谷歌發(fā)布強大AI芯片和超算 要轉型硬件制造商？

　　5月18日消息，據technologyreview報道，如果說(shuō)人工智能(AI)能夠迅速蠶食掉軟件，那么谷歌可能擁有最大的胃口。在今年的I/O開(kāi)發(fā)者大會(huì )上，谷歌發(fā)布了更為強大的芯片和以機器學(xué)習為基礎的超級計算機，它們將有助于谷歌成為以AI為重點(diǎn)的硬件制造商。

　　在I/O開(kāi)發(fā)者大會(huì )上，谷歌首席執行官桑達爾·皮查伊(Sundar Pichai)介紹了谷歌研發(fā)的新計算機處理器，用于支持機器學(xué)習技術(shù)。近年來(lái)，機器學(xué)習已經(jīng)在IT行業(yè)掀起強大風(fēng)暴。

　　或許最重要的是，或者說(shuō)至少對于研究機器學(xué)習技術(shù)的人來(lái)說(shuō)，谷歌新的處理器不僅可以更快的速度執行任務(wù)，它還能被以令人難以置信的效率訓練。谷歌新處理器名為云張量處理單元(Cloud Tensor Processing Unit)，它以谷歌的開(kāi)源機器學(xué)習框架TensorFlow的名義命名。

　　訓練是機器學(xué)習領(lǐng)域最基礎的部分。舉例來(lái)說(shuō)，為了開(kāi)發(fā)出能夠識別照片中熱狗的算法，你可能需要訓練算法識別數以萬(wàn)計的熱狗照片，直到其學(xué)會(huì )區分。但是訓練某個(gè)大模型的運算非常復雜，而且這種訓練可能需要持續數天甚至數周。

　　皮查伊還在開(kāi)發(fā)者大會(huì )上公布了機器學(xué)習超級計算機，或稱(chēng)Cloud TPU Pod，它以Cloud TPU集群為基礎，可高速處理數據連接。皮查伊稱(chēng)，谷歌也在研發(fā)TensorFlow Research Cloud，它由數以千計的TPU組成。皮查伊表示：“我們正建立我們所謂的AI優(yōu)先數據中心，Cloud TPU正幫助優(yōu)化訓練和推理，這為AI取得顯著(zhù)進(jìn)步打下基礎?！惫雀鑼⒅圃?000套Cloud TPU系統，為那些愿意公開(kāi)分享自己研發(fā)工作細節的AI研究人員提供支持。

　　皮查伊在主題演講中還宣布多個(gè)AI研究計劃，包括努力開(kāi)發(fā)能夠學(xué)習如何從事耗時(shí)工作的算法，包括微調其他機器學(xué)習算法。他還稱(chēng)，谷歌正為醫學(xué)圖像分析、基因組分析以及分子發(fā)現開(kāi)發(fā)AI工具。在開(kāi)發(fā)者大會(huì )之前，谷歌高級研究員杰夫·迪恩(Jeff Dean)表示，這些項目有助于幫助AI進(jìn)步。他說(shuō)：“許多頂級研究人員還沒(méi)有像他們所希望的那樣，獲得強大的計算能力支持?！?/p>

　　谷歌進(jìn)軍以AI為重點(diǎn)的硬件和云服務(wù)領(lǐng)域，部分原因是受其自身業(yè)務(wù)加速的驅動(dòng)。谷歌已經(jīng)在使用TensorFlow為搜索、語(yǔ)音識別、翻譯以及圖形處理等提供支持。此外，谷歌也在A(yíng)lphabet子公司DeepMind開(kāi)發(fā)的智能程序AlphaGo中使用這種技術(shù)。

　　但從戰略上看，谷歌可能在防止其他公司在機器學(xué)習領(lǐng)域取得主導地位。比如專(zhuān)門(mén)研發(fā)和制造圖形處理芯片的英偉達，其芯片已經(jīng)開(kāi)始被用于深度學(xué)習領(lǐng)域，并在各種產(chǎn)品中變得越來(lái)越突出。為了提供某些措施以衡量其Cloud TPU提供的加速表現，谷歌表示其翻譯算法可能受到訓練，使用新硬件后比現有硬件速度快得多。32個(gè)最好的GPU全天的訓練量，TPU Pod只需要發(fā)揮1/8的水平就可在1個(gè)下午完成。

　　谷歌云計算團隊首席科學(xué)家、斯坦福大學(xué)AI實(shí)驗室主管李飛飛(Fei-Fei Li)稱(chēng)：“這些TPU可提供驚人的128萬(wàn)億次浮點(diǎn)運算，它們是專(zhuān)為驅動(dòng)機器學(xué)習技術(shù)的芯片?！迸c之相比，iPhone 6可提供100萬(wàn)億次浮點(diǎn)運算。谷歌表示，他們還可能為研究人員設計使用其他硬件的算法，這就是他們所謂的“民主化機器學(xué)習”。自從谷歌2015年發(fā)布TensorFlow以來(lái)，越來(lái)越多的研究人員開(kāi)始使用它。谷歌宣稱(chēng)，TensorFlow已經(jīng)成為世界上使用最廣泛的深度學(xué)習框架。

　　機器學(xué)習專(zhuān)家目前正處于供不應求的狀態(tài)，因為許多行業(yè)的公司都希望能夠利用不斷取得進(jìn)展的AI力量。皮查伊表示，解決這種技術(shù)短缺的方案之一就是開(kāi)發(fā)機器學(xué)習軟件，用以取代AI專(zhuān)家開(kāi)發(fā)機器學(xué)習軟件的部分工作。

　　在谷歌開(kāi)發(fā)者大會(huì )上，皮查伊公布了谷歌下屬AI研究團隊Google Brain正正進(jìn)行的AutoML項目，研究人員已經(jīng)展示，他們的學(xué)習算法可以自動(dòng)化執行特定任務(wù)的機器學(xué)習軟件設計中最棘手的部分工作。在某些情況下，他們的自動(dòng)化系統還能夠提出媲美人類(lèi)機器學(xué)習專(zhuān)家甚至超越他們的方案。皮查伊表示：“這讓人感到非常興奮，它可以加速整個(gè)領(lǐng)域發(fā)展，幫助我們解決今天面對的某些最具挑戰性的問(wèn)題?！?/p>

　　皮查伊希望AutoML項目擴大開(kāi)發(fā)者數量，他們可通過(guò)減少專(zhuān)業(yè)知識要求來(lái)更好地利用機器學(xué)習。這非常符合谷歌的定位策略，其云計算服務(wù)成為開(kāi)發(fā)和托管機器學(xué)習的最佳平臺。谷歌也正努力在企業(yè)云計算市場(chǎng)吸引更多新客戶(hù)，因為谷歌在這個(gè)市場(chǎng)落后于亞馬遜和微軟。

　　AutoML項目的目標是幫助人們更容易使用深度學(xué)習技術(shù)，谷歌和其他公司正利用它支持語(yǔ)音識別、圖像識別、翻譯以及機器人研究等。深度學(xué)習可讓數據通過(guò)一系列松散的數學(xué)計算層幫助軟件變得更聰明，這種計算層受到生物學(xué)啟發(fā)，為此被稱(chēng)為人工神經(jīng)網(wǎng)絡(luò )。谷歌AutoML項目機器學(xué)習研究員富國樂(lè )(Quoc Le)表示，為神經(jīng)網(wǎng)絡(luò )的數學(xué)模型選擇正確的框架非常重要，但卻并不容易。