更多精彩文章在 新天域互聯 公眾號

“我不會耕田吃草讓人下注，什麼理由發明什麼叫馬子”，第一次聽到這首歌的時候感觸良多，因為在以男性為主導的IT職場裡，性別偏見尤為嚴重。根據美國公司Evia報告顯示，儘管女性佔美國勞動力的一半以上，但她們佔科技工作崗位的比例不到20%。但現在看來，AI的存在似乎能夠幫助女性在社會爭取更高的地位。

炙手可熱

人工智慧（AI）在業界的重視程度相信都是有目共睹。如英特爾、谷歌、亞馬遜等科技巨頭已經為此付出許多。同時，AI公司的收購競爭已經開始，因為這些公司必須爭奪知識資本和人才，方能不被淘汰。所以近期我們可以看到很多專注AI或ML的小公司都將被大公司收購。下面我們來看幾個例子：

1. 2014年穀歌以超6億美元購買英國DeepMind（就是大家熟知的阿法狗的公司）；
2. 恩智浦在2015年以118億美元收購飛思卡爾，確保其晶片能夠應用於從娛樂和安全系統到幾乎所有連線元件的所有產品；
3. 臉書在2017年收購了老員工所創立的AI公司Ozlo，為AI技術加碼；
4. 英特爾於2017年以150億美元收購以色列自動駕駛技術公司MobileEye，加大在AI及無人駕駛上的投入；
5. 今年黑莓更是以14億美元現金購買終端安全提供商Cylance，為實現物聯網（IoT）新增優勢；

除此之外，根據CB Insights的資料，2017年投資者向AI創業公司投入了152億美元，比2016年增加了141%。這種速度一直持續到2018年。Venture Scanner報告稱2018年第二季度人工智慧公司的投資額達到創紀錄的44億美元，比2017年同期增長19%。

AI領域發展如此迅速，全球市場寄予厚望。無論從研發力度還是市場的受歡迎程度，我們都可輕鬆感受到人們對AI的狂熱，如智慧音箱、語音智慧識別、智慧監控等等。

而人工智慧（AI）就如字面意思一樣，讓機器完成人類的工作。雖說目前大部分都是弱人工智慧，因為目前它是根據人類的“建議”在熟悉情景下作出合乎規律的行為，同時這些工作內容是具有規律性和重複性的，所以AI能夠根據演算法模型自動模擬人類工作內容。但根據Statista報告顯示，預計到2025年人工智慧（AI）行業收入能夠達898億美元，可想AI現在所帶來的影響是有多大，更不用說未來的強AI了。

取自Statista

牡丹雖好，終須綠葉扶持

AI技術日漸呈多樹狀發展。無論最終如何，還是要解決場景化和產品化的落地，而硬體是不可或缺的一部分。

在這AI浪潮當中，英偉達、英特爾等老牌晶片廠商頻頻出新奪人眼球，IBM、AMD、谷歌、ARM、蘋果、高通、博通則緊隨其後。其中英偉達及其用於高效能運算（HPC）和人工智慧（AI）的並行處理平臺，即 GPU 和 CUDA 程式設計平臺。英偉達的資料中心業務從2016年的3.39億美元到2017年增長到8.3億美元，主要依靠AI和自動駕駛汽車的技術和產品需求的關鍵推動力。

GPU有什麼用處？

眾所周知，計算機系統的核心在於CPU。而這一小片的通用處理器幾乎可以處理任何任務。它們僅限於某些基本的數學計算。複雜的任務可能就需要組合，需要更長的處理時間。

顯示卡與GPU或是許多人都安裝的專用處理器，這些處理器專注處理2D、3D圖形相關的複雜計算，甚至更擅長於渲染某些計算。正因如此，現在有一種趨勢，人們正在利用計算機的GPU來支援CPU並加速各種任務。

-視訊加速

GPU設計用於處理3D圖形之外的第一個真正應用是視訊。高清視訊流需要解碼壓縮資料以產生其高解析度影象。ATI和NVIDIA都開發了軟體程式碼，允許GPU處理此解碼過程，而不是依賴CPU。這對於那些希望使用計算機在PC上觀看HDTV或藍光電影的人來說非常重要。隨著4K視訊的發展和5G的普及，處理視訊所需的處理能力變得更高。

這樣的分支就是能夠讓顯示卡幫助將視訊從一種圖形格式轉碼到另一種圖形格式。這方面的一個例子可能是將視訊源（例如來自正被編碼的視訊攝像頭）刻錄成DVD。為此，計算機必須採用一種格式並在另一種格式中重新呈現。這將使用大量的計算能力。通過使用GPU的特殊視訊功能，計算機可以比僅依靠CPU更快地完成轉碼過程。

-影象處理

GPU可以準確處理數百萬張影象，以發現差異和相似之處。這種能力廣泛用於邊境控制，安全和醫療X射線處理等行業。

-大資料

與CPU相比，數千個計算核心和10-100倍應用程式吞吐量，GPU是處理科學家和工業大資料的最優選擇。GPU用於描述資料互動式視覺化，並且它們與其他資料集整合以便探索資料的量和速度。例如，我們現在能夠通過處理資料和分析協方差來啟動基因定位，以瞭解不同基因組合之間的關係。

-機器學習

GPU的存在讓機器學習提高了一個等級。而深度學習是使用複雜的神經網路來建立可以從大量未標記的訓練資料中執行特徵檢測的系統。GPU可以處理大量的訓練資料，並在影象和視訊分析，語音識別和自然語言處理，自動駕駛汽車，計算機視覺等領域訓練神經網路。

在以上領域裡，GPU不但已有所建樹，如AI製圖、AI安保監控、大資料智慧分析等等，而且隨著5G的逐漸普及，GPU本身也在加速更新換代。

那GPU就一定是適合AI麼？為什麼不是CPU？

如果你仔細留意AI演算法,您將看到一個模式,它們是分散式的。深度神經網路和大多數ML可以被視為並行問題。這意味著像GPU的平行計算解決方案可以在AI演算法上加快90%左右,只有少數演算法如樹遍歷或遞迴演算法是不平行的，此時使用CPU處理這些可以更有效率。

GPU最適合加速分散式的演算法,每個單元的分散式系統獨立於其他單位工作。因此，像大多數AI演算法一樣，神經網路中的處理節點集合屬於這一類。因此神經網路將學習GPU比CPU快幾倍。

再看個簡單的例子，你可以查到英偉達的 Geforce GTX Titan X擁有3072個核心，相比一個普通的CPU，只有2-4個核心。因此每當您面臨大規模並行化可能加速的任務時，GPU的工作速度會快幾個數量級。

但需要留意的是，GPU不是CPU架構的替代品。相反，它們是現有基礎設施的強大加速器。GPU加速計算將應用程式的計算密集型部分放到GPU，而其餘程式碼仍在CPU上執行。從使用者的角度來看，應用程式的執行速度要快得多。雖然通用計算仍然是CPU的領域，但GPU是幾乎所有密集型計算應用程式的硬體主幹。

AI愛女性？

                                                              資料來源自AlphaBeta, The Automation Advantage; ABS

可以說，GPU能夠幫助AI更容易更快地根據演算法模型自動模擬人類工作內容，而AI也讓女性愈加發揮光芒，在但有人可能會問難道女性的工作有什麼特別之處嗎？

從上面圖表我們可以看出，較高可自動化的工作出現在右側，而男性工人比例更高的工作似乎更接近頂部。相反，很多女性的工作都不太容易受到自動化的影響，包括助產士，護士和理髮師，就是圖表中的橙色圈圈。而工人在體力勞動上花費大量時間的工作更容易受到自動化的影響，包括抹灰和塗漆等工作，它們聚集在圖表的右上角（綠色圓圈），因為男性在這些角色中占主導地位。

據AlphaBeta分析，建築和採礦業的勞動力在可自動化任務上花費的時間比例最大，佔86％。在這些工作當中，98％的工人都是男性。另一方面，由男性主導的前10名工作中，只有電工，電子和ICT通訊工作人員將不到50％的時間花在自動化任務上。在女性中，以女性為主的前10職業當中，只有鍵盤操作員花超過50%時間在可實現自動化任務上。

該份報告也表明，到2030年，機器每週只需花費兩個多小時就能完成最重複的手動任務。

同時，美國廣播公司新聞分析發現，最容易實現自動化的工作更容易由男性和低收入的工人執行。再看悉尼大學資料科學中心的 Hugh Durrant-Whyte 解釋，女性在社會同情心、人際關係技巧和創造力方面的工作中，例如教師、保母、護理師等工作，佔據較多的職位。

換句話說，非重複性的工作需要更多感性的因素，而女性的直覺性思維很發達，她們除了靠邏輯推理，還依靠一種“直覺”就可以得出結論。而且比起男性，女性的情感與關懷能力比較強，讓人更願意與之合作。所以說女效能夠在該類領域下充當重要的角色，而這是男性和AI很難做到的。

除了以上所說的，女性在AI本身，甚至在科技領域裡逐漸發揮著更大的作用。

技術女性的未來

根據Girl Scouts Research Institute報告稱，以往女性由於缺少女性導師、STEM（科學、技術、工程、數學）類實踐經驗少、性別不平等等原因導致年輕女性不投身於STEM行業。現在很容易說，現在技術女性依然是少數。他們只擁有24％的電腦科學工作，而1995年有37％。自前谷歌高階軟體工程師詹姆斯達莫爾在表達“性別成見”後被解僱，以及Uber前工程師蘇珊·福勒性騷擾事件，都展示了科技世界的醜陋底層。但現在，許多公司正在幫忙縮小這個分歧，如以更高的價格聘請或挽留女職員，鼓勵女性領導層，關注成果而非所耗時間以及在公司政策上加上保護女性權益等等措施。

同時女性也在技術領域裡開始扭轉局面，在福布斯公佈的2017年最具影響力的技術女性裡，Facebook的COO雪莉·桑德伯格（Sheryl Sandberg）連續第六年位居技術榜首（並且在整個福布斯最具影響力女性榜單中排名第四）。作為這家科技巨頭的二把手，她努力通過精益組織在高階管理層中實現更大的性別平等。在我國，女性企業家也同樣發出光芒，最好的例子就是大家所熟知的阿里巴巴資深副總裁彭蕾，以及滴滴出行總裁柳青，她們分別排名第七和第十。

隨著越來越多的行業完成數字化，科技也將充滿我們生活的每個部分，商業和社會也將受益於AI所帶來的多樣化和新勞動力湧入，將來我們不僅要運用我們的手和思想，還要運用我們的心和情感來工作。正如在STEM領域中需要更多女性一樣，解決AI做不了的問題，處理男性做不好的事情。如果我們能夠做到這一點，那麼技術將不會取代我們。女性是否能夠在未來社會佔有主話語權我們暫時不得而知，但相信在社會和科技的共同進步下，女性在科技領域裡的將會獲得更多的重視和更好的位置。