繼IBM開發(fā)的“深藍(lán)”在1997年擊敗卡斯帕羅夫之后，韓國棋手李世石與谷歌旗下公司DeepMind開發(fā)的AlphaGo再度展開人機(jī)大戰(zhàn)。這一次依舊以機(jī)器的勝利告終，并且AlphaGo很早就取得了3比0的絕對(duì)優(yōu)勢(shì)。與國際象棋不同，圍棋需要的計(jì)算量更大，并且需要棋手在關(guān)鍵步數(shù)的走法上擁有良好的“直覺”和“棋感”，尤其是在大局觀上要有敏銳的判斷，而這些曾經(jīng)都是機(jī)器的弱點(diǎn)。是什么讓機(jī)器有這么快的進(jìn)步，連圍棋也被AlphaGo攻克-就是計(jì)算機(jī)的深度學(xué)習(xí)能力。
與前幾代人工智能不同，擁有深度學(xué)習(xí)能力的人工智能技術(shù)是一項(xiàng)重大突破，機(jī)器開始可以模仿人類的神經(jīng)系統(tǒng)進(jìn)行有效學(xué)習(xí)并且進(jìn)步神速，本期“酷創(chuàng)新”，我們來關(guān)注幾大科技巨頭公司最近推出的具有“深度學(xué)習(xí)”能力的人工智能技術(shù)。
臉書的Big Sur
2015年底，臉書人工智能研究部門宣布，之前已經(jīng)開放了多數(shù)軟件源代碼的人工智能計(jì)算服務(wù)器Big Sur會(huì)將其硬件設(shè)計(jì)也開源。臉書此次開源的是最新的大規(guī)模人工智能計(jì)算服務(wù)器設(shè)計(jì)，并將其提交給開源計(jì)算項(xiàng)目——這個(gè)項(xiàng)目分享了很多大公司的數(shù)據(jù)中心產(chǎn)品設(shè)計(jì)。這款名為Big Sur的人工智能計(jì)算服務(wù)器，內(nèi)部集成了用于處理大量數(shù)據(jù)的GPU。Big Sur的目的是訓(xùn)練神經(jīng)網(wǎng)絡(luò)，而現(xiàn)代化人工智能研究項(xiàng)目幾乎都要依賴這種系統(tǒng)。Big Sur服務(wù)器是依托Nvidia的GPU而打造的。GPU在人工智能中的應(yīng)用十分廣泛，因?yàn)檫@種芯片上搭載的處理核心數(shù)量多于Intel生產(chǎn)的傳統(tǒng)處理器，使得它們十分適用于AI軟件所需要的海量計(jì)算。Big Sur的設(shè)計(jì)特點(diǎn)是易于維修的主板，它裝有8個(gè)NVIDIA的Tesla M40。臉書表示，CPU的散熱器是該硬件中唯一一個(gè)需要用螺絲刀拆卸的東西。
AlphaGo的新功能
AlphaGo是谷歌旗下公司DeepMind開發(fā)的一款具有深度學(xué)習(xí)功能的圍棋軟件。早在2013年，DeepMind就創(chuàng)造出了可以模仿人類思維，學(xué)習(xí)如何玩兒電子游戲的人工神經(jīng)網(wǎng)絡(luò)。AlphaGo的工作原理是，由兩個(gè)不同功能的“大腦”網(wǎng)絡(luò)組成：策略網(wǎng)絡(luò)(Policy network)和價(jià)值網(wǎng)絡(luò)(Value network)協(xié)同工作。策略網(wǎng)絡(luò)負(fù)責(zé)在當(dāng)前局面下判斷“最好的”下一步，可以理解為落子選擇器;價(jià)值網(wǎng)絡(luò)負(fù)責(zé)評(píng)估整體盤面的優(yōu)劣，淘汰掉不值得深入計(jì)算的走法，協(xié)助前者提高運(yùn)算效率，可以理解為棋局評(píng)估器。然后，兩個(gè)“大腦”取各自選擇的平均值，做出最終的決定。
不過，DeepMind的技術(shù)并不是專門用來下圍棋的，所謂深度學(xué)習(xí)只是通過機(jī)器自身的學(xué)習(xí)來模仿人類思維，并且不斷提高完成各種特定任務(wù)的能力，而下圍棋只是其中一種特定任務(wù)罷了。目前DeepMind正在與英國NHS(國家醫(yī)療服務(wù)體系)進(jìn)行合作，并已經(jīng)成立了“DeepMind健康”項(xiàng)目，并希望通過技術(shù)手段，幫助有意向參與的醫(yī)護(hù)人員提高服務(wù)質(zhì)量。
Watson正變得越來越聰明
Watson是IBM已經(jīng)開發(fā)了十幾年的人工智能技術(shù)，Watson正在變得越來越“聰明”。通常意義上，Watson已經(jīng)進(jìn)入了與巨量文獻(xiàn)和信息搜索密切相關(guān)的政府部門和醫(yī)療機(jī)構(gòu)，并且在圖像識(shí)別方面已經(jīng)具備了幫助醫(yī)生診斷癌癥的能力。然而這還不是全部。
IBM開發(fā)人工智能技術(shù)的目的并不是為了替代人，而是更好地服務(wù)于人。在此之前，人類在各個(gè)行業(yè)中產(chǎn)生了大量的“非結(jié)構(gòu)數(shù)據(jù)”，其中80%以上是計(jì)算機(jī)無法“讀懂”的，IBM正是要訓(xùn)練Watson“讀懂”這些數(shù)據(jù)，并且找出之前必須通過聘用具有高度洞察力的人類專家才能發(fā)現(xiàn)的一些數(shù)據(jù)之間的內(nèi)在相關(guān)性，其中的意義極為深刻。在Watson的商業(yè)應(yīng)用中，IBM已經(jīng)與眾多企業(yè)建立合作，包括與輝瑞制藥聯(lián)合利用大數(shù)據(jù)建立慢性病風(fēng)險(xiǎn)預(yù)測(cè)模型，和科大訊飛推動(dòng)云平臺(tái)架構(gòu)合作，與Under Armour合作推出“認(rèn)知訓(xùn)練系統(tǒng)”IBM開發(fā)人工智能技術(shù)的目的并不是為了替代人，而是更好地服務(wù)于人。在此之前，人類在各個(gè)行業(yè)中產(chǎn)生了大量的“非結(jié)構(gòu)數(shù)據(jù)”，其中80%以上是計(jì)算機(jī)無法“讀懂”的，IBM正是要訓(xùn)練Watson“讀懂”這些數(shù)據(jù)，并且找出之前必須通過聘用具有高度洞察力的人類專家才能發(fā)現(xiàn)的一些數(shù)據(jù)之間的內(nèi)在相關(guān)性，其中的意義極為深刻。在Watson的商業(yè)應(yīng)用中，IBM已經(jīng)與眾多企業(yè)建立合作，包括與輝瑞制藥聯(lián)合利用大數(shù)據(jù)建立慢性病風(fēng)險(xiǎn)預(yù)測(cè)模型，和科大訊飛推動(dòng)云平臺(tái)架構(gòu)合作，與Under Armour合作推出“認(rèn)知訓(xùn)練系統(tǒng)”，與美敦力合作為病患提供個(gè)性化的糖尿病管理服務(wù)等等。
微軟的“深度殘差學(xué)習(xí)”
2015年底，微軟亞洲研究院視覺計(jì)算組在ImageNet計(jì)算機(jī)識(shí)別挑戰(zhàn)賽中憑借深層神經(jīng)網(wǎng)絡(luò)技術(shù)的最新突破，以絕對(duì)優(yōu)勢(shì)獲得圖像分類、圖像定位以及圖像檢測(cè)全部三個(gè)主要項(xiàng)目的冠軍。這次，微軟亞洲研究院視覺計(jì)算組首席研究員孫劍博士帶領(lǐng)的團(tuán)隊(duì)在深層神經(jīng)網(wǎng)絡(luò)方面進(jìn)行了算法的更新，稱之為“深層殘差網(wǎng)絡(luò)”(deep residual networks)。目前普遍使用的神經(jīng)網(wǎng)絡(luò)層級(jí)能夠達(dá)到20到30層，在此次挑戰(zhàn)賽中該團(tuán)隊(duì)?wèi)?yīng)用的神經(jīng)網(wǎng)絡(luò)系統(tǒng)實(shí)現(xiàn)了152層。深度神經(jīng)網(wǎng)絡(luò)以“層”的形式分布。每一層都具有不同系列的運(yùn)算——也就是算法。某一層的輸出會(huì)成為下一層的輸入。籠統(tǒng)地說，如果一個(gè)神經(jīng)網(wǎng)絡(luò)是設(shè)計(jì)用來進(jìn)行圖像識(shí)別的，其中某一層神經(jīng)將負(fù)責(zé)尋找圖片的一系列特性——邊、角、形狀或者紋理——而下一層神經(jīng)則負(fù)責(zé)尋找另一個(gè)系列的特性。這些層級(jí)就構(gòu)成了神經(jīng)網(wǎng)絡(luò)的“深度”。一般來講，神經(jīng)網(wǎng)絡(luò)的層級(jí)越多，機(jī)器學(xué)習(xí)的難度也就越小。
據(jù)悉，微軟在視覺領(lǐng)域的研究成果已經(jīng)轉(zhuǎn)化到了諸多自身產(chǎn)品當(dāng)中，包括Windows 10中的Windows Hello“刷臉”開機(jī)功能、必應(yīng)的圖像搜索、微軟小冰的多個(gè)圖像“技能”，OneDrive中的圖片分類功能，以及廣受好評(píng)的口袋掃描儀Office Lens等等。
科大訊飛的語音“深度學(xué)習(xí)”
語音識(shí)別給人們的想象空間非常大，比如會(huì)聊天的機(jī)器人，甚至?xí)荚嚨臋C(jī)器人。語音識(shí)別中的深度學(xué)習(xí)涉及到算法、模型、平臺(tái)，是一個(gè)非常復(fù)雜的過程�？拼笥嶏w深度學(xué)習(xí)平臺(tái)的一位負(fù)責(zé)人表示，要做深度學(xué)習(xí)并不難，買臺(tái)機(jī)器，弄套相關(guān)的軟件就可能做起來，但真要上了一定的規(guī)模后，系統(tǒng)的搭建是有講究的。科大訊飛目前使用的機(jī)器大致分兩種，一種是2:4，一種是2:8，其中2代表一臺(tái)機(jī)器中CPU的數(shù)量，4和8則代表GPU的數(shù)量。之所以用這樣的機(jī)器，并非出于他們的本意，而是由于當(dāng)前供應(yīng)商的機(jī)器就是這樣設(shè)計(jì)的。從他們實(shí)際應(yīng)用的角度來看，則更希望有1:4這樣的產(chǎn)品出現(xiàn)，因?yàn)镃PU在其中確實(shí)不承擔(dān)太多的作用，只作為基礎(chǔ)的軟件運(yùn)行平臺(tái)。據(jù)悉，當(dāng)前科大訊飛深度學(xué)習(xí)平臺(tái)這一團(tuán)隊(duì)所用的GPU有400多塊。已經(jīng)是一個(gè)不小的規(guī)模，不過，現(xiàn)在的神經(jīng)網(wǎng)絡(luò)鏈接數(shù)只有10的8次方，跟真正的人腦差了近6個(gè)數(shù)量級(jí)，顯然這400塊是遠(yuǎn)遠(yuǎn)滿足不了實(shí)際需求的，由此也帶出了第二個(gè)問題的探討，即除了關(guān)注機(jī)器中CPU和GPU的配比，做深度計(jì)算還關(guān)注哪些內(nèi)容。
您的位置：