英特爾：新的芯片材料將使人工智能研究取得巨大進展
在洛佩茲研究公司（Lopez Research）最近進行的一項調查中，86%的公司表示，他們認為人工智能對他們的業(yè)務具有戰(zhàn)略意義，而只有36%的公司認為他們在人工智能方面確實取得了有意義的進展。為什么會產生差距？英特爾人工智能產品副總裁兼首席技術官Amir Khosrowshahi和物聯網總經理Jonathan Ballon在VentureBeat 2019年舊金山轉型大會上分享了他們的想法。根據Khosrowshahi的說法，人工智能使用的障礙比過去要低得多。他認為，改變的是“每一個行業(yè)”的初創(chuàng)企業(yè)和開發(fā)人員，不僅僅是學術界和大公司，現在除了在生產中實現機器學習所需的工具和培訓之外，還可以訪問大量數據。這一看法與Gartner今年1月的一份報告相吻合。該報告發(fā)現，人工智能的實現在過去四年里增長了270%，僅去年一年就增長了37%。這一比例高于2015年的10%，考慮到一些人估計，到2022年，企業(yè)人工智能市場的價值將達到61.4億美元，這并不奇怪。Khosrowshahi說，對一些項目來說，確定正確的工具依舊是一個障礙?！叭绻阍谧鲆恍┗谠频氖虑椋憔涂梢赃\用大量的計算資源。以及所有這些你可以用來執(zhí)行特定任務的東西。但我們發(fā)現，幾乎一半的部署和全球一半的數據都位于數據中心之外，因此客戶希望能夠在數據創(chuàng)建之初就訪問這些數據?！比藗儗Α斑吘壢斯ぶ悄堋比找嬖鲩L的興趣在一定程度上已經超過了硬件，而硬件中的大部分實際上無法完成更適合數據中心的任務。如果沒有谷歌的張量處理單元和英特爾即將推出的用于訓練的Nervana神經網絡處理器（也稱為NNP-T 1000）等尖端云芯片的幫助，訓練最先進的人工智能模型將會耗費無限的時間。Khosrowshahi說：“處理器冷卻基礎設施、軟件框架等等已經真正啟用了（這些人工智能模型），這是一種巨大的計算量?！薄埃ㄒ磺卸际顷P于）擴大處理計算的規(guī)模，并在專用硬件基礎設施上運行所有東西?！彼槠矝]有幫助。盡管谷歌的TensorFlow和Open Neural Network Exchange（一種用于在不一樣框架之間交換神經網絡模型的開放容器格式）等工具的大量涌現，但開發(fā)人員的體驗并沒有得到特別的簡化。Ballon說：“當你看到與實際部署人工智能模型相關的工作流時，從數據科學家（和）使用程序開發(fā)人員（那里）抽象出硬件體系結構的程度需要走很長的路。”“我們還沒有做到這一點，在達到這一點之前，我認為軟件開發(fā)人員有責任了解各種硬件選擇的優(yōu)缺點?！彪m然沒有什么靈丹妙藥，但Ballon和Khosrowshahi都相信，硬件創(chuàng)新有潛力讓強大的人工智能進一步平民化。Khosrowshahi看好新型晶體管，這種晶體管依靠多鐵材料和拓撲材料來運行機器學習算法。所謂的MESO設備有望比現在主要基于互補金屬氧化物半導體（CMOS）的微處理器節(jié)能10到100倍。更不用說光芯片只需要有限的能量（因為光產生的熱量比電少），而且不太容易受到環(huán)境溫度、電磁場和其他噪聲的影響。在功耗“數量級”較低的情況下，光子規(guī)劃的延遲比硅規(guī)劃的延遲提升了1萬倍，在初步測驗中，某些矩陣向量乘法的速度比最先進的電子芯片快100倍。Khosrowshahi說：“我們可以為數據中心計算的未來開發(fā)一些新的材料，我認為這就是未來?！薄斑@并非不可能實現，圍繞人工智能的所有期望將真正加速這一非常困難的領域，將這些新材料納入產品?！?/p>