設為首頁 設為首頁 加入收藏 加入收藏 網站地圖
[請登陸][免費注冊]
搜 索

您的位置 :首頁  新聞產業觀察
算力與算法供需缺口的解決之道
出自:大半導體產業網

?在2019世界人工智能大會騰訊論壇上,英特爾攜手騰訊優圖實驗室推出了AI視覺模組VisionSeed,并宣布將作為首批成員加入Light計劃。當前,英特爾正發力視覺+人工智能領域,攜手生態合作伙伴以領先的視覺和人工智能技術,以期幫助AI開發者、愛好者開發出更多的VI應用。

?

張宇,英特爾中國區物聯網事業部首席技術官兼首席工程師,重點關注邊緣計算和人工智能,專注于人工智能相關的芯片以及相應的軟件和開發的應用。英特爾通過與騰訊長期密切合作,推出了VisionSeed模組。

吳永堅,騰訊優圖實驗室總監、專家研究員,騰訊優圖在從交易者互聯網到產業互聯網過程當中,在以VisionSeed為代表的硬件層面,在解決方案開發以及對應的研究和應用相結合的基礎上,展開積極思考和嘗試。

據騰訊優圖實驗室智能硬件技術負責人梁晨介紹,VisionSeed是一個人工智能視覺模組,融攝像頭、英特爾??Movidius? Myriad? X視覺加速芯片和騰訊優圖的算法和軟件的生態為一體。VisionSeed的設計初心是希望降低AI產品的開發門檻,通過VisionSeed這個模組橋梁,讓廣大硬件產品開發者能夠找到需要的AI算法,也能夠讓AI算法落地到更加廣泛的產品中去。

在英特爾中國區物聯網事業部首席技術官張宇看來,算力和算法兩者之間是相輔相成的,大家肯定希望有無窮的算力,有無盡的優化的高效的算法來解決我的問題。但是在某一個歷史時段,你擁有的算力算法都是有一定的上限的。我們現在做的工作是在目前擁有的算法算力基礎上如何盡可能的解決用戶面臨的問題。

如果說我們只看十幾年人工智能的變化,這一輪的人工智能起點應該是2012年,剛剛吳總也提到了這個關鍵時間點。這個時間點的標志性事件是AlexNet的出現。當時一個叫Alex的學生,他設計的一個AlexNet的深度卷積神經網絡用在了ImageNet競賽當中拿到了冠軍,而且他的成績是超過了以往冠軍的準確度。在那之后,以深度卷積神經網絡為代表的,各種各樣的不同網絡出現在各種不同的應用場景里,包括我們現在看到的在交通領域的車牌識別,零售領域的刷臉支付,包括自然語言處理等等這些都已經開始使用了,包括AlphaGo,AlphaGo也是把圍棋棋盤當作了一個19×19的圖片送到卷積網絡里處理,得到下一步行棋的策略。

在這一輪發展當中,有算法的因素在里面,但是我認為算法在這一輪里不是最核心的,原因是什么呢?因為如果我們看一下上一輪人工智能。上一輪人工智能是生在上世紀90年代,在上世紀90年代的時候,卷積神經網絡這種算法已經被使用了,在上世紀90年代,如果說大家是做人工智能的就會知道,在人工智能領域近20年有三位大神,有一位是Yann,1994年的時候設計了一個網絡叫LeNet,LeNet本質上也是卷積神經網絡。

也就是說我們看到卷積神經網絡的核心方法在上世紀90年代已經被用了,不是一個新的技術。為什么我們說這一輪人工智能起來了,我個人認為這一輪人工智能興起離不開兩個關鍵要素。第一個是算力,的的確確算力推動了人工智能。為什么說算力推動了人工智能?如果說我們看一些關鍵數字,如果說去衡量我們人類所能擁有的算力,其實有一個很好的指標就是超算。因為超算領域是對算力要求最高的一個領域。超算每年都會定期發布全球500強超算榜單,這個榜單第一次發布是在1994年,榜單第一次發布的時候,排名首位的超算,每秒的浮點運算峰值速度是1300億次,今年的第一名這個數字是20億億次,有150萬倍的增長。

隨著算力的增加,帶來的好處是顯而易見的。原來一個深度卷積神經網絡要一個月才可以算好,現在隨著算力提高了之后,我一個小時就可以算好。在這么短的時間里我就可以知道結果,我就可以知道我這個算法,我這個網絡到底好不好,如果說不好我可以做一個調整,調整完了我再算。對于一個學生而言,也許以前我一個學期只嘗試一次,但是有了現在的算力之后,一個月可以嘗試幾百次,這樣我就可以不斷推動算法提升。或者說原來一個很復雜的算法我做不了,現在有了現在的算力我就可以去實現,這就是一個很典型的例子,算力推動了算法不斷提升。

但是反過來,算法對算力也有一些推動作用,為什么?我剛剛說了,我們把人工智能用于邊緣時有一個很大的挑戰邊緣算力有限,復雜算法跑不了,因為還有功耗的限制,所以現在業界在做網絡壓縮,也就是網絡優化,但是實際上網絡優化對硬件是有要求的,有一些特定的優化是需要特定的硬件來支持的,并不是所有硬件都可以跑的。這一塊我們英特爾也一直在看,包括我們下一代芯片針對邊緣設備的AI加速芯片當中,我們會專門增加對網絡壓縮的支持。這就反過來是一個算法對硬件、對芯片的支撐。本輪人工智能第一個要素是算力提升。

第二個要素是數據,現在的人工智能是喂出來了,沒有大量數據很難得到一個好的網絡。這也是為什么人工智能應用最廣的領域是圖片處理,我們看到人工智能在醫學,尤其是疑難雜癥處理上還有一定的欠缺,為什么?因為沒有足夠的訓練數據,所以數據是推動本輪人工智能發展的第二個要素。比如說我們現在看到ImageNet,ImageNet里面有超過1400萬張標注完之后的圖片,有了這些圖片,開發人員就可以做網絡訓練、分類訓練。這可以大大推動圖片圖形人工智能應用的拓展。當然圖片反過來我們看數據的增長其實背后因素是什么?背后因數是通訊技術和存儲技術的提升。為什么?大家想如果說我有1400萬張圖片,每張圖片一般是幾兆的容量,我怎么存?如果說這件事情發生在上世紀90年代,我當時在歐洲讀大學的時候,大家用的移動介質是磁盤,磁盤的容量是1張1M,那時的硬盤也不過幾百兆,如果說要存1400萬張照片,我需要四五千萬張磁盤存儲,這是不可能的。反觀我們現在,我們隨便一個移動硬盤的容量是幾T,又有幾百倍的提升。正是因為算力的提升,存儲能力的提升,推動了本輪人工智能的發展。

張宇展望未來,隨著算力和存儲能力不斷提升會有一些新的算法出現。如果說我們展望未來,我認為在哪些地方可能會有一些新的東西出來呢?一個地方是在訓練上。因為在目前,人工智能的訓練還要消耗非常大的算力,目前能夠承受的只有在數據中心,在云端。它不僅可以給你提供足夠的計算,還可以為你提供足夠的電。這些東西在邊緣我們是做不了的,但是今后隨著算法、算力不斷的提升優化,很可能算力算法會從云端推向邊緣。如果我們展望今后,算力、算法之間互相作用的話,那么會推動一些新的模式出現。

吳永堅強調其非常認同張宇的分析結論:算法、算力和數據。算力這個層面就是從CPU到GPU到AI芯片,整個過程就是不斷算力提升的過程。算法方面,深度學習AlexNet神經網絡的出現,導致了認知的突破,這是算法本身讓你從一個高跳到了另外一個高度,所以認知完全不一樣了。第三個是數據,因為騰訊在互聯網行業,有一個點非常深刻,就是從PC互聯網到移動互聯網,這個過程當中數據產生量是非常巨大的。可以看出PC互聯網時,如果說我們還是處于PC互聯網,哪怕是深度學習、算力都差不多的時候,但是產生出來的效果沒有移動互聯網那么好,因為它的數據沒有移動互聯網產生的數據多,移動互聯網產生的數據和PC互聯網比是有好幾個量級上的增長的,以前你拍照要拿相機,現在只需要一個手機,因此這個量級是完全不一樣的。

現在大家總結深度學習或者是應用可以看出來,深度學習最先應用在消費互聯網,在手機端上先火的,因為它有這個土壤,這三個土壤都齊全了,所以它起來了。從消費互聯網到產業互聯網很重要的一點,因為消費互聯網瓶頸也快到了,但是產業互聯網過去十幾年來很重要的一點就是攝像頭在國內慢慢的普及。設備端起來之后,就像手機端慢慢普及之后,它產生的數據量就很大了。因為我們是做視覺的,這就為下一代視覺能力深度結合,產生在視覺領域這么多的企業,包括騰訊優圖及其他的視覺人工智能公司這幾年這么火,就是因為它儲備的條件都是齊全的。

這些條件都齊全了,大家從一個臺階跳到另外一個臺階,這是從臺階層面發展的。也就是說后面做的事是基于這個臺階上面不斷優化和深化,在上面做調整和不斷向前去走。

關于網絡壓縮,吳永堅透露,騰訊優圖內部也做了不少這方面事情。因為有很多你的模型,比如說人臉里面是幾千層的深度學習模型,但是你直接放到攝像頭里是不行的,所以必須要把它壓縮。深度學習當中有一個Teacher-Student模型,這個“老師”是幾千層的,我這個“學生”可能幾百層甚至更少,但是他們學出來的結果是一樣的,相當于一個胖子通過學習變成一個瘦子出來,這就可以容易放到相應的硬件里。

當然還有一些很具體的算法,比如以前有很多是32浮點的計算,但來我們發現芯片層面可以支持int8或者是FP16更低精度的計算。所以我們要學一個8位的或者是更少位數的,因為這樣就相當于我在端上的計算更快了,我數據傳輸更少了,這是整個趨勢。吳永堅表示,按這個思路走下去,從原來很多東西要放在模型上去做,但是經過細節的優化就可以放到端上去做。這是從網絡的壓縮和模型壓縮以及更低精度的壓縮去做一個具體問題的優化。這應該也是人類發展過程當中的必經之路。首先有一些關鍵的事件出來,比如說深度學習被正名了,比如說三個條件都齊全了,整個認知水平完全不一樣了,比以前提升了很多。后面會有更多細節問題不斷被攻克,比如說網絡壓縮,所以它的Base會不斷向前走。當然,這個Base天花板肯定也是有的,有了之后需要下一步突破口再把這個東西帶到下一步。

人工智能發展的關鍵要素一個是算力,一個中算法,還有一個就是數據。騰訊的微信讓其算法具有數據基礎,在數據基礎上把算法做到最優。而英特爾硬件平臺又把騰訊算法不斷優化達到最優的軟硬結合的效果,這有點AI領域的“wintel”意思。吳永堅稱,當前的人工智能(特別是視覺),只是把一個東西檢測出來,后面更大的理解和分析并沒有真正大規模應用。

 

 

0
文章收入時間: 2019-09-03
 
SEMI簡介 | About SEMI | 聯系我們 | Privacy Policy | semi.org
Copyright © 2018 SEMI®. All rights reserved.
滬ICP備06022522號
滬公網安備31011502000679號
冠赢棋牌 越大在线配资 燕赵福彩排列7综合走势图 甘肃11选5前三直选遗漏表 三分彩是全国开奖吗 好运快三彩票正规吗 股票指数代表什么意思 期期四肖选一肖 股票数据中心 浙江省2004体彩6+1 精准三肖提前公开