您所在的位置:盐河信息门户网>科技>计算资源持续垄断化,AI前沿研究何去何从?

计算资源持续垄断化,AI前沿研究何去何从?

来源:未知 编辑:admin 时间:2019-12-01 20:02:33

openai的发展表明了经济的变化,以及深度学习人工智能技术的前景。openai成立于2015年,并获得了马斯克的支持。今年7月,openai宣布微软将投资10亿美元。作为openai与微软协议的一部
 

[云搜索网(微信号:)10月2日报道

从大型机到个人电脑,从互联网到智能手机,计算机技术的每一项重大进步都为数字前沿的更多人创造了机会。

但是越来越多的人担心人工智能,技术产业的新前沿,正在扭转这一趋势。

计算机科学家表示,人工智能研究的成本越来越高,需要在大型数据中心进行复杂的计算,这使得更少的人更容易获得开发未来产品所需的计算能力,如自主汽车或数字助理。

他们说,危险在于开创性的人工智能研究将成为贫富差距明显的领域。这些数据中心主要由一些大型科技公司拥有,如谷歌、微软、亚马逊和脸书,这些公司每年花费数十亿美元建立自己的数据中心。

这一警告是在人们越来越担心大型科技公司的实力之际发出的。大多数人的注意力集中在当代技术上——搜索、在线广告、社交媒体和电子商务。但是科学家担心探索未来技术发展的障碍,因为这需要惊人的计算能力。

大型技术公司的现代数据中心既大又保密。这些建筑有足球场那么大,甚至更大,有数百台电脑的架子。门是防弹的,墙是防火的,外人很少被允许进入。

这些云计算机房为智能手机和笔记本电脑提供丰富的娱乐和信息,并使数百万开发人员能够编写基于云的软件应用程序。

但是在除了大型科技公司之外的人工智能研究人员看来,他们的领域有一个令人担忧的趋势。艾伦人工智能研究所最近的一份报告使用了另一个人工智能实验室openai的数据,发现计算量需要在人工智能任务中处于领先地位,例如语言理解。在过去的六年里,游戏和常识推理的数量飙升了大约30万倍。

所有这些计算燃料都需要为所谓的深度学习软件模型提供动力,这些模型的性能将随着更多的计算和数据而提高。近年来,深入学习一直是人工智能突破的主要驱动力。

微软亿万富翁联合创始人保罗·艾伦(paul allen)于2014年创立了艾伦研究所,其CEO奥伦·埃齐奥尼表示:“成功会带来巨大的好处。但是做研究的成本呈指数级增长。作为一个社会和一个经济体,如果只有少数几个地方可以让你站在最前沿,我们就会遭殃。”

openai的发展显示了经济的变化和人工智能技术深入学习的前景。

Openai成立于2015年,得到了马斯克的支持。它最初是一个非营利研究实验室。它的雄心是开发人工智能前沿的技术,并与更广阔的世界分享利益。这个想法暗示了一个受到启发的程序员在笔记本电脑上独自工作并想出一个好主意的计算传统。

今年春天,openai利用其技术在一个复杂的视频游戏dota 2中击败了世界冠军人类玩家团队。它的软件通过几个月的反复试验已经学会了这个游戏,相当于玩了45000年的游戏。

Openai科学家已经意识到他们的工作更像粒子物理或天气模拟,这需要巨大的计算资源。例如,赢得dota 2需要数百万美元来租用由谷歌和微软等公司运营的数万个云计算数据中心的计算机芯片。

今年早些时候,openai转变为一家以盈利为导向的公司,以吸引资金。今年7月,openai宣布微软将投资10亿美元。Openai表示,大部分资金将用于实现其目标所需的计算能力,这仍包括在支付投资者后广泛分享ai的好处。

作为openai与微软协议的一部分,这个软件巨头最终将成为实验室唯一的计算资源。

openai的首席科学家伊利亚·苏斯克弗说:“如果你没有足够的计算机,你就无法取得突破。”

学术界也对高级人工智能软件消耗的能量表示担忧。马萨诸塞州阿姆赫斯特大学的三名计算机科学家在最近的一篇研究论文中估计,训练一个大规模的深入学习模型可以产生相当于五辆美国汽车寿命的碳足迹。(大型科技公司表示,他们购买了尽可能多的可再生能源,减少了数据中心对环境的影响。)

艾伦研究所的埃齐奥尼和他的合著者说,也许这两个问题——用电和计算成本——可以通过改变人工智能技术成功的衡量方式至少部分得到解决。

他们说,专注于该领域的准确性导致研究走上了一条狭窄的道路。

还应考虑效率。他们建议研究人员也报告项目成果的“计算价格标签”。

自从他们的“绿色人工智能”论文于7月发表以来,他们的观点在研究领域引起了很大的共鸣。

罗切斯特大学计算机科学教授亨利·考茨指出,准确性“实际上只是我们在理论和实践中关心的一个方面”。他说,其他方面包括人工智能技术工作所需的能量、数据和熟练人力。

考茨补充说,如果研究项目不那么依赖原始计算能力,一个更多维的视角可能有助于在学术研究者和大型技术公司的计算机科学家之间建立一个公平的竞争环境。

大型科技公司正在努力提高数据中心和人工智能软件的效率,他们说这将使外部开发者和学术界更容易获得计算能力。

谷歌人工智能部门的杰出科学家约翰·普拉特(John platt)指出,谷歌最近开发的深度学习模型效率比传统模型小10倍,速度也快10倍。他说:“这是一个民主化的地方。我们希望这些模型能被尽可能多的人训练和使用。”

在过去的几年里,这些大型科技公司已经向大学提供了数百万美元的资助和捐赠,但是一些计算机科学家说他们应该做更多的工作来缩小贫富人工智能研究者之间的差距。他们说,如今,科技巨头和大学之间的关系主要是作为买家,招聘教授、研究生甚至本科生。

华盛顿大学教授埃德·拉佐维斯卡(Ed lazowska)表示,这些公司最好也为学术研究提供实质性支持,包括更多地获取其丰富的计算资源——因此,对创造力和突破的竞争超越了企业的壁垒。

Lazowska认为,一种更加支持的关系符合他们公司的利益。否则,他说,“我们将看到学术界培养下一代计算机科学家的能力被大大削弱,这些计算机科学家将为这些公司提供动力。”

西雅图艾伦研究所的埃齐奥尼(Etzioni)表示,研究团队将致力于技术研究,以提高人工智能技术的效率。“这对我们来说是一个巨大的推动,”他说。

但etzioni强调,他所说的绿色人工智能应该被视为“增加创造力的机会,而不是限制”,或者是深度学习的替代方案,深度学习依赖于巨大的计算能力,他称之为红色人工智能。

事实上,艾伦研究所刚刚达到人工智能的里程碑。它正确回答了八年级标准科学考试中90%以上的问题。这一壮举是通过红色人工智能深度学习工具实现的。

江苏快3开奖结果 河北11选5 立即博国际 安徽十一选五投注

责任编辑:admin
Copyright © 盐河信息门户网 版权所有
本站所有资讯来源于网络
Top