在洛佩茲研究公司（Lopez Research）最近進(jìn)行的一項調(diào)查中，86%的公司表示，他們認(rèn)為人工智能對他們的業(yè)務(wù)具有戰(zhàn)略意義，而只有36%的公司認(rèn)為他們在人工智能方面確實取得了有意義的進(jìn)展。為什么會產(chǎn)生差距？英特爾人工智能產(chǎn)品副總裁兼首席技術(shù)官Amir Khosrowshahi和物聯(lián)網(wǎng)總經(jīng)理Jonathan Ballon在VentureBeat 2019年舊金山轉(zhuǎn)型大會上分享了他們的想法。

 

　　根據(jù)Khosrowshahi的說法，人工智能應(yīng)用的障礙比過去要低得多。他認(rèn)為，改變的是“每一個行業(yè)”的初創(chuàng)企業(yè)和開發(fā)人員，不僅僅是學(xué)術(shù)界和大公司，現(xiàn)在除了在生產(chǎn)中實現(xiàn)機(jī)器學(xué)習(xí)所需的工具和培訓(xùn)之外，還可以訪問大量數(shù)據(jù)。

 

　　這一觀點與Gartner今年1月的一份報告相吻合。該報告發(fā)現(xiàn)，人工智能的實現(xiàn)在過去四年里增長了270%，僅去年一年就增長了37%。這一比例高于2015年的10%，考慮到一些人估計，到2022年，企業(yè)人工智能市場的價值將達(dá)到61.4億美元，這并不奇怪。

 

　　Khosrowshahi說，對一些項目來說，確定正確的工具仍然是一個障礙。“如果你在做一些基于云的事情，你就可以使用大量的計算資源。以及所有這些你可以用來執(zhí)行特定任務(wù)的東西。但我們發(fā)現(xiàn)，幾乎一半的部署和全球一半的數(shù)據(jù)都位于數(shù)據(jù)中心之外，因此客戶希望能夠在數(shù)據(jù)創(chuàng)建之初就訪問這些數(shù)據(jù)。”

 

　　人們對“邊緣人工智能”日益增長的興趣在一定程度上已經(jīng)超過了硬件，而硬件中的大部分實際上無法完成更適合數(shù)據(jù)中心的任務(wù)。如果沒有谷歌的張量處理單元和英特爾即將推出的用于訓(xùn)練的Nervana神經(jīng)網(wǎng)絡(luò)處理器（也稱為NNP-T 1000）等尖端云芯片的幫助，訓(xùn)練最先進(jìn)的人工智能模型將會耗費無限的時間。

 

　　Khosrowshahi說：“處理器冷卻基礎(chǔ)設(shè)施、軟件框架等等已經(jīng)真正啟用了（這些人工智能模型），這是一種巨大的計算量。”“（一切都是關(guān)于）擴(kuò)大處理計算的規(guī)模，并在專用硬件基礎(chǔ)設(shè)施上運行所有東西。”碎片化也沒有幫助。盡管谷歌的TensorFlow和Open Neural Network Exchange（一種用于在不同框架之間交換神經(jīng)網(wǎng)絡(luò)模型的開放容器格式）等工具的大量涌現(xiàn)，但開發(fā)人員的體驗并沒有得到特別的簡化。

 

　　Ballon說：“當(dāng)你看到與實際部署人工智能模型相關(guān)的工作流時，從數(shù)據(jù)科學(xué)家（和）應(yīng)用程序開發(fā)人員（那里）抽象出硬件體系結(jié)構(gòu)的程度需要走很長的路。”“我們還沒有做到這一點，在達(dá)到這一點之前，我認(rèn)為軟件開發(fā)人員有責(zé)任了解各種硬件選擇的優(yōu)缺點。”雖然沒有什么靈丹妙藥，但Ballon和Khosrowshahi都相信，硬件創(chuàng)新有潛力讓強(qiáng)大的人工智能進(jìn)一步平民化。

 

　　Khosrowshahi看好新型晶體管，這種晶體管依靠多鐵材料和拓?fù)洳牧蟻磉\行機(jī)器學(xué)習(xí)算法。所謂的MESO設(shè)備有望比目前主要基于互補金屬氧化物半導(dǎo)體（CMOS）的微處理器節(jié)能10到100倍。更不用說光芯片只需要有限的能量（因為光產(chǎn)生的熱量比電少），而且不太容易受到環(huán)境溫度、電磁場和其他噪聲的影響。在功耗“數(shù)量級”較低的情況下，光子設(shè)計的延遲比硅設(shè)計的延遲提高了1萬倍，在初步測試中，某些矩陣向量乘法的速度比最先進(jìn)的電子芯片快100倍。

 

　　Khosrowshahi說：“我們可以為數(shù)據(jù)中心計算的未來開發(fā)一些新的材料，我認(rèn)為這就是未來。”“這并非不可能實現(xiàn)，圍繞人工智能的所有期望將真正加速這一非常困難的領(lǐng)域，將這些新材料納入產(chǎn)品。”