浮点数是计算机上最常用的数据类型之一，有些语言甚至数值只有浮点型（如Perl，Lua）。常用的浮点数有双精度、单精度和英伟达提出的半精度。双精度和单精度是为了计算，而半精度更多是为了降低数据传输和存储成本。

很多场景对于精度要求也没那么高，例如分布式深度学习里面，如果用半精度的话，比起单精度来可以节省一半传输成本。考虑到深度学习的模型可能会有几亿个参数，使用半精度传输还是非常有价值的。

人工智能（artificial intelligence, AI）自1956年诞生以来已经取得了长足的发展，作为计算机科学的前沿学科，被认为是21世纪三大尖端技术之一，受到了各国政府的重视。传统的AI，人输入的是规则，输出的是答案，而机器学习（machine learning, ML），人输入的是数据和从这些数据中预期得到的答案，系统输出的是规则，将这些规则应用于新的数据，并使计算机自动生成答案。机器学习需要3个要素：输入数据、预期输出、衡量方法，其中衡量方法指计算算法的输出和我们预期输出的差距。衡量结果是一种反馈信号，用来调整算法。从3个要素的角度来看，麻醉学是比较适合机器学习的，因为它具有很多可以作为输入的数据，如BIS、近似熵、多尺度熵等都可以用来评估麻醉深度，血压、心率和血容量等可以用来评估患者的身体情况，医师的诊断可以作为预期输出。

AI在麻醉上的应用是多种多样的，基本覆盖了临床麻醉的全过程。从术前对患者的风险预测并做出预案，给患者进行麻醉及镇静、镇痛、肌松，术中突发情况下的急救复苏，术后对患者的复苏催醒、远期随访，围手术期对患者身体情况进行的监测和相应处理等都有AI的应用，AI在麻醉学上的应用主要包括围手术期不良事件监测、自动评估麻醉深度、麻醉药物自动给药系统及自动超声图像处理等方面。对于麻醉医师来说，了解AI的最新发展，掌握如何高效、安全地利用AI是至关重要的。本文将对AI在麻醉上应用的相关研究进行综述。

因为新冠疫情宅家无事可做，毕业于印度尼西亚Universitas Pelita Harapan的应用数学本科学生 Grady Matthias Oktavian 在从未用过 Python 编程的情况下，仅用不到两个月时间就拿到了谷歌 TensorFlow 开发者证书，并在Medium撰文《How to go from a Python newbie to a Google Certified TensorFlow Developer under two months》介绍这励志故事。

机器学习是一种实现人工智能的方法，深度学习是一种实现机器学习的技术。

机器学习是人工智能的核心，深度学习是主要的机器学习算法。

每年的这个时候，我们都会回顾过去，展望未来。对于数据科学、机器学习和人工智能来说，则是看看什么趋势会加快、什么事情会真正发生、什么事情在未来一年不会发生。

我们一整年都在观察和报道这些趋势，并且我们搜索了网络，咨询了我们的一些专家以了解其他人的想法。