伸博代理网:要像人类一样聪明 AI先得突破算力极限

蚌埠新闻网/2020-01-14/ 分类:六安科技/阅读:

  高级人工智能所需算力每三个半月就会翻一番
  要像人类一样聪颖 AI先得突破算力极限

  算法、数据和算力被视为鞭策人工智能生长的三大约素,此中算力更是被形容为撑持人工智能走向应用的“发动机”。人工智能研究组织OpenAI最近指出,“高级人工智能所需的计算身手每三个半月就会翻一番”。

  近日,脸谱(Facebook)人工智能副总裁杰罗姆·佩森蒂在蒙受《连线》杂志采访时认为,AI科研资本的继续上涨,或导致我们在该领域的研究碰壁,此刻已经到了一个须要从资本效益等方面考虑的地步,我们须要清楚如何从现有的计算力中获得最大的收益。

  那么,为何人工智能须要如此强大的计算身手?计算身手是否会限制人工智能的生长?我们能否不竭满足人工智能继续扩大的计算需求?  

  人工智能“动脑” 暗地里算力消耗惊人

  “2016年3月,谷歌人工智能阿尔法围棋(AlphaGo)战胜韩国棋手李世石时,人们慨叹人工智能的强大,而其暗地里巨大的‘付出’却鲜为人知——数千台供职器、上千块CPU、高性能显卡以及对弈一场棋所消耗的惊人电量。”远望智库人工智能事业部部长、图灵机器人首席策略官谭茗洲在蒙受科技日报记者采访时表示。

  “比拟云计算和大数据等应用,人工智能对计算力的需求几乎无止境。”中国工程院院士、浪潮集团首席科学家王恩东指出。

  据介绍,人工智能最大的挑战之一是辨认度不高、准确度不高,提高准确度就要提高模型的规模和精细度,提高线下训练的频次,这须要更强的计算力。准确度也是算出来的,

皇冠APP

www.amicoegypt.com 皇冠APP是一个提供皇冠代理APP下载、皇冠会员APP下载、皇冠体育最新登录线路、新2皇冠网址的的体育平台。新皇冠体育官网是多年来值得广大客户信赖的平台,我们期待您的到来!

,比方大型互联网公司可能着名人工智能创业公司,有身手放置规模对照大的人工智能计算平台,算法的模型已经到达千亿参数、万也第档练数据集规模。

  “此刻人工智能运用的深度学习框架,大都依赖大数据进行科研训练,形成有效模型,这些都须要较高的计算力。”谭茗洲指出,当前随着人工智能算法模型的复杂度和精度愈来愈高,互联网和物联网发生的数据呈几何倍数增长,在数据量和算法模型的双层叠加下,人工智能对计算的需求越来越大。无疑,人工智能走向深度学习,计算力已成为评价人工智能研究资本的重要指标。可以说,计算力就是出产力。

  数据搬运频繁 “内存墙”问题凹显

  人工智能为何如此耗费算力?具体而言,在经典的冯·诺伊曼计算机架构中,存储单元和计算单元爱憎分明。运算时,须要将数据从存储单元读取到计算单元,运算后会把成效写回存储单元。在大数据驱动的人工智能时代,AI运算中数据搬运更加频繁,须要存储和从事惩罚的数据量远远大于之前罕见的应用。当运算身手到达制止水平,由于造访存储器的速度无法跟上运算部件消耗数据的速度,因此再增加运算部件也无法得到空虚支配,就形成为了所谓的冯·诺伊曼“瓶颈”或“内存墙”问题。这就如同一台马力强劲的发动机,却因为输影架的狭小而无法发生应有的动力。

  显然,频繁的数据搬运导致的算力瓶颈,已经成为对更为先进算法探索的限制因素。而算力瓶颈对更先进、复杂度更高的AI模型的研究将发生更大影响。

  王恩东曾指出:⊥蛊算力的提升对体系布局提出挑战。在半导体技术逐步濒临极限的情况下,计算机生长迎来体系布局立异的黄金期,计算力的提升将更多通过体系布局立异来满足。”

  据了解,最先进的自然语言从事惩罚模型XLNet约有4亿模型参数。据估算,人脑中细胞间互联轴突个数在百万亿到千万亿数量级。显然AI在认知问题上离我们追求的所谓通用人工智能还有巨大差别,而要到达通用人工智能的程度,预计研究所须要的计算身手和计算系统的能源效率将比此刻至少提高几个数量级。因这人工智能要进一步突破,必须采纳新的计算架构,打点存储单元和计算单元拉拢带来的算力瓶颈。

  谭茗洲说,目前人工智能的无用计算较多。此刻人工智能还像不竭灌水一样,处在输入数据、调整参数的阶段,是个“白盒子”模式,出格在图片视频方面消耗不少能量,而此中真正的有效计算却不久不多,非常浪费能源。此后AI有待在“可评释性”前程行突破,搞清是什么原因导致后头的成效,这样可以精准运用数据和算力,大大减少运算量。这也是目前重要的研究课题,将大大鞭策深度学习的生长。

  计算贮存一体化 或成下一代系统入口

  “虽然目前阶段计算力还谈不上限制人工智能的生长,但计算力确实提高了介入人工智能研究的门槛。”谭茗洲指出。

  除研发资金的增长,在计算力暴发之前的很长一段时间,发生数据的场景随着互联网的生长渗透到生活、出产的各个角落,而且随着通讯技术的进步,尤其是5G的商用,使得发生数据的基础场景覆盖面和深度到达新的条理,数据的出产也将到达一个新的数量级。

  2020年伊始,阿里达摩院发布《2020十大科技趋势》陈诉表现,在人工智能方面,计算存储一体化,类似于人脑,将数据存储单元和计算单元融为一体,能显著减少数据搬运,极大提高计算并行度和能效。

  然而,计算存储一体化的研究无法一蹴而就。这个陈诉提出计谋,对于广义上计算存储一体化计算架构的生长,近期计谋的关键在于通过芯片设计、集成、封淄辜术拉近存储单元与计算单元的距离,增加带宽,降低数据搬运的代价,缓解由于数据搬运发生的瓶颈;中期结构是通过架构方面的立异,设存储器于计算单元中可能置计算单元于存储模块内,可以实现计算和存储你中有我,我中有你;远期展望是通过器件层面的立异,实现器件既是存储单元也是计算单元,不分相互,融为一体,成为真正的计算存储一体化。连年来,一些新型非易失存储器,如阻变内存,表现了制止的计算存储融合的潜力。

  据介绍,计算存储一体化正在助力、鞭策算法升级,成为下一代AI系统的入口。存内计算提供的大规模更高效的算力,使得AI算法设计有更空虚的想象力,不再受到算力约束。从而将硬件上的先进性,升级为系统、算法的领先优势,最终加速孵化新业务。

  而除计算存储一体化的趋势,量子计算或是打点AI所需巨额算力的另一途径。目前量子计算机的生长已经逾越传统计算机的摩尔定律,以传统计算机的计算身手为基本参考,量子计算机的算力正迅速生长。

  谭茗洲表示,未来人工智能的突破,除不竭提升技术自己之外,还须要全球各国协同立异,融合生长,探索新的合作模式,如采用共享思维,调换世界各方面的计算资源集中发力,以降低计算的巨大资本。

  延伸阅读

  延伸阅读

  人工智能计算力展现五大生长趋势

广告 330*360
广告 330*360

热门文章

HOT NEWS
  • 周榜
  • 月榜
六安新闻网
微信二维码扫一扫
关注微信公众号
新闻自媒体 Copyright © 2002-2019 六安新闻网 版权所有
二维码
意见反馈 二维码