28
?
從 2016 年的人“狗”圍棋之戰(zhàn)到《西部世界》，再到智能音箱，人工智能不再是科幻里的觸不可及，而是在身邊逐漸落地的真實(shí)?！叭绻慌_(tái)機(jī)器能夠與人類(lèi)展開(kāi)對(duì)話(huà)（通過(guò)電傳設(shè)備）而不能被辨別出其機(jī)器身份，那么稱(chēng)這臺(tái)機(jī)器具有智能。”是的，圖靈設(shè)想的人工智能來(lái)了。
近期，一張來(lái)自《紐約客》雜志的封面毫無(wú)征兆地在朋友圈里刷了屏。人類(lèi)坐地行乞，機(jī)器人則扮演了施予者的角色，意指明顯——在未來(lái)社會(huì)，人類(lèi)的工作機(jī)會(huì)被不斷進(jìn)化的機(jī)器人剝奪，從而淪為了流落街頭的弱者。
?
再來(lái)看一份最可能被 AI 取代的 20 大崗位吧：
其實(shí)，這是一個(gè)老生常談的話(huà)題，當(dāng)機(jī)器人概念走紅的時(shí)候，人類(lèi)被取代的話(huà)題就已經(jīng)被熱議，“AI 志向”不是單純的模仿人類(lèi)，而是超越人類(lèi)，因此催生“無(wú)用階層”是需要我們正面面對(duì)的問(wèn)題，當(dāng)然也會(huì)創(chuàng)造新的崗位。有人說(shuō)，人工智能被認(rèn)為是引領(lǐng)第四次工業(yè)革命的先鋒，也有人說(shuō)，AlphaGo 是引發(fā)第五次工業(yè)革命的標(biāo)志性機(jī)器。
?
作為小編的我，看到一份來(lái)自調(diào)研機(jī)構(gòu)的預(yù)測(cè)，記者也在高危失業(yè)人群中，頓時(shí)心塞了，趁著失業(yè)前在本期《發(fā)現(xiàn) AI》中好好和大家扒一扒“人工智能”。
現(xiàn)在張口不帶“人工智能”、“AI”都感覺(jué)自己跟不上時(shí)代。那么問(wèn)題來(lái)了，人工智能有哪些類(lèi)型呢？
人工智能的類(lèi)型
弱人工智能：特定場(chǎng)景下角色型的任務(wù)，如擅長(zhǎng)于聊天的 Siri、擅長(zhǎng)下棋的 AlphaGo；
通用人工智能：包含人類(lèi)水平的任務(wù)，可以替代大部分人類(lèi)工作，涉及機(jī)器的持續(xù)學(xué)習(xí)；
強(qiáng)人工智能：比人類(lèi)更聰明的機(jī)器。
從弱到強(qiáng)，需要一個(gè)過(guò)程，那么就來(lái)看看人工智能的發(fā)展史吧。
?
?
?
人工智能發(fā)展史
人工智能的孕育期
1950 年，圖靈測(cè)試誕生，圖靈還預(yù)言在未來(lái)人類(lèi)有創(chuàng)造出具有真正智能的機(jī)器的可能性。以圖靈為代表的科學(xué)家為 AI 提供了理論基礎(chǔ)和使用工具。
人工智能的早期發(fā)展（1956~1979）
1956 年的夏天，在美國(guó)舉行的達(dá)特矛斯學(xué)術(shù)會(huì)議，以馮·諾依曼、圖靈為首的科學(xué)家試圖通過(guò)符號(hào)化編程實(shí)現(xiàn)人工智能。之后的十幾年是 AI 的第一個(gè)黃金期，一臺(tái)叫做“STUDENT”的機(jī)器于 1964 年解除了應(yīng)用題，一臺(tái)叫做“ELIZA”的機(jī)器于 1966 年實(shí)現(xiàn)了簡(jiǎn)單的人機(jī)對(duì)話(huà)。
?
人工智能的中期發(fā)展（1980~1990）
人工智能的中期推動(dòng)者還要從日本說(shuō)起，日本經(jīng)濟(jì)產(chǎn)業(yè)省撥款八億五千萬(wàn)美元用以研發(fā)第五代計(jì)算機(jī)項(xiàng)目，而這個(gè)計(jì)算機(jī)就是可以與人對(duì)話(huà)、進(jìn)行翻譯、進(jìn)行推理的 AI 計(jì)算機(jī)。隨后英國(guó)、美國(guó)也開(kāi)始向信息技術(shù)領(lǐng)域投入大量資金。
在這次的資金熱潮下，AI 程序“專(zhuān)家系統(tǒng)”問(wèn)世，它是一個(gè)存儲(chǔ)加推理的能手，不過(guò)在經(jīng)過(guò)七年的“輝煌期”之后被 1987 年蘋(píng)果和 IBM 生產(chǎn)的臺(tái)式機(jī)打敗了。
?
人工智能的熱潮期（1990 年后）
這一階段的情況就不多介紹了，我們正在感受人工智能新一輪的爆發(fā)。人工智能已成為創(chuàng)業(yè)和投資的熱點(diǎn)。
關(guān)于 AI 簡(jiǎn)史我們就不再用太多篇幅來(lái)介紹了，與非小編已經(jīng)按照大事件對(duì)此進(jìn)行了梳理，可以查看《AI 技術(shù)簡(jiǎn)史：從理論到應(yīng)用的質(zhì)變》。
?
人工智能如何為人所用？
“深度學(xué)習(xí)”是當(dāng)前我們所聽(tīng)到的與人工智能相關(guān)最常用的一個(gè)詞，這源于：當(dāng)前人工智能主流應(yīng)用還是基于深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)。從針對(duì)特定任務(wù)的標(biāo)記數(shù)據(jù)中學(xué)習(xí)，而訓(xùn)練過(guò)程需要消耗大量人類(lèi)標(biāo)注樣本。
天風(fēng)海外何翩翩認(rèn)為在很多現(xiàn)實(shí)場(chǎng)景下，特定垂直領(lǐng)域的數(shù)據(jù)并不足以支持系統(tǒng)建構(gòu)，那么嘗試解決對(duì)人類(lèi)標(biāo)注樣本的依賴(lài)的強(qiáng)化學(xué)習(xí)很有機(jī)會(huì)成為下一個(gè)機(jī)器學(xué)習(xí)商業(yè)成功的驅(qū)動(dòng)力。
下面透過(guò)幾張圖，來(lái)深度看一下 AI：
?
?
?
如果用一句話(huà)總結(jié) AI 如何為人所用，那就是它正在變革它能觸及到的各行各業(yè)，從醫(yī)療保健到零售，廣告，金融，交通，教育，農(nóng)業(yè)等等。如今，快速發(fā)展的 AI 技術(shù)主要由大型企業(yè)通過(guò)機(jī)器學(xué)習(xí)和預(yù)測(cè)分析來(lái)使用。下面舉幾個(gè)簡(jiǎn)單的例子：
1. 安全認(rèn)證與風(fēng)險(xiǎn)管理
數(shù)據(jù)、數(shù)據(jù)處理能力和商業(yè)變現(xiàn)場(chǎng)景是金融領(lǐng)域計(jì)算機(jī)面臨的三大要素，而人工智能恰恰能很好的因?qū)@三大元素帶來(lái)的挑戰(zhàn)?；蛟S金融行業(yè)是最適合 AI 施展“才華”的領(lǐng)域。如今，花旗等銀行開(kāi)始利用人工智能為客戶(hù)定制服務(wù)，開(kāi)發(fā)理財(cái)產(chǎn)品；對(duì)于信息安全、投資風(fēng)控等，人工智能也逐漸被應(yīng)用。
2. 自動(dòng)駕駛
對(duì)于 AI 與汽車(chē)電子的結(jié)合，被認(rèn)為天作之合的無(wú)疑是“自動(dòng)駕駛”。
3. 醫(yī)療及生命科學(xué)
Arterys 使用深度學(xué)習(xí)來(lái)加快醫(yī)學(xué)圖像分析，這項(xiàng)技術(shù)應(yīng)用于 GE Healthcare MRI 機(jī)器上，協(xié)助進(jìn)行心臟疾病的診斷；Enlitic 運(yùn)用深度學(xué)習(xí)來(lái)分析醫(yī)學(xué)圖像，以找出腫瘤、近乎看不到的破裂處和其他疾病。有了 AI 后，放射科醫(yī)生將更加高效的工作，將精力集中在困難病例上。
4. 零售行業(yè)
個(gè)性化推薦提高在線(xiàn)銷(xiāo)售銷(xiāo)量、精準(zhǔn)的市 場(chǎng)預(yù)測(cè)將降低庫(kù)存成 本，人工智能技術(shù)將帶來(lái) 4200 億人民幣的本與增益價(jià)值。
在日漸智能的算法下，機(jī)器可以學(xué)習(xí)、說(shuō)話(huà)、做出明智的決策，并以一種越來(lái)越有效的方式執(zhí)行復(fù)雜的任務(wù)。看到 AI 可創(chuàng)造的價(jià)值，就不難理解為何企業(yè)蜂擁而至了：
那么，現(xiàn)在就不難回答誰(shuí)在推動(dòng) AI 的發(fā)展這個(gè)問(wèn)題了，快速增長(zhǎng)背后不僅僅是科技巨頭在引領(lǐng)了這場(chǎng)競(jìng)賽，更是技術(shù)、資本、企業(yè)。
?
?
AI 基礎(chǔ)層生態(tài)解讀
人工智能是一個(gè)大話(huà)題，由基礎(chǔ)層、技術(shù)層、應(yīng)用層組成。基礎(chǔ)層主要是計(jì)算平臺(tái)和數(shù)據(jù)中心，屬于計(jì)算智能；技術(shù)層通過(guò)機(jī)器學(xué)習(xí)建模，開(kāi)發(fā)面向不同領(lǐng)域的算法和技術(shù)，包括感知智能和認(rèn)知智能；應(yīng)用層主要實(shí)現(xiàn)人工智能在不同場(chǎng)景下的應(yīng)用。
我國(guó)與美國(guó)是 AI 浪潮中最強(qiáng)勁的兩股勢(shì)力。美國(guó) AI 公司多聚焦于應(yīng)用層，對(duì)于技術(shù)層和基礎(chǔ)層企業(yè)，實(shí)力強(qiáng)且企業(yè)相對(duì)集中。與此相比，應(yīng)用層實(shí)力接近，在基礎(chǔ)和技術(shù)層有差距，尤其是基礎(chǔ)層的實(shí)力較弱。美國(guó)有英偉達(dá) GPU、英特爾 CPU 與 FPGA、賽靈思 FPGA、谷歌 TPU，我國(guó)有寒武紀(jì)與深鑒，但從產(chǎn)業(yè)規(guī)模來(lái)看，差距還較大。
下面我們就透過(guò) AI 背后的 AI 芯實(shí)力。
?
神經(jīng)網(wǎng)絡(luò)的兩個(gè)主要階段是訓(xùn)練和推理。在深度學(xué)習(xí)上游訓(xùn)練端，GPU 毫無(wú)懸念是第一選擇，ASIC 包括谷歌 TPU、寒武紀(jì) NPU 也如雨后春筍為市場(chǎng)提供更多可能與選擇；下游推理端更接近終端應(yīng)用，需求更加細(xì)分，GPU 主流芯片之外，包括 CPU/FPGA/ASIC 也會(huì)在這個(gè)領(lǐng)域發(fā)揮各自的優(yōu)勢(shì)特點(diǎn)。那么就從訓(xùn)練端與推理端分別看看其特色：
訓(xùn)練端
GPU：多維計(jì)算及大規(guī)模并行計(jì)算架構(gòu)，可實(shí)現(xiàn)通用、靈活、強(qiáng)大的特點(diǎn)，廣泛契合當(dāng)前 AI 監(jiān)督深度學(xué)習(xí)以及生成式對(duì)抗網(wǎng)絡(luò)(GAN)/ 強(qiáng)化學(xué)習(xí)所需要的密集數(shù)據(jù)和多維并算處理需求，在 3-5 年內(nèi) GPU 仍然是深度學(xué)習(xí)市場(chǎng)的第一選擇。這個(gè)市場(chǎng)英偉達(dá)有著至高無(wú)上的話(huà)語(yǔ)權(quán)，而同樣擁有 GPU 產(chǎn)品的 AMD 卻只能看著眼饞，如今英特爾有望涉足此領(lǐng)域，不知道未來(lái)是何種局面。
ASIC：以谷歌 TPU 為代表，針對(duì)特定框架進(jìn)行深度優(yōu)化定制，但開(kāi)發(fā)周期長(zhǎng)，通用性較低。比特幣價(jià)格瘋長(zhǎng)刺激挖礦機(jī)的不斷升級(jí)，如今很多挖礦機(jī)從 GPU 轉(zhuǎn)向了 ASIC 專(zhuān)用礦機(jī)。
CPU：通用性強(qiáng)，但難以適應(yīng)于人工智能時(shí)代大數(shù)據(jù)并行計(jì)算工作。
推理端
GPU：英偉達(dá) Volta GPU 也開(kāi)始布局推理端，并且也將成為主導(dǎo)。英偉達(dá)依靠 Volta 構(gòu)架升級(jí)以及廣泛成熟的開(kāi)發(fā)生態(tài)環(huán)境，自上而下的對(duì)訓(xùn)練、推理兼顧，擴(kuò)張版圖。以 2016 年為例，全年服務(wù)器市場(chǎng)出貨量約在 1110 萬(wàn)臺(tái)，在只有 7%用于人工智能 workload，其中約 3.4%配置 GPU，總量?jī)H 2.6 萬(wàn)臺(tái)。所以全球新增服務(wù)器中 GPU 的滲透率僅為 0.24%，據(jù)天風(fēng)海外預(yù)測(cè) 2020 年前全球服務(wù)器 GPU 滲透率將達(dá) 4 倍以上增長(zhǎng)。
ASIC：下游推理端更接近終端應(yīng)用，需求更加細(xì)分，英偉達(dá) DLA、寒武紀(jì) NPU 等將依靠特定優(yōu)化和效能優(yōu)勢(shì)，在此領(lǐng)域獲得一定市場(chǎng)份額。
?
FPGA：依靠電路級(jí)別的通用性，加上可編程性，適用于開(kāi)發(fā)周期較短的 IoT 產(chǎn)品、傳感器數(shù)據(jù)預(yù)處理工作以及小型開(kāi)發(fā)試錯(cuò)升級(jí)迭代階段等。FPGA 廠(chǎng)商寥寥無(wú)幾，包括 Xilinx、Altera（英特爾）、Lattice 及 Microsemi。
?
?
GPU 主流趨勢(shì)下，ASIC 也將割據(jù)一地
都是通用芯片，為何 GPU 成為 AI 最強(qiáng)“收割機(jī)”
先要強(qiáng)調(diào)一點(diǎn)，機(jī)器學(xué)習(xí)得以普及的一個(gè)重要原因就是是計(jì)算能力的提升和 GPU 的出現(xiàn)。
由于 GPU 在執(zhí)行復(fù)雜的多維計(jì)算和幾何計(jì)算中十分有效，因此被廣泛地運(yùn)用在圖像和圖形處理中。但 GPU 只作為圖形處理芯片還真的有點(diǎn)屈才，其并行特性大數(shù)據(jù)等多任務(wù)處理中表現(xiàn)突出，因此成為 AI 浪潮中的“收割者”。
都是通用芯片，GPU 比 CPU 擁有更多的運(yùn)算器。在處理龐大的數(shù)據(jù)中，GPU 可以做得更高效。一個(gè) CPU 核可以同時(shí)執(zhí)行 4 項(xiàng) 32 位指令（用 CPU 中的 128 位 SSE 指令集）或者通過(guò) 256 位高級(jí)矢量擴(kuò)展指令集(AVX)執(zhí)行 8 個(gè)指令集。但 GPU 如 AMD 的 Radeon HD 5970，則可以執(zhí)行 3200 個(gè) 32 位的指令（通過(guò)其 3200 個(gè)運(yùn)算器）。二者之間的運(yùn)算效率的差距達(dá)到 800 倍（如果使用 AVX 則是 400 倍）之多。GPU 的高運(yùn)算性能讓它能夠應(yīng)用在科學(xué)計(jì)算、密碼破解、數(shù)值分析、海量數(shù)據(jù)處理等方面。
2012 年，英偉達(dá)與谷歌的人工智能團(tuán)隊(duì)合作，建造最大的人工神經(jīng)網(wǎng)絡(luò)，并首次將人工智能用于分析 YouTube 的視頻內(nèi)容。2016 年 4 月，英偉達(dá)發(fā)布 Pascal 架構(gòu) GPU Tesla P100。黃仁勛表示，該款 GPU 較之以往產(chǎn)品可以讓深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的處理速度提高 12 倍。
谷歌 TPU
谷歌設(shè)計(jì)了一款為人工智能運(yùn)算定制的硬件設(shè)備，張量處理單元 TPU 芯片。
TPU 的主要特點(diǎn)是：
1. 從硬件層面適配 TensorFlow 深度學(xué)習(xí)系統(tǒng)，是一款定制的 ASIC 芯片，谷歌將 TPU 插放入其數(shù)據(jù)中心機(jī)柜的硬盤(pán)驅(qū)動(dòng)器插槽里來(lái)使用；
2. 數(shù)據(jù)的本地化，減少了從存儲(chǔ)器中讀取指令與數(shù)據(jù)耗費(fèi)的大量時(shí)間；
3. 芯片針對(duì)機(jī)器學(xué)習(xí)專(zhuān)門(mén)優(yōu)化，尤其對(duì)低運(yùn)算精度的容忍度較高，這就使得每次運(yùn)算所動(dòng)用的晶體管數(shù)量更少，在同時(shí)間內(nèi)通過(guò)芯片完成的運(yùn)算操作也會(huì)更多。研究人員就可以使用更為強(qiáng)大的機(jī)器學(xué)習(xí)模型來(lái)完成快速計(jì)算。
值得注意的是 TPU 雖然理論上支持所有深度學(xué)習(xí)開(kāi)發(fā)框架，但目前只針對(duì) TensorFlow 進(jìn)行了深度優(yōu)化。而英偉達(dá) GPU 支持包括 TensorFlow、Caffe 等在內(nèi)所有主流 AI 框架。
谷歌曾在論文中將 TPU 與英特爾、英偉達(dá)產(chǎn)品進(jìn)行對(duì)比：
1. ?針對(duì)自身產(chǎn)品的人工智能負(fù)載，推理階段，TPU 處理速度比 CPU 和 GPU 快 15-30 倍；
2. TPU 的功耗效率（TOPS/Watt，萬(wàn)億次運(yùn)算 / 瓦特）也較傳統(tǒng)芯片提升了 30-80 倍；
3. 基于 TPU 和 TensorFlow 框架的神經(jīng)網(wǎng)絡(luò)應(yīng)用代碼僅需 100-1500 行。
TPU 的設(shè)計(jì)思路比 GPU 更接近一個(gè)浮點(diǎn)運(yùn)算單元，是一個(gè)直接連接到服務(wù)器主板的簡(jiǎn)單矩陣乘法協(xié)處理器。TPU 上的 DRAM 是作為一個(gè)獨(dú)立的并行單元，TPU 類(lèi)似 CPU、GPU 一樣是可編程的，并不針對(duì)某一特定神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)的，而能在包括 CNN、LSTM 和大規(guī)模全連接網(wǎng)絡(luò)上都執(zhí)行 CISC 指令。
作為與非網(wǎng)新的原創(chuàng)欄目《AI 發(fā)現(xiàn)》的第一期，我們就做了一個(gè)綜述，下期我們將重點(diǎn)講推動(dòng) AI 發(fā)展的巨頭們。
與非網(wǎng)原創(chuàng)內(nèi)容，未經(jīng)許可，不得轉(zhuǎn)載！
