人工智能根技术

许多人还记得，2016年，这个人工智能程序的“前辈”AlphaGo第一次战胜人类世界顶级围棋选手。一年后，继任者AlphaGoZero通过规则输入和自我博弈进行学习，在仅40天的训练后成功击败上一代产品。不久之后，9小时掌握国际象棋、12小时掌握日本将棋、13天掌握围棋的AlphaZero出世……

是什么让人工智能飞速进化?

如果把人工智能比作一棵“技术树”，击败人类棋手的人工智能程序只是“树冠”，为整棵树提供滋养、使其不断升级的，则是围绕基础软硬件的人工智能根技术。

中国科学技术信息研究所党委书记赵志耘告诉《瞭望》新闻周刊记者，人工智能根技术，是指那些能够支撑人工智能技术发展和支撑人工智能产业衍生的基础研究和关键技术，比如人工智能芯片、系统框架等。

根深叶茂。某种程度上，根技术，决定着产业发展的兴衰。

根技术左右人工智能生态

人工智能对计算能力的需求有多强?

据硅谷非营利组织OpenAI测算，2012年开始，全球人工智能训练所用的计算量呈现指数增长，平均每3.43个月便会翻一倍，目前计算量已扩大30万倍，远超算力增长速度。传统的CPU架构早已无法满足深度学习对算力的需求，AlphaGo的硬件基础就是专注神经网络算法、大幅加快运算速度的TPU芯片。

可以说，作为算力的关键基础，人工智能芯片的性能决定着人工智能产业的发展。

清华大学微纳电子系教授魏少军指出，现有CPU、GPU、FPGA等芯片的基本架构早在这次人工智能突破之前就已经存在了，并不是为人工智能而专门设计的，因此不能完美地承担实现人工智能的任务。人工智能对芯片的要求，除了足够的算力和极高的能效比，还需要一个高能效、通用的计算引擎。

魏少军认为人工智能芯片至少应有以下几个特质：第一，可编程性，要适应算法的演进和应对多样性，因为算法不稳定，在不断变化;第二，架构动态可变性，要适应不同算法;第三，高效的架构变换能力，因为不同的运算要求变换不同的架构。

除此之外，AlphaGo之所以能在极短时间内快速“进化”，算法的提升同样功不可没，背后是人工智能算法框架使然。

赛迪智库信息化与软件产业研究所信息技术研究室负责人许亚倩说，算法框架能够极大地提高人工智能学习效率。一方面，算法框架降低了深度学习的难度，提供进行深度学习的底层架构、接口，以及大量训练好的神经网络模型，减少用户的编程耗时。另一方面，大部分深度学习框架具有良好的可扩展性，支持将复杂的计算任务优化后在多个服务器的CPU、GPU或TPU中并行运行，缩短模型的训练时间。

（编辑：大同站长网）

【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!