2006年以来，以深度学习为代表的机器学习算法在机器视觉、语音识别等领域取得了长足的进步，识别准确率大幅提升。人工智能发展的核心驱动力是什么，一直是世界和业界关注的问题。算法存在的前提是数据信息，算法的本质是获取、占有和处理数据信息，并在此基础上生成新的数据和信息。换句话说，算法是数据信息或所有获得的知识的转化和再现。近年来，随着人工智能技术研发的不断加速和应用场景的日益丰富，其背后的算法、算力等因素开始受到相关方的关注。目前，以算法、大数据、机器学习、人工智能为核心的自动决策系统应用越来越广泛，从购物推荐、保险评估、个性化内容推荐等，越来越多的决策工作被取代通过机器、算法和人工智能。算法可以为人类社会的各种事务和决策工作带来客观性。对于数据的生成，AI模型训练依赖数据，目前这不是问题，但是AI模型训练依赖人工标注的数据，这是一个很头疼的问题。利用算法有效解决或大幅降低模型训练对人工标注数据的依赖是一个热门的研究领域。作为人工智能的三大要素之一，目前的主流算法主要面向机器学习领域。因此，机器学习也可以理解为用于训练和推理的算法集合。纵观全球人工智能领域的发展现状，可以看出深度学习已经超越传统机器学习，成为主流算法。但是，机器学习并没有被取代，两者是相辅相成的。随着深度学习与神经网络算法的结合，算法训练的门槛也相应降低，也涌现出一大批热门算法和相应的底层架构。对于需要人工智能技术的企业来说，缺乏合适的算法、人工智能实施成本高、算法集成开发难度大等问题成为其智能化进程中的主要障碍。如何扫除这些障碍，找到合适的算法并获得低成本、持续的售后服务和技术支持，逐渐成为AI需求企业选择的重要指标。算法在网络防御和安全中发挥着越来越突出的作用。在网络攻击检测中，使用机器学习算法模型可以提高恶意行为检测的准确性。同时，在网络攻防中使用算法模型，有助于优化网络资源配置，提高网络安全防护的整体效果。作为智能作战技术的核心前沿，以深度学习和强化学习为代表的算法模型创新，未来无疑将在诸多领域得到广泛应用。尤其要看到，人工智能时代的长期健康发展，需要更多的图像算法人才。目前国内已有平台通过3D获取信息。除了向人们展示3D信息外，这些平台还应该帮助人们通过3D更好地了解现实世界。计算机图形学或计算机视觉算法方面的人才将借助不同的计算机视觉算法成为实现这一目标的重要力量。我国人工智能发展在数据规模和算法集成应用方面处于世界前列，但在人工智能基础算力方面，能够提供本土化算力支持的企业并不多。在人工智能的算力支撑方面，HPE、IBM、戴尔等国际巨头位居全球服务器市场前三，而国内浪潮、联想、新华三、华为等企业市场份额有限。未来，相关企业要想获得更大的产品效益，提升国家竞争力，还需要在技术创新和平台建设上下功夫。数字经济已成为优化经济结构、提高经济效益的重要动力。以人工智能为代表的一大批创新技术和应用，作为数字经济时代的重要基石，将推动传统经济转型升级和新兴经济体快速增长。未来，人工智能、物联网、工业互联网等技术将为数字经济发展提供更加坚实的支撑。
