Page 333 - 计算机技术与人工智能
P. 333
第九章 人工智能
TPU、HPU、FPGA等组成，这种服务器集群以云计算方式组成云平台。此外，
还包括物联网、移动网络等多种结构及组织方式。
2.专用芯片与服务器平台
由于人工智能应用中对计算机的计算速度要求实在太高，在某些算法的实现
中一般最快速地通用计算机服务器也无法满足其要求，如目前最为常用的人工神
经网络中的算法计算，深度学习中的卷积神经网络中的算法计算等，由于实在计
算量大、计算速度要求高，因此都采用专用的人工智能芯片实现，其具体方法是
通过多个神经网络芯片按一定结构方式搭建成多层神经网络结构，同时尚需与高
速服务器捆绑从而组成另一种类型的平台。在目前深度学习方法流行之际，此种
平台广受欢迎。
（二）基本软件平台
用于人工智能中的基本软件平台的软件比较多，包括下面几部分内容：
1.机器学习软件
机器学习软件包括：①软件平台：如Hadoop平台、Tensorflow平台以及目
前最为流行的开源深度学习平台TensorLayer2.0等。②基本框架与工具库：如
Mahout、Julia、Python（既是语言又是工具库）、Spark、MapReduce等。③传统
机器学习工具库：如SAS、SPSS、MATLAB及Statistica等。④常用工具语言：如
Java、C＋＋、R、Python等。
2.知识库软件
与知识库有关软件有：①文件系统：分布式文件系统HDFS。②关系数据
库：如SQL关系数据库等。③非关系数据库：如NoSQL的HBase等。④数据仓
库：如Haive数据仓库等。⑤Web数据：如 XML、HTML等。⑥知识库：如百度
知识库、维基知识库等。
3.演绎推理软件
有关演绎推理软件有：①LISP语言。②Prolog语言。③Datalog语言。
（三）应用软件
人工智能应用开发主要是应用软件的开发，包括两方面内容。
1.基于归纳的应用软件
编写应用代码及训练模型，是在平台上进行的，包括基础硬件的网络平台、使
用相关工具及数据，最终由程序员组合所有平台中的资源完成应用代码编制及模型
321
