構件化、產品領域化、開發過程化、生產規模化、競爭國際化的趨勢。高階計算機軟體、作業系統微核心與原始碼技術、軟體可靠性和安全性、軟體開發和整合工具面向人們個性化需求的應用軟體，在相當時期內仍將是軟體領域的主要研究內容。軟體技術正以計算機為中心向以多媒體資訊服務為物件的方向發展，軟體開發與晶片設計相互融合和滲透，將人機充分自然地結合起來;網路軟體正在成為研究投資的熱點;軟體業的市場發展空間將超過硬體業的市場規模。

　　到2005年，全球電子計算機產品的市場規模將超過4000億美元，軟體在3500億美元以上;2010年又將分別達到5100億美元與6000億美元左右。2005年，國內市場對電子計算機產品的需求預測：微機1800萬臺***其中膝上型電腦佔10%***、伺服器20萬套、顯示器2000萬臺、印表機800萬臺;軟體2200億-2500億元，其中系統軟體為110億-120億元、支撐軟體300億-320億元、應用軟體380億-400億元。

　　今後應當鼓勵發展高效能伺服器、移動式膝上型電腦或掌上電腦***適應2.5G-3G***、多功能鐳射、噴墨印表機、掃描器;嵌入式作業系統軟體***基於LINUX及UNIX***、網路控制軟體、資料庫軟體、CAD/CAM軟體和其他應用軟體等。繼續支援發展的產品應有：普通針式印表機、彩色顯示器、調變解調器等。對低檔次個人電腦應實行限產。

　　作為計算機業界內的霸主,微軟早就已不甘於單在PC領域上發展了.早在5月12日,微軟公佈了下一代主機-----XBOX360,這部由計算機主機基因突變而成的魔盒,擁有IBM的128位POWERPC為原型的CPU,再次超越了目前剛發展到64位的桌上型電腦.並且支援USB介面,讀卡器HDTV和無線模式.我們可以進行網上購物視訊聊天……. 而這一切,只需你家中有臺XB360即可.而早要3年前,微軟推出了平板計算機,雖然計劃受挫,但平板計算機無疑擁有比手提計算機更有優勢.一是輕便,整臺機由手寫板螢幕和超薄鍵盤組成,二是擁有更廣泛的應用領域.對於整個計算機業界來說,微軟無疑是一個不可或缺少的領頭羊.那麼,下面就讓我們聽聽業內人士的意見.

　　業內人士普遍認為未來計算機的發展趨勢是:微處理器速度將繼續提升,英特爾公司計劃在未來幾年內製造出每個晶片上有10億個電晶體的中央處理器,個人計算機將具有原來的高效能伺服器所具有的處理能力;高效能運算機採用分散式共享儲存結構,將擁有1GHz以上的時鐘頻率;每個晶片有4個8路並行的以及更為複雜的GISC接點;計算機將採用更先進的資料儲存技術***如光學,永久性半導體,磁性儲存等***;外設將走向高效能,網路化和整合化並且更易於攜帶;輸出輸入技術將更加智慧化,人性化,隨著筆輸入,語音識別,生物測定,光學識別等技術的不斷髮展和完善,人與計算機的交流將更加便捷.

　　業內人士普遍提出,軟體技術的發展將呈現平臺網路化,技術物件化,系統構件化,產品領域化,開發過程化,生產規模化,競爭國際化的趨勢.高階計算機軟體,作業系統微核心與原始碼技術,軟體可靠性和安全性,軟體開發和整合工具面向人們個性化需求的應用軟體,在相當時期內仍將是軟體領域的主要研究內容.軟體技術正以計算機為中心向以多媒體資訊服務為物件的方向發展,軟體開發與晶片設計相互融合和滲透,將人機充分自然地結合起來;網路軟體正在成為研究投資的熱點;軟體業的市場發展空間將超過硬體業的市場規模.

　　業內人士普遍預測,到2005年,全球電子計算機產品的市場規模將超過4000億美元,軟體在3500億美元以上;2010年又將分別達到5100億美元與6000億美元左右.2005年,國內市場對電子計算機產品的需求預測:微機1800萬臺***其中筆記本計算機佔10%***,伺服器20萬套,顯示器2000萬臺,印表機800萬臺;軟體2200億-2500億元,其中系統軟體為110億-120億元,支撐軟體300億-320億元,應用軟體380億-400億元.

　　也許,再未來的幾年裡,計算機的大小並沒有顯著的變化,但其效能足以勝任人們出於旺盛的好奇心和豐富的想象力而衍生出的各種念頭所做的行動.這一點上文已經提及.也許,在未來,我們不必再為網速的緩慢而抱怨過多,因為在10年之內,將會有比光纖更快的網路傳輸方式誕生並被廣泛應用.前幾個月,索尼正式宣佈他們已成功開發出大腦虛擬成像的技術.這標誌著"虛擬現實"的真正到來.以後人們或許多了一種上網衝浪的方式;只要你願意. 你可以戴上特殊的頭盔裝置或眼罩,便可以把自己置身於一個虛擬但真實的世界之中,在這裡,你可以做你在現實中不能幹的事情.戴著面具或者"易容",與來自世界各地的人們一起聊天,下棋,打球.就算是再孤寂的人,也可以找到一份屬於自己的樂趣.總之,只要你有一臺計算機那你便可以與這個世界緊密聯絡在一起.就像電影黑客帝國一樣.