优趣网>聚合>正文

深脑链能缩短AI奇点时刻的到来吗

2018-06-04 14:20:48 VR日报 2018-05-24 分享

   一门新技术的发展,据说会经历下面一条蓝色“Gartner曲线”的过山车式发展轨迹。

  知乎作者@北冥乘海生(清华大学信息与通信工程博士、《计算广告》作者)提出人工智能行业拥有一条属于自己的Gartner曲线,从几十年前至现在,可以说是三起三落。当然,从现在人工智能行业的火爆程度来看,这第三落还未到达。深脑链作为全球首家由区块链驱动的人工智能计算平台,正处于AI行业Gartner曲线的"第三升浪",为探讨深脑链的发展前景,我们可以史为鉴,由知兴。

  回顾人工智能行业的发展历史,跌宕起伏的三起两落,才让AI从业者逐渐领悟,什么才是人工智能发展的基本方法论。我们将在本文揭开谜底。

  人工智能发展历史扫盲

  一、第一起

  人工智能的第一起要追溯到60多年前在达特茅斯会议,彼时,约翰·麦卡锡、马文·闵斯基(人工智能与认知学专家)、克劳德·香农(信息论的创始人)、艾伦·纽厄尔(计算机科学家)、赫伯特·西蒙(诺贝尔经济学奖得主)等科学家正聚在一起,提出了“Artifitial Intelligence”这样一个课题,即让机器能够代替或是模仿人类的智能。这样一个全新的课题立刻吸引了科学界的关注,引发大量广泛的研究。

  二、第一落

  然而随着研究的不断深入,越来越多的难题爆发。刚开始人工智能的研究方法是采用“教学”,即教机器识字、教机器下棋等等。《计算广告》的作者指出:“在今天看来,这样的方法完全南辕北辙——人类的视听器官虽然很发达,却无法做到总结提炼其中的规律。”技术上长期的障碍让学者们认为理想中的“人工智能”是空中楼阁,要解决问题是何等困难,人工智能由此遭遇搁浅。

  三、第二起

  虽然依靠人来教学没有突破,但是学者们便渐渐寻找出用“数据统计规律”的方法。依照此方法,一些较为简单的机器学习问题,如手写识别,依靠大量的统计数据取得了阶段性的突破。至此,人工智能也似乎找到了发展的基本道路,渐渐摸索出人工智能行业的一个命脉——数据。

  四、第二落

  依靠“数据统计规律”这一方法,虽然初期有所成效,但慢慢瓶颈随之而来:数据量的提升并不总能带来识别率的提高。以语音识别为例,在“基本可用”到“实用”之间的鸿沟,十几年都没有跨过去,于是大家又转向悲观,觉得人工智能还只是个梦。是为第二落。

  五、第三起

  第三起不得不归功于一名为Jeffrey Hinton的教授,他发现用GPU算神经网络,能大幅提高速度,“深度学习”模型终于可用,充分吸收数据以进行AI训练。由此,人工智能行业飞速发展,人脸识别、自然语言识别都有了突破性地进展。至此,人工智能行业的第二个命脉——算力浮出水面。

  人工智能行业经过六十多年的发展,在无数前人经验的指导下,终于看清了基本方法论——大算力+大数据。

  深脑链正是在这个背景下应运而生,致力于为AI企业提供高性能算力和数据隐私保护,这无疑牢牢把握住人工智能行业最重要的两大命脉。

  高性能算力——基础设施乃兵家必争之地

  2018年5月21日,微软在人工智能大会上提出"3个100计划",其中第一个即为发布Azure机器学习、Visual Studio Tools for AI等100项微软人工智能服务与开发工具。引人注目的是,目前Azure已经覆盖全球50多个区域,被业界称为"世界的计算机"。该平台上的开发者能使用微软全球数据中心的储存、计算能力和网络基础服务。此外,阿里、谷歌、亚马逊也纷纷布局云计算,可见,人工智能行业的基础设施服务乃兵家必争之地。

  据openAI报道,自 2012 年以来,人工智能训练任务中使用的算力正呈指数级增长,其目前速度为每 3.5 个月翻一倍,人们对于人工智能算力的需求增长了超过 300,000 倍。

  以上数据清晰显示,爆炸增长的算力需求是目前制约人工智能发展的首要瓶颈,而AI训练所需的算力成本更是将创业成本推至历史新高。近日,李开复博士在剑桥大学演讲时半开玩笑地分享道:"我们投资的一家公司,七个小朋友,没有人超过三十岁,他们成立的第一天,就把我们打的款花完了,还只是买了一些机器,因为做的是无人驾驶。"

声明:本站部分资源来源于网络,版权归原作者或者来源机构所有,如作者或来源机构不同意本站转载采用,请通知我们,我们将第一时间删除内容。本站刊载文章出于传递更多信息之目的,所刊文章观点仅代表作者本人观点,并不意味着本站赞同作者观点或证实其描述,其原创性及对文章内容的真实性、完整性、及时性本站亦不作任何保证或承诺,请读者仅作参考。
编辑:小宝