人工智能“动脑” 背后算力耗损惊人

算法、数据和算力被视为敦促人工智能成长的三大体素，个中算力更是被形容为支撑人工智能走向应用的“动员机”。人工智能研究组织OpenAI最近指出，“高级人工智能所需的计较手段每三个半月就会翻一番”。

克日，脸谱（Facebook）人工智能副总裁杰罗姆·佩森蒂在接管《连线》杂志采访时以为，AI科研本钱的一连上涨，或导致我们在该规模的研究碰鼻，此刻已经到了一个必要从本钱效益等方面思量的境地，我们必要清晰怎样从现有的计较力中得到最大的收益。

那么，为何人工智能必要云云强盛的计较手段？计较手段是否会限定人工智能的成长？我们可否不绝满意人工智能一连扩大的计较需求？

人工智能“动脑” 背后算力耗损惊人

“2016年3月，谷歌人工智能阿尔法围棋（AlphaGo）克服韩国棋手李世石时，人们慨叹人工智能的强盛，而其背后庞大的‘支付’却鲜为人知——数千台处事器、上千块CPU、高机能显卡以及对弈一场棋所耗损的惊人电量。”眺望智库人工智能奇迹部部长、图灵呆板人首席计谋官谭茗洲在接管科技日报记者采访时暗示。

“对比云计较和大数据等应用，人工智能对计较力的需求险些无尽头。”中国工程院院士、海潮团体首席科学家王恩东指出。

据先容，人工智能最大的挑衅之一是辨认度不高、精确度不高，进步精确度就要进步模子的局限和风雅度，进步线下实习的频次，这必要更强的计较力。精确度也是算出来的，好比大型互联网公司可能知绅士工智能创业公司，有手段陈设局限较量大的人工智能计较平台，算法的模子已经到达千亿参数、万亿的实习数据集局限。

“此刻人工智能运用的深度进修框架，大都依靠大数据举办科研实习，形成有用模子，这些都必要较高的计较力。”谭茗洲指出，当前跟着人工智能算法模子的伟大度和精度愈来愈高，互联网和物联网发生的数据呈几许倍数增添，在数据量和算法模子的双层叠加下，人工智能对计较的需求越来越大。无疑，人工智能走向深度进修，计较力已成为评价人工智能研究本钱的重要指标。可以说，计较力等于出产力。

数据搬运频仍 “内存墙”题目凸显

人工智能为何云云淹灭算力？详细而言，在经典的冯·诺伊曼计较机架构中，存储单位和计较单位泾渭理解。运算时，必要将数据从存储单位读取到计较单位，运算后会把功效写回存储单位。在大数据驱动的人工智能期间，AI运算中数据搬运越发频仍，必要存储和处理赏罚的数据量远宏大于之前常见的应用。当运算手段到达必然水平，因为会见存储器的速率无法跟上运算部件耗损数据的速率，因此再增进运算部件也无法获得充实操作，就形成了所谓的冯·诺伊曼“瓶颈”或“内存墙”题目。这就犹如一台马力强劲的动员机，却由于输油管的窄小而无法发生应有的动力。

显然，频仍的数据搬运导致的算力瓶颈，已经成为对更为先辈算法试探的限定身分。而算力瓶颈对更先辈、伟大度更高的AI模子的研究将发生更大影响。

王恩东曾指出：“计较力的晋升对系统布局提出挑衅。在半导体技能慢慢靠近极限的环境下，计较机成长迎来系统布局创新的黄金期，计较力的晋升将更多通过系统布局创新来满意。”

据相识，最先辈的天然说话处理赏罚模子XLNet约有4亿模子参数。据估算，人脑中细胞间互联轴突个数在百万亿到万万亿数目级。显然AI在认知题目上离我们追求的所谓通用人工智能尚有庞大差距，而要到达通用人工智能的程度，估量研究所必要的计较手段和计较体系的能源服从将比此刻至少进步几个数目级。因此人工智能要进一步打破，必需回收新的计较架构，办理存储单位和计较单位疏散带来的算力瓶颈。

谭茗洲说，今朝人工智能的无用计较较多。此刻人工智能还像不绝灌水一样，处在输入数据、调解参数的阶段，是个“黑盒子”模式，出格在图片视频方面耗损许多能量，而个中真正的有用计较却不多，很是挥霍能源。此后AI有待在“可表明性”长举办打破，搞清是什么缘故起因导致后头的功效，这样可以精准运用数据和算力，镌汰运算量。这也是今朝重要的研究课题，将敦促深度进修的成长。

计较储存一体化 或成下一代体系进口

“固然今朝阶段计较力还谈不上限定人工智能的成长，但计较力确实进步了参加人工智能研究的门槛。”谭茗洲指出。

除了研发资金的增添，在计较力发作之前的很长一段时刻，发生数据的场景跟着互联网的成长渗出到糊口、出产的各个角落，而且跟着通信技能的前进，尤其是5G的商用，使得发生数据的基本场景包围面和深度到达新的条理，数据的出产也将到达一个新的数目级。

2020年伊始，阿里达摩院宣布《2020十大科技趋势》陈诉表现，在人工智能方面，计较存储一体化，相同于人脑，将数据存储单位和计较单位融为一体，能明显镌汰数据搬运，极大进步计较并行度和能效。

然而，计较存储一体化的研究无法一挥而就。这个陈诉提出计策，对付广义上计较存储一体化计较架构的成长，近期计策的要害在于通过芯片计划、集成、封装技能拉近存储单位与计较单位的间隔，增进带宽，低落数据搬运的价钱，缓解因为数据搬运发生的瓶颈；中期筹划是通过架构方面的创新，设存储器于计较单位中可能置计较单位于存储模块内，可以实现计较和存储你中有我，我中有你；远期瞻望是通过器件层面的创新，实现器件既是存储单位也是计较单位，不分互相，融为一体，成为真正的计较存储一体化。连年来，一些新型非易失存储器，如阻变内存，表现了必然的计较存储融合的潜力。

据先容，计较存储一体化正在助力、敦促算法进级，成为下一代AI体系的进口。存内计较提供的大局限更高效的算力，使得AI算法计划有更充实的想象力，不再受到算力束缚。从而将硬件上的先辈性，进级为体系、算法的领先上风，最终加快孵化新营业。

而除了计较存储一体化的趋势，量子计较或是办理AI所需巨额算力的另一途径。今朝量子计较机的成长已经逾越传统计较机的摩尔定律，以传统计较机的计较手段为根基参考，量子计较机的算力正敏捷成长。

谭茗洲暗示，将来人工智能的打破，除了不绝晋升技能自己之外，还必要环球各国协同创新，融合成长，试探新的相助模式，如采纳共享思想，替换天下各方面的计较资源齐集发力，以低落计较的庞大本钱。

（编辑：河北网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!