中国宏观对冲研究院GPU加速将掀起人工智能革命.doc

摘要 : 智能机器人和设备将占领家庭？芯片制造商Nvidia正在将这变成现实。Nvidia不会开发一些算法来控制机器人的行为，或安装感应器让其学习这个世界，但它的图形处理单元，即GPUs，可能帮助处理人工智能所需的海量运算。因此在物联网高速发展的今天，GPU加速将掀起人工智能革命。 智能机器人和设备将占领家庭？芯片制造商Nvidia正在将这变成现实。Nvidia不会开发一些算法来控制机器人的行为，或安装感应器让其学习这个世界，但它的图形处理单元，即GPUs，可能帮助处理人工智能所需的海量运算。因此在物联网高速发展的今天，GPU加速将掀起人工智能革命。 多数应用程序都不会只使用GPUs，但会将需要大量计算的任务由标准的微处理器交给GPUs，这就是GPU加速。这种处理在超级计算中非常普遍，并 在计算机视觉和物体识中别无处不在。Nvidia高级计算组的总经理SumitGupta表示，2013年ImageNet图像识别竞赛（一项视觉识别领 域的比赛）中80%的参赛者都使用了GPU加速。2013年3月，谷歌收购了DNNresearch，一家由多伦多大学教授GeoffHinton联合创立的深度学习方面的创业公司。这家公司的 Hinton小组参加了2012年的ImageNet竞赛，并取得了不错的成绩。当时他们由GPU驱动的深度学习模型轻松打败了其他对手。“事实证明，GPU方式能很好处理深度神经网络问题”，Gupta表示。这是因为深度学习算法通常需要海量计算来处理数据（图像、文本等），和提取数据对象的确定特征。尤其是在训练阶段，模型或算法为了调整精度，需要处理大量数据。许多公司都在使用Nvidia的TeslaGPUs进行图像和语音识别，其中包括Adobe和中国的百度。Gupta表示，Nvidia也很在意深 度学习的其他方面。Netflix在亚马逊的云服务中使用GPU加速改善其推荐系统，俄国的搜索公司Yandex采用这种方式为搜索引擎加速，而IBM也 用其改进Hadoop。Nvidia可能对机器学习很感兴趣，因为它近年来一直致力于将GPUs打造成一个通用计算平台，而不是仅用作图像和游戏芯片，不过结果喜忧参半。 为达成这一目的，Nvidia尝试过用自己开发的CUDA语言对处理器进行编程，但Gupta指出，目前对如何高效使用GPUs仍知之甚少。这也是为什么 这项创新技术还只是在一些大公司中使用，因为只有它们才具备同时利用2500个或更多核心（在GPU系统中会更多）的并行处理技术。不过，除了服务器，Nvidia也考虑在未来十年中将机器学习技术用于机器人。上周，Nvidia发布了可用于超级计算的JetsonTK1开发套 装。该套装价值192美元，可用CUDA语言进行编程，并包括了开发者想要的一切端口，和Nvidia的最新移动处理器（TegraK1单芯片系统，配有 192核的KeplerGPU和ARMCortexA15CPU，可进行300千兆的浮点运算）。在上世纪90年代，这种处理速度在超级计算机中也名列前茅。Nvidia正在主流机器人所需的计算机视觉、安全和其他计算领域兜售这个套装。Gupta表示智能设备安装了这种计算工具后，物联网速度将得到极 大提升。Google和Facebook可能会在成百上千的服务器上处理大规模人工智能模型，但在智能手机上运行生成的算法以减少直接发送给云服务器处理 的数据量也是一个发展方向。到时温度调节器或无人机拥有300千兆浮点运算能力也不是不可能。Nvidia预期，机器学习方面的工作将在未来几年内带来相当不错的利润，Gupta表示，但除了上述例子外，他也无法预测GPUs将地哪些方面有 所应用。他表示，“我们目前只开发出了机器学习的几种用途，但绝不会只有这些。”对于Jetson工作套装，他表示：“购买者的想像力会更丰富。”