更多精彩文章在 新天域互联 公众号
“我不会耕田吃草让人下注，什么理由发明什么叫马子”，第一次听到这首歌的时候感触良多，因为在以男性为主导的IT职场里，性别偏见尤为严重。根据美国公司Evia报告显示，尽管女性占美国劳动力的一半以上，但她们占科技工作岗位的比例不到20%。但现在看来，AI的存在似乎能够帮助女性在社会争取更高的地位。
炙手可热
人工智能（AI）在业界的重视程度相信都是有目共睹。如英特尔、谷歌、亚马逊等科技巨头已经为此付出许多。同时，AI公司的收购竞争已经开始，因为这些公司必须争夺知识资本和人才，方能不被淘汰。所以近期我们可以看到很多专注AI或ML的小公司都将被大公司收购。下面我们来看几个例子：
- 2014年谷歌以超6亿美元购买英国DeepMind（就是大家熟知的阿法狗的公司）；
- 恩智浦在2015年以118亿美元收购飞思卡尔，确保其芯片能够应用于从娱乐和安全系统到几乎所有连接元件的所有产品；
- 脸书在2017年收购了老员工所创立的AI公司Ozlo，为AI技术加码；
- 英特尔于2017年以150亿美元收购以色列自动驾驶技术公司MobileEye，加大在AI及无人驾驶上的投入；
- 今年黑莓更是以14亿美元现金购买终端安全提供商Cylance，为实现物联网（IoT）添加优势；
除此之外，根据CB Insights的数据，2017年投资者向AI创业公司投入了152亿美元，比2016年增加了141%。这种速度一直持续到2018年。Venture Scanner报告称2018年第二季度人工智能公司的投资额达到创纪录的44亿美元，比2017年同期增长19%。
AI领域发展如此迅速，全球市场寄予厚望。无论从研发力度还是市场的受欢迎程度，我们都可轻松感受到人们对AI的狂热，如智能音箱、语音智能识别、智能监控等等。
而人工智能（AI）就如字面意思一样，让机器完成人类的工作。虽说目前大部分都是弱人工智能，因为目前它是根据人类的“建议”在熟悉情景下作出合乎规律的行为，同时这些工作内容是具有规律性和重复性的，所以AI能够根据算法模型自动模拟人类工作内容。但根据Statista报告显示，预计到2025年人工智能（AI）行业收入能够达898亿美元，可想AI现在所带来的影响是有多大，更不用说未来的强AI了。
取自Statista
牡丹虽好，终须绿叶扶持
AI技术日渐呈多树状发展。无论最终如何，还是要解决场景化和产品化的落地，而硬件是不可或缺的一部分。
在这AI浪潮当中，英伟达、英特尔等老牌芯片厂商频频出新夺人眼球，IBM、AMD、谷歌、ARM、苹果、高通、博通则紧随其后。其中英伟达及其用于高性能计算（HPC）和人工智能（AI）的并行处理平台，即 GPU 和 CUDA 编程平台。英伟达的数据中心业务从2016年的3.39亿美元到2017年增长到8.3亿美元，主要依靠AI和自动驾驶汽车的技术和产品需求的关键推动力。
GPU有什么用处？
众所周知，计算机系统的核心在于CPU。而这一小片的通用处理器几乎可以处理任何任务。它们仅限于某些基本的数学计算。复杂的任务可能就需要组合，需要更长的处理时间。
显卡与GPU或是许多人都安装的专用处理器，这些处理器专注处理2D、3D图形相关的复杂计算，甚至更擅长于渲染某些计算。正因如此，现在有一种趋势，人们正在利用计算机的GPU来支援CPU并加速各种任务。
-视频加速
GPU设计用于处理3D图形之外的第一个真正应用是视频。高清视频流需要解码压缩数据以产生其高分辨率图像。ATI和NVIDIA都开发了软件代码，允许GPU处理此解码过程，而不是依赖CPU。这对于那些希望使用计算机在PC上观看HDTV或蓝光电影的人来说非常重要。随着4K视频的发展和5G的普及，处理视频所需的处理能力变得更高。
这样的分支就是能够让显卡帮助将视频从一种图形格式转码到另一种图形格式。这方面的一个例子可能是将视频源（例如来自正被编码的视频摄像头）刻录成DVD。为此，计算机必须采用一种格式并在另一种格式中重新呈现。这将使用大量的计算能力。通过使用GPU的特殊视频功能，计算机可以比仅依靠CPU更快地完成转码过程。
-图像处理
GPU可以准确处理数百万张图像，以发现差异和相似之处。这种能力广泛用于边境控制，安全和医疗X射线处理等行业。
-大数据
与CPU相比，数千个计算核心和10-100倍应用程序吞吐量，GPU是处理科学家和工业大数据的最优选择。GPU用于描述数据交互式可视化，并且它们与其他数据集集成以便探索数据的量和速度。例如，我们现在能够通过处理数据和分析协方差来启动基因定位，以了解不同基因组合之间的关系。
-机器学习
GPU的存在让机器学习提高了一个等级。而深度学习是使用复杂的神经网络来创建可以从大量未标记的训练数据中执行特征检测的系统。GPU可以处理大量的训练数据，并在图像和视频分析，语音识别和自然语言处理，自动驾驶汽车，计算机视觉等领域训练神经网络。
在以上领域里，GPU不但已有所建树，如AI制图、AI安保监控、大数据智能分析等等，而且随着5G的逐渐普及，GPU本身也在加速更新换代。
那GPU就一定是适合AI么？为什么不是CPU？
如果你仔细留意AI算法,您将看到一个模式,它们是分布式的。深度神经网络和大多数ML可以被视为并行问题。这意味着像GPU的并行计算解决方案可以在AI算法上加快90%左右,只有少数算法如树遍历或递归算法是不平行的，此时使用CPU处理这些可以更有效率。
GPU最适合加速分布式的算法,每个单元的分布式系统独立于其他单位工作。因此，像大多数AI算法一样，神经网络中的处理节点集合属于这一类。因此神经网络将学习GPU比CPU快几倍。
再看个简单的例子，你可以查到英伟达的 Geforce GTX Titan X拥有3072个核心，相比一个普通的CPU，只有2-4个核心。因此每当您面临大规模并行化可能加速的任务时，GPU的工作速度会快几个数量级。
但需要留意的是，GPU不是CPU架构的替代品。相反，它们是现有基础设施的强大加速器。GPU加速计算将应用程序的计算密集型部分放到GPU，而其余代码仍在CPU上运行。从用户的角度来看，应用程序的运行速度要快得多。虽然通用计算仍然是CPU的领域，但GPU是几乎所有密集型计算应用程序的硬件主干。
AI爱女性？
数据源自AlphaBeta, The Automation Advantage; ABS
可以说，GPU能够帮助AI更容易更快地根据算法模型自动模拟人类工作内容，而AI也让女性愈加发挥光芒，在但有人可能会问难道女性的工作有什么特别之处吗？
从上面图表我们可以看出，较高可自动化的工作出现在右侧，而男性工人比例更高的工作似乎更接近顶部。相反，很多女性的工作都不太容易受到自动化的影响，包括助产士，护士和理发师，就是图表中的橙色圈圈。而工人在体力劳动上花费大量时间的工作更容易受到自动化的影响，包括抹灰和涂漆等工作，它们聚集在图表的右上角（绿色圆圈），因为男性在这些角色中占主导地位。
据AlphaBeta分析，建筑和采矿业的劳动力在可自动化任务上花费的时间比例最大，占86％。在这些工作当中，98％的工人都是男性。另一方面，由男性主导的前10名工作中，只有电工，电子和ICT通信工作人员将不到50％的时间花在自动化任务上。在女性中，以女性为主的前10职业当中，只有键盘操作员花超过50%时间在可实现自动化任务上。
该份报告也表明，到2030年，机器每周只需花费两个多小时就能完成最重复的手动任务。
同时，美国广播公司新闻分析发现，最容易实现自动化的工作更容易由男性和低收入的工人执行。再看悉尼大学数据科学中心的 Hugh Durrant-Whyte 解释，女性在社会同情心、人际关系技巧和创造力方面的工作中，例如教师、保母、护理师等工作，佔据较多的职位。
换句话说，非重复性的工作需要更多感性的因素，而女性的直觉性思维很发达，她们除了靠逻辑推理，还依靠一种“直觉”就可以得出结论。而且比起男性，女性的情感与关怀能力比较强，让人更愿意与之合作。所以说女性能够在该类领域下充当重要的角色，而这是男性和AI很难做到的。
除了以上所说的，女性在AI本身，甚至在科技领域里逐渐发挥着更大的作用。
技术女性的未来
根据Girl Scouts Research Institute报告称，以往女性由于缺少女性导师、STEM（科学、技术、工程、数学）类实践经验少、性别不平等等原因导致年轻女性不投身于STEM行业。现在很容易说，现在技术女性依然是少数。他们只拥有24％的计算机科学工作，而1995年有37％。自前谷歌高级软件工程师詹姆斯达莫尔在表达“性别成见”后被解雇，以及Uber前工程师苏珊·福勒性骚扰事件，都展示了科技世界的丑陋底层。但现在，许多公司正在帮忙缩小这个分歧，如以更高的价格聘请或挽留女职员，鼓励女性领导层，关注成果而非所耗时间以及在公司政策上加上保护女性权益等等措施。
同时女性也在技术领域里开始扭转局面，在福布斯公布的2017年最具影响力的技术女性里，Facebook的COO雪莉·桑德伯格（Sheryl Sandberg）连续第六年位居技术榜首（并且在整个福布斯最具影响力女性榜单中排名第四）。作为这家科技巨头的二把手，她努力通过精益组织在高级管理层中实现更大的性别平等。在我国，女性企业家也同样发出光芒，最好的例子就是大家所熟知的阿里巴巴资深副总裁彭蕾，以及滴滴出行总裁柳青，她们分别排名第七和第十。
随着越来越多的行业完成数字化，科技也将充满我们生活的每个部分，商业和社会也将受益于AI所带来的多样化和新劳动力涌入，将来我们不仅要运用我们的手和思想，还要运用我们的心和情感来工作。正如在STEM领域中需要更多女性一样，解决AI做不了的问题，处理男性做不好的事情。如果我们能够做到这一点，那么技术将不会取代我们。女性是否能够在未来社会占有主话语权我们暂时不得而知，但相信在社会和科技的共同进步下，女性在科技领域里的将会获得更多的重视和更好的位置。