要像人类一样聪明 AI先得突破算力极限( 二 )


谭茗洲说 , 目前人工智能的无用计算较多 。 现在人工智能还像不断灌水一样 , 处在输入数据、调整参数的阶段 , 是个“黑盒子”模式 , 特别在图片视频方面消耗很多能量 , 而其中真正的有效计算却不多 , 非常浪费能源 。 今后AI有待在“可解释性”上进行突破 , 搞清是什么原因导致后面的结果 , 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 , 将大大推动深度学习的发展 。
计算储存一体化 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发展 , 但计算力确实提高了参与人工智能研究的门槛 。 ”谭茗洲指出 。
除了研发资金的增长 , 在计算力爆发之前的很长一段时间 , 产生数据的场景随着互联网的发展渗透到生活、生产的各个角落 , 并且随着通讯技术的进步 , 尤其是5G的商用 , 使得产生数据的基础场景覆盖面和深度达到新的层次 , 数据的生产也将达到一个新的数量级 。
2020年伊始 , 阿里达摩院发布《2020十大科技趋势》报告显示 , 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 。 这个报告提出策略 , 对于广义上计算存储一体化计算架构的发展 , 近期策略的关键在于通过芯片设计、集成、封装技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 , 缓解由于数据搬运产生的瓶颈;中期规划是通过架构方面的创新 , 设存储器于计算单元中或者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创新 , 实现器件既是存储单元也是计算单元 , 不分彼此 , 融为一体 , 成为真正的计算存储一体化 。 近年来 , 一些新型非易失存储器 , 如阻变内存 , 显示了一定的计算存储融合的潜力 。
据介绍 , 计算存储一体化正在助力、推动算法升级 , 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算法设计有更充分的想象力 , 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 。
而除了计算存储一体化的趋势 , 量子计算或是解决AI所需巨额算力的另一途径 。 目前量子计算机的发展已经超越传统计算机的摩尔定律 , 以传统计算机的计算能力为基本参考 , 量子计算机的算力正迅速发展 。
谭茗洲表示 , 未来人工智能的突破 , 除了不断提升技术本身之外 , 还需要全球各国协同创新 , 融合发展 , 探索新的合作模式 , 如采取共享思维 , 调动世界各方面的计算资源集中发力 , 以降低计算的巨大成本 。
人工智能计算力展现五大发展趋势
互联网数据中心(IDC)与浪潮联合发布的《2019—2020中国人工智能计算力发展评估报告》指出 , 全球新创建的数据量将从2018年的33ZB增长到2025年的175ZB 。 随着数据持续爆炸性增长及算法的不断演进 , 未来算力仍有很大的发展空间 。
该报告公布的最新中国人工智能计算力城市排名显示:排在前5位的城市依次为北京、杭州、深圳、上海、广州;排名6—10位的城市是合肥、苏州、重庆、南京、西安 。
【要像人类一样聪明 AI先得突破算力极限】报告还提出了未来人工智能计算力发展的5个重要趋势 , 一是到2022年 , 人工智能推理市场占比将超过训练市场;二是预计到2023年 , 中国人工智能基础架构市场未来5年复合增长率将达到33.8% , 是中国整体基础架构市场增速的3倍以上;三是5G和物联网将推动边缘、端侧人工智能基础架构的快速发展;四是人工智能与云的融合将进一步加速 , 未来5年AIaaS(人工智能基础设施即服务)市场规模的年复合增长率预计达到66%;五是随着计算力的提升 , 越来越多的企业将参与到人工智能开源软件的研发和行业性能评测基准的建设中 。 (采访人员 华凌)

推荐阅读