行业动态

人工智能AI里程碑：计算机图形学

　　在过去的十年里，围绕人工智能的突破，投资和企业家活动的爆炸式增长完全是由深度学习驱动的。深度学习是一种复杂的统计分析技术，用于发现大量数据中的隐藏模式。1955年创建的术语（人工智能）被应用于（或错误地应用于）深度学习，这是一个更高级的机器学习版本，旨在训练计算机执行某些任务。这个术语是1959年创建的。

深度学习的最新成功是由于大量数据（大数据）可用性的增加和图形处理单元（GPU）的出现，显著增加了训练计算机数据的广度和深度，减少了训练深度学习算法所需的时间。

大数据一词最早出现在1997年10月由MichaelCox和Davidelsworth撰写的计算机科学文献中。本文发表在IEEE第八届可视化会议论文集中，核心外可视化应用控制需求分页。他们写道：可视化给计算机系统带来了一个有趣的挑战：数据集通常很大，这增加了主内存、本地磁盘甚至远程磁盘的容量。我们称之为大数据问题。当数据集不能容纳在主存储器（核心）中，甚至不能容纳在本地磁盘中时，最常见的解决方案是获取更多资源。这个术语也被学术界以外的术语所使用。

　　SGI创始人吉姆·克拉克于1974年在计算机图形之父伊万·萨瑟兰的指导下，在犹他大学完成了博士论文。克拉克后来成立了Netscapecomunications，其成功的网络浏览器和1995年的IPO引发了互联网热潮。1989年，蒂姆·伯纳斯·李(Timberners-Lee)发明了网络，成功使世界数十亿人成为数字数据的消费者和创造者。

2007年，普林斯顿大学计算机科学家fei-feili和她的同事开始组装imagenet。imagenet是一个带有注释图像的大型数据库，旨在帮助研究视觉对象识别软件。五年后，也就是2012年10月，由多伦多大学研究人员设计的人工神经网络在imagenet大规模视觉识别挑战中的错误率仅达到16%，大大超过了25%。一年前最好的进入表明人工智能的兴起。

大数据真的很大。RJTMoris和BJTruskowski在《存储系统的发展》一书中表示，1996年，数字存储在存储数据方面比在纸上更具成本效益。2002年，数字信息存储首次超过非数字存储。根据马丁·希尔伯特和普里西拉·洛佩兹的世界存储、通信和计算信息的技术能力，从1986年到2007年，世界信息存储能力以每年25%的复合年增长率增长。他们还估计，1986年，99.2%的存储容量是模拟存储，但2007年，94%的存储容量是数字存储，这完全颠倒了角色。

　　2000年10月，加利福尼亚大学伯克利分校Peterlyman和Halvarian发布了多少信息？这是第一个全面的研究，用计算机存储量量量化世界上每年创建的新信息和原始信息总量（不计算副本）。1999年，世界各地产生了1.5艾字节的原始数据。2007年3月，Johngantz、Davidreinsel和IDC的其他研究人员发布了第一项研究，估计和预测每年创建和复制的数字数据数量-2006年为161艾字节。据估计，该数字将增加6倍，达到988艾字节。2010年，或每18个月翻一番。

　　信息爆炸（据牛津英语词典称，该术语于1941年首次使用）已成为大型数字数据爆炸。然而，可用数据的数量只是使深度学习成功的两种催化剂之一。另一个是GPU。

虽然深度学习算法的开发及其实际应用在20世纪80年代和90年代稳步发展，但它们受到计算机能力不足的限制。1986年10月，Davidrumelhart、Geoffreyhinton和Ronaldwilliams出版了《反向传播错误学习表达法》，描述了一个新的学习过程，即反向传播，用于神经元样单元网络。在深度学习的发展中。三年后，Yannlecun和AT&T贝尔实验室的其他研究人员成功地将反向传播算法应用到多层神经网络，以识别手写邮政编码。然而，鉴于当时的硬件限制，培训网络大约需要三天时间（与以前的工作相比有了很大的改进）。

大数据诞生的计算机图形学得以挽救。到了20世纪90年代，实时3D图形在街机、计算机和游戏机游戏中变得越来越普遍，导致对硬件加速3D图形的需求增加。索尼在1994年推出家用视频游戏机PS1时，首先称GPU为几何处理单元。

　　视频游戏渲染需要快速并行执行许多操作。图形卡具有较高的平行度和较高的内存带宽，但与传统的CPU相比，时钟速度较低，分支能力较低。巧合的是，在人工神经网络上运行的深度学习算法需要类似的——平行性、高内存带宽和无分支。

到2000年代末，许多研究人员已经证明了GPU在深度学习（尤其是人工神经网络训练）中的实用性。由新编程语言（如NVIDIACUDA）支持的通用GPU已应用于各种深度学习任务。这些应用程序中最明显的是2012年Imagenet挑战赛的冠军。

2020年3月18日，计算机技术协会(ACM)将Patrickm.(Pat)Hanrahan和Edwine.(Ed)Catmull提名为2019ACMAM图灵奖获得者，表彰其对3D计算机图形学的基本贡献，以及这些技术对电影制作等应用中的计算机图像(CGI)产生革命性影响。

　　根据ACM新闻稿，今天，3-D计算机动画电影代表了全球电影行业的流行类型，价值1380亿美元。3-D计算机图像对于蓬勃发展的视频游戏行业、新兴的虚拟现实和增强现实领域也至关重要。Catmull和Hanrahan做出了开创性的技术贡献，这仍然是当今CGI图像开发模式不可或缺的一部分。此外，他们对编程图形处理单元（GPU）的看法不仅影响了计算机图形学，而且影响了数据中心管理和人工智能等各个领域。

　　像吉姆·克拉克一样，卡特姆是伊万·萨瑟兰的学生，1974年获得犹他大学博士学位。正如罗伯特·里夫林在1986年的《算法图像:计算机时代的图形视觉》中所写，现代计算机中几乎每一个有影响力的人图形社区要么通过犹他大学，要么以某种方式接触。

在2010年对Pathanrahan的采访中，Catmul描述了UU工作环境：

　　戴夫·埃文斯是系主任，伊万在教书，但他们的公司埃文斯和萨瑟兰花了所有多余的时间。这些学生几乎是独立的，这是我真正的肯定，因为学生必须自己做一些事情。我们期待创作原创作品。我们处于前沿，我们的工作是扩大它。他们基本上说:你可以每隔一段时间联系我们，我们会联系你，但我们会关闭这家公司。

我认