关于 AI，你一直想知道但是不敢问的五大问题

常言道，世界上没有愚蠢的问题。作为一个靠着问“愚蠢的问题”谋生的人，我可以告诉你，这样说真的很愚蠢。

不过，最棒的问题通常是让一个聪明的人向一个一无所知的菜鸟（也就是我）从头开始解释一件事。在英伟达工作的一大好处就是，我可以向许多聪明的人问一些非常非常愚蠢的问题。

事实证明，不只是我有这些疑问。月复一月，成千上万的读者在搜索引擎中问这些问题。而他们可以访问我们的博客，找到问题的答案。

CPU 与 GPU 的区别是什么？

这篇文章发表于 10 多年前，但是由于出现了由深度学习驱动的 AI、超级计算和自动驾驶汽车，因此它提供的答案比以往更加贴切。因此，我们在年初更新了原始文章，并且阅读次数也比以往更多。

人工智能、机器学习和深度学习之间的区别是什么？

AI、机器学习和深度学习之间的关系好比是几个同心圆。AI 最先出现，是最大的圆。然后是机器学习，后来发展起来。最后是深度学习，它正在推动着今天的 AI 实现爆炸式发展，位于同心圆的中心。要想了解更多内容，请单击上面的链接。

监督学习、无监督学习、半监督学习和增强学习之间有什么区别？

这是目前 AI 领域的关键问题之一，是这篇文章之所以备受欢迎的原因。单击链接即可获取这些问题的答案，答案写得通俗易懂，概括介绍了各种学习方式需要处理的数据集和问题。

深度学习、训练和推理之间的区别是什么？

这个问题的关注度也非常高。简而言之，训练是通过神经网络运行数据，从而教神经网络执行任务的过程。这教会了计算机去做一些事情，就在十年前，大多数人认为只能由人类完成。相比之下，推理是将经过训练的网络投入使用的过程，应用范围包括从超大规模数据中心到自主机器的各个领域。

光线追踪和光栅化有什么区别？

过去，光线追踪主要应用于电影中。而光栅化则常见于视频游戏。光线追踪对光线在现实世界中的移动方式进行建模，非常漂亮，但这一过程需要消耗大量的计算资源。相比之下，光栅化执行起来比较快。英伟达最新的 Turing 基础架构 GPU 模糊了这两种技术之间的界限，通过硬件加速实现实时光线跟踪，获得栩栩如生的电影级游戏画面。

这些回答是否解决了你的疑问？告诉我们你的想法.

Categories: 深度学习

审核编辑黄宇