当HPC遇到AI

作者:Shahin Khan, OrionX 翻译:GPU世界

高性能(HPC)和人工智能(AI)的结合正创建一个充满活力的新市场:“高性能人工智能”(HPAI),它正推动了AI平台和产品的发展。

经过几十年的缓慢进展,直到HPC的出现给予AI所需要的推动力。 通过超级计算技术实现,HPC技术,如深度学习,正在改变AI,使其真正用在了很多领域。

而这必要成分包括了:

  1. 由数字化流程、传感器和仪器产生的大数据
  2. 巨大的计算能力,通常以云计算的形式
  3. 具备经济价值的使用场景

HPC和人工智能的结合表示认知可以通过一个实用的方式可计算。 它代表了逻辑处理与数值密集计算的混合。 它是一个在学术,商业,工业和政府环境中的活跃领域。 HPAI结合了HPC(数值密集统计分析和优化)与传统AI(搜索算法和专家系统),深刻影响IT行业和客户投资的优先级,影响人类生活的各个方面,并造成其自身的巨大挑战。

HPAI技巧、技术驱动者和核心技术、特性、实际应用和未来方向都是重要的话题。 在这里,我们探讨HPAI的未来。

高性能人工智能(HPAI)将HPC与传统AI相结合

HPAI的未来

AI已经演变了几十年。 基于初始推理的专家系统奠定了基础,并教我们如何制定和解决AI问题。 通过深度学习和HPC技术,AI正在进像一个新阶段飞跃。

HPAI将包括以下挑战和进步:

进展

高级算法 当前简化假设的算法在将来会被放宽。 除了层的深度和宽度之外,还将存在连接各种层的交叉链接,以及动态创建的微层,以为深层神经网络提供更大的灵活性。 此外,虽然当前算法迭代接近最佳参数集合,但未来的算法将并行地寻求许多路径。

更现实的神经元 神经元模型的当前实现是简单的,具有类S曲线或其他简单的传递函数。 现实世界神经元有更丰富的连接,并经常展示非常尖尖的信号行为。 尖峰的频率也可以传输信息。 未来的神经网络将包括这种额外的复杂性以获得更高的精确度并且在模型中用更少的神经元来实现类似的结果。然而计算复杂性将增加。

IT系统 深度学习已经在加速新的系统架构和组件技术的发展。 我们期待着全面的创新:加速器技术,针对新工作负载特别优化的新型CPU、新数据存储和处理模型(如原位处理)以及全新的方法(如量子计算)。 这些都将在未来几年迅速发展。

人机交互 自然语言处理,增强和虚拟现实,触觉和手势系统以及脑波分析是人和信息电脑之间新的交互形式的例子。

与物联网和HPC的协同 HPAI依赖于大量数据,这些数据通常由传感器和边缘设备生成。 根据用例,此数据可以提供认知处理。 同时,在越来越多的可理解的情况下对更高精度的追求将继续为HPAI正名。

智能和自主设备 因为学习可以与实践分离,并且实践可以在计算上便宜,可以预期智能设备的激增。 这种趋势已经可见,但将扩展到全新的设备类。 边缘装置、可穿戴物、人造肢体和外骨骼,以及近永久附件,例如智能隐形眼镜。

机器人 一种特殊类型的自主设备,机器人旨在模仿人类和动物。 因此,他们不仅执行比人类更好的任务,并执行人类无法执行的任务。 他们也将变得越来越社交。 图灵测试将通过。人类是社会动物,可以很容易与机器人发展情感纽带。

电子人 这是将技术和人类融入一个认知领域的最终。 Cyborg技术将成为宿主人类的永久组成部分。 挑战和巨大挑战

HPAI可以通过更好地整合理论,模拟和实验来帮助解决现有的重大挑战问题,但它将创造跨越多个学科的新的重大挑战。

不可预测性 HPAI显示足够复杂的方程组可以使认知可计算。 但同样的复杂性使它们不可预测。

AI系统的后果并不总是被充分或广泛地理解,AI的高级应用可能是意想不到的后果的巨大案例。 简而言之,系统复杂性可能容易超过人的能力。

伦理复杂性 像任何先进的工具,AI可以用于好或恶。 通常情况下,我们很容易判断一个技术的应用对用户或社会是好是坏。但对于AI,这并不总是简单。

目前对AI的忧虑包括AI系统即将消除大类工作。 未来的关注是关于人类造成所谓的达尔文失误:创造会威胁到其创造者生存的东西。

反论据指向了仍然原始的自然AI系统在其能力的广度或更微妙的人类智能方面。

一个道德框架,类似于由阿西莫夫提出的机器人,将允许一个更有条理的讨论。

法律框架 可能是比技术进步更重要的参数,并且鉴于其伦理复杂性,AI对法律系统构成重大挑战,并需要新的规范和立法。 我们预计这一领域的进展将落后于技术的实际部署,并且将比主动性更具反应性。

自主权 自主权将受到自动化的任务的精确定义,它们操作的环境(精确边界)以及错误容忍的限制。

当然,对于一些任务,机器不必是完美的,但是比人类更好,或者更实际地,比在给定时间和地点负责任务的特定人更好。 在这种情况下,会出现错误。 和平与机器所造成的错误可能或可能不比人类所做的更容易。 社会远不是接受在同一水平上接受人为错误的机器所犯的错误。

完全自主的系统远没有即将到来。

结语

HPC和AI的交集创造了HPAI市场,这是一个充满活力和快速增长的细分市场,不仅对IT行业而且对整个人类都有深远的影响。

在数字化和信息时代的黎明的驱动下,HPAI依赖于大量数据、高级数学算法和高性能硬件和软件的存在。

正如工业机器迎来了人类历史上的一个新阶段,新的“信息机器”将对生活的每一个方面产生深远的影响。 与工业机器不同,信息机器可以帮助他们的活动范围完全定义。

原文发布于微信公众号 - 吉浦迅科技(gpusolution)

原文发表时间:2016-11-14

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏企鹅号快讯

人工智能这一年:Google、微软等科技巨头纷纷作出贡献

来自:oschina 链接:www.oschina.net/news/91955/2017-going-ai 如果说 2016 年是人工智能刚萌发新芽的一年,那...

2039
来自专栏Android 开发者

人工智能时代,如何做设计?

7078
来自专栏AI科技大本营的专栏

应用 | 红黄蓝的虐童惨案,其实可以用机器学习等技术来避免

作者 | 阿萨姆 魔都携程亲子园事件还未平息,帝都的RYB“虐童案”又粉墨登场。随着越来越多的有关婴幼儿教育的丑闻曝光,如何保障孩子,尤其是幼龄儿童的生命健康安...

35711
来自专栏新智元

【AI 复始,万象更新】2017 年机器学习技术&市场预测 Top 10

【新智元导读】在新年来临之际,新智元向你推荐 bigML 网站 2017 开年特稿,文章引用权威报告、著名媒体报道等各种数据,从投资、创业、人才、工作内容、竞争...

29010
来自专栏大数据文摘

业界 | 尴尬了,数据故事讲不好,模型再酷炫都没用

导言:数据科学风靡了几年,已经完成了从普及到应用的商业落地,越来越多的公司都已经同意数据驱动战略的重要性,但雇几个数据科学家和有一个数据团队,并不等同于公司就能...

730
来自专栏大数据挖掘DT机器学习

工程师回帖:求助各位数据挖掘前辈~~

求助各位数据挖掘前辈~~ 还有几天就马上研一了,我学的是数据挖掘方向,具体方向应该是微博文本类,这段时间学的挺乱的,一直没有个方向的感觉。假期期间把老师推荐的...

3525
来自专栏新智元

【李飞飞演讲全文】谷歌的开源与生态:谷歌云正将AI民主化

【新智元导读】 李飞飞在妇女节这天完成了她加入谷歌云后的首秀——在谷歌 Cloud Next 17上发表主旨演讲。她在会上发布了谷歌云面向机器学习和人工智能的一...

3827
来自专栏大数据文摘

惊艳!Facebook未来十年愿景!

27910
来自专栏大数据挖掘DT机器学习

为什么“高大上”的算法工程师变成了数据民工?

算法与算法工程师 在知乎里回答“做算法工程师是一种怎样的体验?”的答案(其中的思想并非原创,而是山寨自新加坡某大学一门Quantitative Investme...

9119
来自专栏镁客网

2016年人工智能产业梳理:一朝引爆,稳步前进(上篇)

1335

扫码关注云+社区

领取腾讯云代金券