2019年人工智能對高性能計算的十種影響

采用人工智能的工作負載如今變得無(wú)處不在，其中有的工作負載在世界上運行最快的計算機上運行，從而改進(jìn)高性能計算（HPC）。隨著(zhù)組織規劃未來(lái)的發(fā)展，需要解決人工智能工作負載的編程、軟件需求、硬件需求和培訓需求等問(wèn)題。在2019年，行業(yè)專(zhuān)家和人工智能專(zhuān)家將繼續創(chuàng )造創(chuàng )新的解決方案。

以下是人工智能在2019年對高性能計算產(chǎn)生最大影響的十種方式：

1.張量（Tensors）：人工智能計算的通用語(yǔ)言

向量代數的應用催生出為向量計算設計的計算機。Cray公司早期推出的超級計算機就是一種向量超級計算機，它將應用程序表達為向量和矩陣代數問(wèn)題，這反過(guò)來(lái)又加強了計算機的設計，以確保向量計算的快速運行。多年來(lái)，這種強化循環(huán)強烈定義了高性能計算（HPC）。張量代數可以被接受為廣義矩陣代數，因此它是超級計算機數學(xué)能力的自然演化，而不是一場(chǎng)革命。任何支持矩陣運算的機器都可以進(jìn)行張量運算。如今的CPU的用戶(hù)采用編譯器，加速采用Pythons，加強庫和優(yōu)化框架的支持，獲得對向量和張量的高性能支持，所有這些都允許軟件開(kāi)發(fā)人員使用高性能環(huán)境中的向量和張量。

張量技術(shù)在硬件、軟件和人們的思想上都在高性能計算應用中留下了深刻的印象。

2.語(yǔ)言：高級程序設計

Fortran程序在消耗周期方面占據了高性能計算的主導地位，C和C ＋＋程序幾乎耗盡了高性能計算中的其他資源。通常通過(guò)C接口、擴展和庫來(lái)支持加速器周期。嘗試使用新語(yǔ)言來(lái)破壞這種情況已經(jīng)失敗，因為現有語(yǔ)言具有適合構成高性能計算的應用程序的用戶(hù)、代碼和支持。

人工智能為新用戶(hù)帶來(lái)了新的需求，這將擴展與高性能計算相關(guān)的語(yǔ)言，并不會(huì )改變大多數使用Fortran代碼的物理學(xué)家的活動(dòng)，但使用MATLAB和Python的數據科學(xué)家需要根據他們的需求量身定制解決方案。

Python以及其他生產(chǎn)力語(yǔ)言和框架似乎將成為越來(lái)越多的高性能計算（HPC）周期的主人。他們的實(shí)際數字運算程序仍將用C／C ＋＋／Fortran編寫(xiě)，但人工智能程序員既不會(huì )知道，也不會(huì )關(guān)心它。

3.以不同方式思考：通過(guò)利用機會(huì )重新思考方法來(lái)替換遺留代碼

高性能計算（HPC）是一種傳統技術(shù)，人工智能相對來(lái)說(shuō)是一種新技術(shù)。顯然，隨著(zhù)人工智能的成熟，它將創(chuàng )造自己需要支持的重要遺產(chǎn)。就目前而言，當這兩種技術(shù)結合時(shí)，它將鼓勵有關(guān)重新實(shí)現遺留代碼的對話(huà)，這在某些情況下可能已經(jīng)過(guò)期。其借口可能是為代碼添加一些人工智能功能，但現實(shí)將是一些有益的努力以及一些嚴重的時(shí)間浪費。

4.可移植性和安全性：虛擬化和容器

可以安全地在機器上運行嗎？這是虛擬化和容器試圖解決的安全性和可移植性問(wèn)題。當然，安全性來(lái)自于良好構建的硬件和軟件的安全功能。對于許多人來(lái)說(shuō)，虛擬化和容器似乎是最好的組合。

容器已引起許多開(kāi)發(fā)人員對虛擬機的關(guān)注，因為在部署、修補、云計算多功能性方面，它們被視為比虛擬機更靈活，并且可以節省虛擬機許可成本。

在面向高性能計算或人工智能的會(huì )議上談?wù)撊萜骷夹g(shù)似乎并沒(méi)有太大的進(jìn)展，這并不奇怪。例如，Python和Julia在精心配置時(shí)可以更好地擴展，而容器可以幫助部署。

容器提供了一種為用戶(hù)提供良好調整環(huán)境的自然方式，高性能計算行業(yè)將在2019年看到越來(lái)越多的容器使用，部分原因是由于人工智能用戶(hù)的興趣。毫無(wú)疑問(wèn)，高性能計算會(huì )對其實(shí)例施加壓力，這是需要優(yōu)化的生態(tài)系統。這個(gè)領(lǐng)域正在進(jìn)行這方面的大量工作，高性能計算的社區將幫助所有人實(shí)現這一目標，以滿(mǎn)足對容器的渴望。

5.規模問(wèn)題：大數據

哪里有人工智能，哪里就有大數據。人工智能社區的主要關(guān)注點(diǎn)是在使用非常大的數據模型中獲取意義。采用的高性能計算應用程序需要大量文件，許多高性能計算運行中心已經(jīng)有很多基礎設施可以很好地處理大數據問(wèn)題。

所有高性能計算中心都將大數據作為新系統的主要要求考慮在內，人工智能工作負載是大數據需求的主要動(dòng)力。

內存的價(jià)格高昂，但人們已經(jīng)看到內存容量與flop／s的比率多年來(lái)一直在下降。這是影響大數據發(fā)展的趨勢。圍繞內存的新功能提供了扭轉這一趨勢的希望，并支持人們需要的大型機器（包括高性能計算機）中的大數據模型。這些新的內存技術(shù)提供了內存和本地存儲器（SSD）的擴展。

高性能計算對于人工智能的發(fā)展發(fā)揮重要作用。組織希望把數據放在離處理器更近的地方，這是最適合做真實(shí)數據可視化的處理器，是高性能計算影響人工智能／機器學(xué)習的最大方式之一。使用和理解大數據的概念，以及可視化數據和分析，是相互交織的。