Zi 字媒體

為什麼一家顯卡公司忽然在人工智慧領域有了巨大影響力?一家圖形解決方案的供應商與人工智慧行業又能有多少瓜葛?◆ GPU對深度學習的助推力到今天，人工智慧研究已經有六十多年的時間。從最簡單的文字對話，到電腦程序戰勝人類國際象棋大師，人工智慧在豎立了一個里程碑之後似乎就進入了平台期，再無標誌性的成績出現。然而最近兩三年，計算機的智能水平突然得到了明顯提升：識別圖片和語音正確率超過人類，自動駕駛汽車開始上路，參加智力問答競賽獲得冠軍，甚至曾經被認為無法戰勝人類的圍棋領域，人工智慧也成績斐然。這些成績的背後，都離不開一種叫深度學習的演算法，而運行這種演算法的硬體平台，大多都在使用NVIDIA生產的GPU。NVIDIA區總裁張建中在接受中關村在線視頻專訪時表示，這一兩年機器的智能水平突然提升得益於三個因素。第一，大數據;第二，深度學習的演算法;第三，強大的計算內容。這三個因素綜合在一起，在人工智慧的研究領域產生很大的突破，圖形圖像和語音的識別準確度都大幅度提升。NVIDIA區總裁張建中GPU強大的并行運算能力緩解了深度學習演算法的訓練瓶頸，從而釋放了人工智慧的全新潛力，也讓NVIDIA順利成為人工智慧平台方案供應商。然而深度學習帶來的飛躍是否會很快進入平台期，人工智慧研究和應用會有新的熱點嗎?在張建中看來，人工智慧由於演算法的原因，永遠達不到百分之百的精準度，因此永遠都有提升的機會。「通過不停的迭代提升精度和準確度，越往後難度越高，需要的計算量、數據量、演算法模型和深度學習的層次更高，這些都會隨著我們工作當中不停的積累和提升，這是一個良性循環的過程。」至少在現階段，我們看到深度學習演算法在人工智慧應用領域還有很大潛力。在以往的研究中，一個特定的應用在面對海量數據時，可能需要幾個月甚至幾年的時間才能完成訓練，這顯然不能滿足實際應用的要求。以NVIDIA GPU為代表的并行處理技術進入人工智慧領域，則極大緩解了計算層面的瓶頸，讓深度學習成為實用的演算法。◆ 超前的架構設計為AI興起奠定基礎在計算機圖形解決方案領域，NVIDIA早已佔據領導地位，而現在它在人工智慧領域也同樣重要。在圖形應用中，GPU里專門設計的多個計算單元可以高速完成複雜的圖形學計算，瞬間渲染出清晰逼真的圖像。但是在NVIDIA看來，GPU不僅能處理圖形，還有潛力完成更多應用領域的數據處理，實現新的演算法優化。可以說NVIDIA早在二十年前就已經為今天的人工智慧浪潮埋下了伏筆。NVIDIA區總裁張建中在採訪中透露，NVIDIA在做CUDA架構的時候就預測到超級計算機極大的潛力。「為了讓GPU可以百分之百的編程，我們就調整了CUDA架構，每一個處理器并行在一起，從幾百個做到幾千個，成為今天超級計算機的核心根本。全新架構能夠讓超級計算機運算更快，在很小的功耗上發揮最大的計算能力。」目前GPU在超級計算機行業有相當大的應用，的天河1號就是採用NVIDIA的GPU做大型數據處理。NVIDIA的CUDA架構為GPU在深度學習領域鋪路GPU大規模并行計算架構恰好符合深度學習的需要，通過幾年的研發和積累，GPU已經成為超級計算機的重要支撐，極大的提升了機器學習的運算能力。人工智慧的并行演算法在過去可能需要一兩年的時間才能看到結果，在GPU的強大計算能力的支持下，深度學習的演算法得以突破，可以在短時間內高效能的得到數據結果。