机器|世界顶尖科学家论坛｜硅谷“教父”轩尼诗：当摩尔定律走向终结，人工智能何去何从？正在进行的世界顶尖科学家论

文章插图
正在进行的世界顶尖科学家论坛开幕式上， “硅谷教父”约翰·轩尼诗做了关于人工智能的主题演讲。
轩尼诗是一名美国计算机科学家，也是斯坦福大学第十任校长，目前是谷歌母公司——美国阿尔法特公司的董事长。世界上第一个网络浏览器发明者、知名互联网专家马克·安德森称他为“硅谷教父” 。
过去15年，人工智能有了重大的突破
轩尼诗表示，过去15年， AI有很多变革，是革命性突破，给人类提供了很大机会改善生活。就拿自动驾驶来说，从概念变成可能。如果自动驾驶得以实现，可以拯救成千上万的在车祸中的生命和金钱；医疗诊断中， AI识别可以做很多判断，皮肤病变，在大流行发生前就有准备；机器翻译可以接触更多新闻，分享信息……
有一项挑战，机器学习需要大量计算能力，重量级的计算力，如果早期的推理机去训练阿尔法狗，从最新训练到战胜围棋冠军，比早期推理机有1000倍的能力。在卷积神经网络有不断的突破，不到10年时间，算力增加30万倍。我们的挑战就是打造出性能超强计算机，拓展原来的思路。
摩尔定律，差不多两年芯片上的晶体管数量增加一倍，现在我们实现了摩尔定律的15倍能级，晶体管数量500万倍增长。我们达到了摩尔定律的终结阶段，增长曲线越来越慢，这意味着什么？我们需要消耗更多计算能力，不能依赖半导体技术突破，而不是仅仅靠处理器增加。
在大数据中心，我们要训练下一代神经网络，需要更强的处理器指标，我们可以看到1986年-2003年计算机性能有了显著提高，大约1000倍，那之后随着摩尔定律的消退，我们看到了缩放比例定律生效。
摩尔定律即将走到终极，我们该如何做？
轩尼诗说，我们的目标是要做出特定领域的专业处理器。多年来，计算机系统是通用的，它可以运行任何代码，所有的源代码都能在一台机器上运行，我们已经构建了神经网络架构，训练神经网络做一些事情，这是一个计算密集型算法——误差反向传播法，在通用计算机运行很多年以后，常用的方式不那么管用了，而是高密度矩阵乘法。
轩尼诗所做的神经网络，每秒处理92万亿次运算，专门针对逻辑运算。下一代神经网络TPU ，和英特尔核心架构处理器做比较，会发现明显区别，比如在TPU中， 50%硅区用作内存，这对神经网络的推理非常重要。在实际运算中起到关键作用，我们不需要那么多控制逻辑单元，而在TPU中节省下很多。我们要建造的是深层神经网络处理器。通过缩小问题范畴，构建相适应的软件架构，针对神经网络中的推理和训练构建处理器是关键。
人脑VS电脑
人们真正想解决的问题还是人工智能，电脑如何像人类一样思考呢？乐观主义者认为10年就能发生，或者40年。想一想图像识别，机器并不像婴儿那样学习，大脑是有史以来最好的学习机器，他知道猫为什么是猫，机器虽然知道但不能告诉你。大脑的能量效率也是极高的，大概是20瓦，但机器消耗的功率是1000倍。
所以现在的机器和人脑的差距很非常大，但机器也有比人好的地方，机器成为象棋大师只要几天，
我们要搞清楚为什么大脑在那么多方面都能比电脑好，以便我们做出人工智能算法，给世界带来更大的价值。
作者：许琦敏
【机器|世界顶尖科学家论坛｜硅谷“教父”轩尼诗：当摩尔定律走向终结，人工智能何去何从？】编辑：沈湫莎