新闻中心

EEPW首页 > 智能计算 > 业界动态 > 谷歌I/O大会总结:人工智能冲破障碍 未来有更多潜力

谷歌I/O大会总结:人工智能冲破障碍 未来有更多潜力

作者:时间:2018-05-15来源:网络收藏

  如果要给今年的I/O开发者大会寻找一个主题,那么就是(AI)已经融入了公司所有要做的事情中。从让人印象深刻的Duplex到全新的第三代Cloud TPU,包括在下一代Android P系统中整合的很多功能,机器学习技术将会继续扮演非常重要的角色,而每年在这个领域都会保持对竞争对手的优势。

本文引用地址:http://www.eepw.com.cn/article/201805/379903.htm

  在这次I/O开发者大会上,许多公司知名的代表人物都纷纷分享了自己对领域的看法。包括Greg Corrado, Diane Greene和Fei-Fei Li谈话,以及Alphabet董事长John Hennessy的演讲,都展示了谷歌最近的突破以及思维变化对计算机领域如何产生影响,进而影响我们的生活。

  谷歌在机器学习和方面的雄心壮志已经采用了“多管齐下”的方法。在云计算中,有专门适用于硬件的机器学习技术和第三代Cloud TPU这种面向开发者的应用工具。还包括TensorFlow以及大量科学界和开发者界的研究也在进行中。

  熟悉的硬件轨道

谷歌I/O大会总结:人工智能冲破障碍 未来有更多潜力

  约翰·亨尼斯是计算机科学行业的资深人士,他在最后一天的演讲中表现非常出色,就像第一天桑达尔·皮查伊的表现一样中肯。在过去的10年里,技术追随者对很多关键的主题都很熟悉,包括摩尔定律的失效、性能效率和电池电源的限制等,现在已经有越来越多的计算方法来解决日益复杂的问题。

  而解决方案就是需要一种新的计算方法,针对特定领域的体系结构。换句话说,为特定的应用程序定制硬件架构,可以最大限度地提高性能和提高能源效率。

  当然,这并不是一个全新的概念,我们已经尝试过在图形任务中使用GPU,而高端智能手机也越来越多的使用包括专门的神经网络处理器在内来处理机器学习任务。智能手机芯片多年来一直在朝着这个方向发展,并且也扩大到了服务器领域。对于机器学习任务来说,硬件正越来越多地围绕低精度的8或16位数据大小进行优化,而不是更大的32或64位的精确浮点数,以及少量专用的高度并行指令,如质量矩阵乘法。与通用的大型指令集CPU和甚至并行GPU计算相比,性能和能源效益是不言自明的。约翰o亨尼斯认为,谷歌的产品将继续使用这些异构的集成芯片和非模离散的组件,这取决于不同的实际用例。

  然而,这种向更广泛的硬件类型的转变带来了新的问题,它增加了硬件的复杂性,破坏了数以百万计的开发人员所依赖的高级编程语言,并进一步破坏了Android平台。

  专用的机器学习硬件如果它的程序非常困难,那么用处就不是很大,或者如果性能被低效的编码语言浪费了。在C语言中,与更友好的Python相比,矩阵乘法的性能差异为47倍。这是一个例子,使用英特尔的特定领域AVX扩展,达到了62806倍的性能改进。但是,仅仅要求专业人士转向低级编程并不是一个可行的选择。相反,他认为编译器需要被重新考虑,以确保程序尽可能高效地运行,而不考虑编程语言。这种差距可能永远不会完全消除,但即使达到25%,也会极大地提高性能。

谷歌I/O大会总结:人工智能冲破障碍 未来有更多潜力

  这也延伸到了亨尼斯设想未来芯片设计的方式。它的编译器可能最终在调度机器学习任务中扮演更重要的角色,而不是依赖于硬件调度和高强度的、投机性的无序机器。可以允许编译器决定哪些操作是并行处理的,而不是在运行时,这是不太灵活的,但是可以带来更好的性能。

  在这里带来另一个好处是,更聪明的编译器还应该能够有效地将代码映射到各种不同的体系结构中,因此相同的软件可以在不同的硬件上尽可能高效地运行,并具有不同的性能目标。

  对软件的潜在转变的影响并不止于此。操作系统和内核可能也需要重新考虑,以便更好地满足机器学习应用程序和各种可能最终在野外生存的硬件配置。即便如此,我们今天在市场上已经看到的硬件,如智能手机NPUs和谷歌的云计算,都是谷歌未来机器学习将如何发展的愿景的一部分。

  人工智能是互联网的一部分

谷歌I/O大会总结:人工智能冲破障碍 未来有更多潜力

  机器学习已经存在了很长一段时间,但直到最近才有了突破,这才使得今天的“人工智能”趋势成为了一个热门话题。更强大的计算硬件的融合,大数据驱动统计学习算法,以及深度学习算法的进步一直是驱动因素。然而,至少从消费者的角度来看,大型机器学习问题似乎是,硬件已经在这里了,但杀手级应用仍然并不明朗。

  不过,谷歌似乎并不认为机器学习的成功取决于某一个单一的杀手级应用。相反,谷歌人工智能专家Greg Corrado, Diane Greene和Fei-Fei Li的小组讨论表明,人工智能将成为新老产业的一个组成部分,增强人类的能力,并最终在可及性和重要性方面变得和互联网一样普遍。

  如今,人工智能为智能手机等产品添加了新动力,但下一步是将人工智能的好处整合到产品工作的核心。谷歌员工似乎特别热衷于将人工智能交付给不同行业,这将使人类受益最大,并解决我们这个时代最具挑战性的问题。有很多关于医学和研究在输入输出方面的好处的讨论,但是机器学习很可能出现在包括农业、银行和金融在内的各种行业中。正如谷歌一直在关注助理的智能功能一样,这是一种更微妙、更隐蔽的用例,它可能最终会对人们的生活产生很大的影响。

  最终,人工智能可以帮助人类走出危险的工作环境,提高生产力。但正如谷歌在Duplex演示所展示的那样,这最终可能会在许多角色中取代人类。随着这些潜在的用例变得更加先进和有争议,机器学习行业将与立法者、伦理学家和历史学家合作,以确保人工智能最终能产生预期的影响。

  尽管许多以工业为基础的机器学习将在幕后进行,但面向消费者的人工智能也将继续前进,并将重点放在更人性化的方法上。换句话说,人工智能将逐渐学习并被用来更好地理解人类的需求,并最终能够理解人类的特征和情感,以便更好地交流和帮助解决问题。

  降低开发门槛

谷歌I/O大会总结:人工智能冲破障碍 未来有更多潜力

  谷歌2018年I/O大会展示了该公司在机器学习方面的领先优势,而不是竞争对手。对一些人来说,谷歌在人工智能领域的垄断前景令人担忧,但幸运的是,该公司正在努力确保其技术得到广泛应用,并越来越简化第三方开发者的应用。如果谷歌的情绪是可信的,那么人工智能将是所有人的。

  TensorFlow和TensorFlow Lite的改进已经让程序员更容易编写他们的机器学习算法,这样就可以花更多的时间来优化任务,减少代码中错误的时间。TensorFlow Lite已经针对智能手机进行了优化,并对未来进行了培训。

  在发布新的ML套件开发平台时,也可以看到谷歌对开发者友好的态度。不需要设计定制模型与ML工具包,程序员只需要提要中的数据和谷歌的平台将自动使用应用程序的最佳算法。目前基本api支持图像标签,文本识别、人脸检测、条码扫描、里程碑式的检测,最后聪明的回答。ML工具包将来也可能会扩展到包含更多的API。

  机器学习和基本的人工智能已经在这里了,尽管我们可能还没有看到一个杀手级应用,但它已经成为了一种越来越基本的技术,跨越了谷歌的大量软件产品。在谷歌的TensorFlow和ML Kit软件、Android神经网络支持以及改进的云计算平台之间,该公司将为即将到来的第三方机器学习应用提供巨大的增长。

  毫无疑问,谷歌是人工智能领域的头号公司。



关键词: 谷歌 人工智能

评论

技术专区

关闭