HardwarerevolutionAIintothemainstream，芯片行业的经验法则法则

（原标题：硬件革命将AI推向主流）

网易科技讯 12月17日计算机硬件基础学好有什么，外媒撰文指出，硬件革命已将人工智能推向主流。它大大减少了AI系统的训练时间和成本，并没有把AI变成一场很少有人能参与的军备竞赛。

近年来，随着计算机在日益复杂的任务中表现出优于人类的优势，智能算法已成为人工智能的突破口。

然而，今天，在推动人工智能向前发展方面，另一股力量可能会产生更大的影响。专用芯片和其他硬件的进步提高了最先进的人工智能系统的能力，同时也将这项技术推向了主流。这是否会产生切实的商业利益是另一回事。

斯坦福大学一个研究小组发起的项目 AI Index 清楚地表明了 AI 硬件革命的重要性。最新的人工智能指数试图总结人工智能的进展，捕捉过去 18 个月人工智能最大进展轨迹的变化。

在许多方面，这些算法并没有取得它们近年来取得的飞跃。部分原因是在有些任务中此类技术并没有显着增加：例如在图像识别方面，计算机在超越人类之后并没有做太多事情。

这也反映了要解决的问题越来越难和越来越慢的事实。众所周知，语言是机器智能的下一个前沿领域，尤其难以攻克。虽然语音识别和语言翻译等任务已经解决，但理解和推理仍然是人类主导的领域。

相反，最显着的进步来自硬件。例如，专门设计的芯片用于处理机器学习所需的海量数据，业界正在为此开发专门的系统。

美国研究公司 OpenAI 在 2012 年指出了一个硬件拐点。在此之前，芯片行业的经验法则摩尔定律主导着 AI 计算。摩尔定律指出，处理能力每两年翻一番。

从那时起，人工智能系统就遵循摩尔定律。随着新硬件和更多资源投入到该问题上，最先进的 AI 系统的功能每 3.4 个月就会增加一次。

这种硬件加速存在一个悖论。一方面，在科学的前沿，它把人工智能变成了一场很少有人能参与的军备竞赛。

能够控制大量计算资源的大公司和政府将是唯一能够参与这场竞赛的人。OpenAI的经营理念一直是拥有最大计算机的AI研究人员将继承世界。该组织最近从微软获得了 10 亿美元的投资，以继续参与竞争。

然而，硬件革命的另一个影响是将技术推向主流。谷歌的TPU是世界上最先进的机器学习处理芯片之一，可以通过公司的云计算平台按小时租用（如果你的工作量对时间不敏感，不介意排队，只需每小时 1.$35)。

在硅谷，有一种过度宣称要使新技术“民主化”，但在人工智能领域，这种说法是正确的。随着亚马逊网络服务 (AWS) 等云服务使低成本硬件和机器学习工具广泛可用，训练神经网络——人工智能中计算最密集的部分——突然变得司空见惯。

斯坦福大学的 DawnBench 项目提供了一种对 AI 系统进行基准测试的方法。根据该项目计算机硬件基础学好有什么，在广泛使用的 ImageNet 数据集上训练系统所需的时间在不到两年的时间内从 3 小时下降到 88 秒。这意味着能够将成本从 2,323 美元降至 12 美元。

训练时间和成本的大幅减少是否会使先进的人工智能成为一种实用技术是另一回事。机器学习的广泛影响很难确定，但人工智能指数指出了一个有希望的衡量标准。今年 10 月，美国约有 1.32% 的招聘信息与 AI 相关，高于 2010 年的 0.26%。这个数字仍然很小，“AI”的定义工作”是有争议的，但大方向是明确的。

研究新技术对经济影响的麻省理工学院教授 Erik Brynjolfsson 警告说，雇佣数据科学家和机器学习专家的公司不会立即看到回报：他们首先要通过开发新的工作流程来克服内部瓶颈，以充分利用的技术。

从备受吹捧的技术中获得真正回报的人工智能竞赛已经开始。（乐邦）