硬件革命將人工智能推向主流 大大削減了AI系統(tǒng)的訓(xùn)練時間和成本

12月17日消息，國外媒體撰文指出，硬件革命將人工智能推向主流，它大 大削減了AI系統(tǒng)的訓(xùn)練時間和成本，沒有讓AI變成了一場鮮有人能夠參與的軍備競賽。

近年來，隨著計(jì)算機(jī)在越來越復(fù)雜的任務(wù)中顯示出其相對于人類的優(yōu)越性，智能算法已經(jīng)成為了人工智能領(lǐng)域的一大突破。

然而，如今，在推動人工智能向前發(fā)展方面，另一種力量可能會產(chǎn)生更大的影響。專業(yè)芯片和其他硬件的進(jìn)步提升了最先進(jìn)的人工智能系統(tǒng)的能力，同時也將該類技術(shù)推向主流。這是否能夠產(chǎn)生切實(shí)的商業(yè)利益，則是另一回事。

斯坦福大學(xué)的一個研究小組發(fā)起的項(xiàng)目人工智能指數(shù)（AI Index）清楚地表明了人工智能硬件革命的重要性。最新的AI Index試圖總結(jié)人工智能的進(jìn)展，捕捉到了過去18個月來人工智能最大進(jìn)展的軌跡的一個變化。

從很多層面來看，這些算法并沒有實(shí)現(xiàn)近年來的飛躍。部分原因是，在一些任務(wù)中，該類技術(shù)所取得的成果并沒有顯著增加：例如，在圖像識別方面，計(jì)算機(jī)在完成了對人類的超越以后，便沒有更多的建樹。

這也反映了一個事實(shí)，即有待解決的問題越來越難，進(jìn)展也越來越慢。眾所周知，語言是機(jī)器智能的下一個前沿領(lǐng)域，攻克難度尤其大。雖然語音識別和語言翻譯等任務(wù)已經(jīng)被解決，但理解和推理仍然是人類所統(tǒng)治的一個領(lǐng)域。

相反，最引人注目的進(jìn)步來自硬件。例如，經(jīng)過專門設(shè)計(jì)的芯片被用來處理機(jī)器學(xué)習(xí)所需的大量數(shù)據(jù)，業(yè)界也為針對這項(xiàng)工作開發(fā)專用的系統(tǒng)。

美國研究機(jī)構(gòu)OpenAI指出了2012年出現(xiàn)的一個硬件拐點(diǎn)。在那之前，芯片行業(yè)的經(jīng)驗(yàn)法則摩爾定律（Moore’s Law）在人工智能計(jì)算領(lǐng)域占據(jù)主導(dǎo)地位。摩爾定律是指，處理能力每兩年就會翻一番。

從那時起，人工智能系統(tǒng)就遵循了摩爾定律。隨著新型硬件和更多的資源投入到這個問題上，最先進(jìn)的人工智能系統(tǒng)的能力每3.4個月就提升一番。

這種硬件加速存在一個悖論。一方面，在科學(xué)的前沿，它讓人工智能變成了一場鮮有人能夠參與的軍備競賽。

能夠控制巨大計(jì)算資源的大公司和政府將是唯一有能力參與這場競賽的。OpenAI的運(yùn)營理念一直是，擁有最大計(jì)算機(jī)的人工智能研究人員將會繼承這個世界。該組織最近從微軟獲得了10億美元的投資，來繼續(xù)留在這場競賽當(dāng)中。

然而，硬件革命的另一個影響是，將這項(xiàng)技術(shù)推向了主流。谷歌的TPU是世界上最先進(jìn)的機(jī)器學(xué)習(xí)處理芯片之一，外界可以通過該公司的云計(jì)算平臺按小時租用（如果你的工作負(fù)荷沒有時間敏感性，而且你不介意排隊(duì)等候，只需每小時1.35美元）。

在硅谷，人們過多地主張“大眾化”新技術(shù)，但在人工智能領(lǐng)域，該主張是合理的。隨著亞馬遜網(wǎng)絡(luò)服務(wù)（AWS）等云服務(wù)使得低成本的硬件和機(jī)器學(xué)習(xí)工具得到廣泛使用，訓(xùn)練神經(jīng)網(wǎng)絡(luò)——人工智能中計(jì)算最密集的部分——突然變得普遍觸手可及。

斯坦福大學(xué)的DawnBench項(xiàng)目提供了一種對人工智能系統(tǒng)進(jìn)行基準(zhǔn)測試的方法。根據(jù)該項(xiàng)目的數(shù)據(jù)，在不到兩年的時間里，在被廣泛使用的ImageNet數(shù)據(jù)集上訓(xùn)練一個系統(tǒng)所需的時間已經(jīng)從3小時降至88秒。這意味著能夠?qū)⒊杀緩?323美元大幅削減至12美元。

訓(xùn)練時間和成本的巨大減少是否會讓高級人工智能成為一項(xiàng)實(shí)用技術(shù)，則是另一回事。機(jī)器學(xué)習(xí)的廣泛影響很難確定，但AI Index指向了一個很有前景的衡量標(biāo)準(zhǔn)。今年10月，美國約1.32%的招聘信息與人工智能有關(guān)，高于2010年的0.26%。這個數(shù)字仍然很小，“人工智能工作”的定義也有爭議，但大方向是明確的。

麻省理工學(xué)院教授埃里克·布林約爾松（Erik Brynjolfsson）致力于研究新技術(shù)對經(jīng)濟(jì)的影響，他警告稱，雇傭了數(shù)據(jù)科學(xué)家和機(jī)器學(xué)習(xí)專家的公司不會馬上看到回報：它們首先需要通過開發(fā)最大限度地利用這項(xiàng)技術(shù)所需的新工作流程，以便克服內(nèi)部的瓶頸。

從一項(xiàng)被大肆吹捧的技術(shù)中獲取切實(shí)的回報的人工智能競賽已經(jīng)拉開帷幕。