2006年以來，以深度學習為代表的機器學習算法在機器視覺、語音識別等領域取得了較大成果，識別準確性大幅提升，何為人工智能發展的核心驅動力這一問題受到學術界和產業界的關注。

[[349784]]

 算法存在的前提，是數據信息，而算法的本質則是對數據信息的獲取、占有、處理，并在此基礎上產生新的數據和信息。換言之，算法就是對數據信息或獲取的所有知識進行改造和再生產。近幾年，隨著AI技術研發不斷提速、落地場景日益豐富，其背后的算法、算力等因素開始引起有關方面的重視。

目前，以算法、大數據、機器學習、人工智能等為核心的自動決策系統的應用日益廣泛，從購物推薦、保險評估、個性化內容推薦等，再到司法程序中的犯罪風險評估，越來越多的決策工作為機器、算法、人工智能所取代，算法可以為人類社會中的各種事務和決策工作帶來客觀性。

對于數據生成來說，AI模型訓練依賴數據，這一點目前來看不是問題，但是AI模型訓練依賴人工標注數據，是一個令人頭疼的問題。利用算法有效解決或者大幅降低模型訓練對于人工標注數據的依賴，是一個熱點研究領域。

作為AI大三元素之一，目前主流的算法主要面向機器學習領域。因此，機器學習也可以理解為用于訓練和推理的算法合集。縱觀全球AI領域的發展現狀可以看出，深度學習已經超越傳統機器學習，成為主流算法。不過，機器學習仍未被取代，兩者呈現互補的態勢。隨著深度學習與神經網絡算法的結合，算法訓練的門檻相應降低，大量熱門算法以及相應的底層構架也隨之出現。

對于需要AI技術的企業而言，匹配不到合適的算法、AI落地成本高、算法整合開發難度大等難題已經成為其智能化進程上的主要障礙。如何清除這些障礙，找到合適的算法并獲得低價、持續的售后服務和技術支持，也漸漸成為AI需求企業選擇的重要指標。

在網絡防御與安全方面，算法所起到的作用日益突出。在網絡攻擊探測中，利用機器學習算法模型，可以提升對惡意行為探測的精度。與此同時，在網絡攻防中借助算法模型，有助于優化網絡資源分配，提升網絡安全保護總體效果。

作為智能化作戰科技的核心前沿，以深度學習、強化學習為代表的算法模型創新，未來無疑將在多個領域得到廣泛運用。尤其需要注意的是，人工智能時代的長遠健康發展，需要更多圖像類算法的人才。

目前國內已有通過3D獲取信息的平臺，這些平臺除了向人們展示3D信息之外，更應該幫助人們通過3D更好地理解眼下的真實世界。計算機圖像或者計算機視覺方面算法的人才，將成為借助不同的計算機視覺方面的算法去實現這一目標的重要力量。

我國人工智能發展在數據規模和算法集成應用上都走在世界前列，但在人工智能基礎算力方面，能提供國產化算力支持的企業還不多。在人工智能的算力支持方面，HPE、IBM、戴爾等國際巨頭穩居全球服務器市場前三位，浪潮、聯想、新華三、華為等國內企業市場份額有限。今后，相關企業要想獲得更大的產品收益，提高國家競爭力，還需要在技術創新、平臺構建等方面多下功夫。

數字經濟已經成為優化經濟結構、提升經濟效率的重要動力，而以人工智能為代表的一大批創新技術和應用作為數字經濟時代的重要基石，將推動傳統經濟的轉型升級和新興經濟的快速增長。今后，人工智能、物聯網、工業互聯網等技術將為數字經濟增長提供更為堅實的支撐。