AICC:发展人工智能离不开计算算法数据

【环球网科技记者王楠】人工智能,被称为改变人类未来的十大科技之一,在近年来发展十分迅猛。当前,人工智能正跟越来越多的领域和行业融合,将给人们的生产方式和生活方式带来革命性变化。例如,在医疗领域,图像识别技术可以促进癌症诊断的准确性。在农业领域,种植者可以利用深度学习促进农作物产量增长。在制药行业,人工智能被用于发现新药。在能源行业,人工智能提升了勘探效率和装备可靠性。在金融服务行业,人工智能应用降低了决策成本,金融数据得以更快速的分析。

可以说,人工智能正实实在在的为我们的经济发展、行业提升创造价值,并且将成为推动未来变革的科技创新力量。

日前,国务院印发了《新一代人工智能发展规划》,提出面向2030年我国新一代人工智能发展的指导思想、战略目标、重点任务和保障措施。规划中多次提出要重点对人工智能的计算的理论与模型、芯片与系统、平台与环境等进行深入研究提前布局创新突破。

在近期举办的2017人工智能计算大会(AIComputingConference,简称AICC)上,中国工程院专家表示,发展人工智能,就离不开计算、算法、数据三大要素。现在,算法的突破与数据洪流的爆发成就了人工智能行业,并使得几乎所有的机器辅助功能都变为可能,更好的电影推荐、智能穿戴,甚至无人驾驶汽车、预防性医疗保健,都近在眼前,或者即将实现。但目前应用终端的发展远远走在硬件架构的前面,现有计算平台已经不足以完成人工智能对于庞大运算量的需求。中国拥有世界最大的移动互联网市场,拥有非常庞大的数据量,这成为我国发展人工智能得天独厚的基础,同时,深度学习框架的开发和开源使得人工智能算法的开发越来越便捷,相比之下,计算平台就成为本轮推动人工智能进步的重要因素。

本次大会发起人、中国工程院院士、浪潮集团首席科学家王恩东认为,《规划》明确了计算是AI发展的重要推动力,人工智能是目前人类社会面临的最重要的技术变革,也是国家发展的重大战略机遇。近几年兴起的第三次人工智能浪潮,根本原因正是计算能力的快速发展,结合互联网、物联网带来的海量数据和深度学习等先进算法共同催生而成,其实际应用效果和社会影响力远远超出以往。

“当前人工智能计算面临着提升计算性能、不同场景计算优化和生态建设三大挑战,我们需要加强计算芯片创新、可扩展平台架构、系统优化设计等基础技术研发和能力构建,同时也要从硬件、软件、应用、人才等多方面综合提升,避免短板效应带来的整体产业发展不良反应。”王恩东认为要坚持创新驱动全面发展才能更好应对AI计算的挑战。

而高效能服务器与存储技术国家重点实验室科学家、浪潮集团副总裁胡雷钧则认为,未来在人工智能方向或在机器学习和神经网络识别的方向上我们对于计算能力的需求还是很强烈的。

“我们认为要想让一个东西往前发展,就必须体系化的层次化的构建它的生态系统,有一个相对完整的生态系统的支撑,才能推动这个计算系统面向这个应用需求,特别说面向AI的应用需求持续往前发展。浪潮在具体的实践中认为AI的计算平台、AI的系统管理、AI的计算框架、AI的应用方案作为一个生态系统里不可或缺的几个重要环节,在滚动推动着AI的发展。浪潮在这些领域里都做了自己的尝试。”胡雷钧告诉记者。

对此,胡雷钧总结了四步法:首先我们要做任务分解,这是用户需求的分解。其次就是数据准备,我们要有大批的数据去训练,这些数据通过采集、筛选、清洗最终把它归类,我们把它送到AI的平台里面去。再有就是算法选择,目前针对不同的应用有不同的算法。有了算法之后还要在系统平台上做一些试验看看我们应该构建什么样的系统平台,才能让这个算法训练得更好、运行得更好。最后就是系统构造,构造这个系统的时候我们要考虑应该用什么样的计算平台,应该用什么样的管理平台,应该怎么考虑线下的训练,应该怎么考虑线上的识别。

在这个基础上面向AI的应用,浪潮提供了E2E的解决方案——endtoend。

“所谓的E2E解决方案就是强调AI人工神经网络、机器学习从客户端来,从个人端来,从应用端来,最终的结果还是反馈给人,从人来到人去,但是中间整个过程要有数据存储,要有基于数据存储生成训练的数据样本,要以一个巨大的计算系统来训练我们的集群,最终学习的结果要上线部署,提供具体的识别。”胡雷钧解释道,在这里我们有高密度高性能的模型训练的平台AGX-2,它是目前世界上最高密度的AI计算平台,在2U空间之内支持NVLink,支持P100GPU,有基于FPGA的F10A加速卡,有高效的人工智能管理平台AIstation,有高性能深度学习框架Caffe-MPI,同时我们还有非常有经验的工程师队伍可以帮助大家优化我们的算法。

“基于我们优化的算法能非常有效的10倍的几十倍的上百倍的提升性能功耗比。基于此我们打造了一个面向AI的生态,在产业基础的推动下往前滚动发展,未来一定能更好的支持我们的AI应用,无论是训练、学习、现在的监督式学习还是正在发展的自主学习、未来终极目标类脑的学习,都会以非常好的基础来支撑我们。”胡雷钧说。

THE END
1.算法原理与代码实例讲解:自主学习自主学习算法随着人工智能技术的不断发展,自主学习成为了人工智能领域的一个重要研究方向。自主学习是指机器能够自主地从数据中学习知识和技能,而不需要人类的干预。这种学习方式可以让机器更加智能化,能够更好地适应不同的环境和任务。 在自主学习中,深度学习是一种非常重要的技术。深度学习是一种基于神经网络的机器学习方法,它可https://blog.csdn.net/m0_62554628/article/details/139816417
2.OpenAI发布人工智能新算法,糅合VR技术“教”会机器人自主学习首先,收集真实世界中的图像不仅费时费力,而且花费的成本也将是天文数字。反观模拟数据,可以更快、更有效率的达到相同的学习效果。也正因此,OpenAI为最新的人工智能算法提供的都是有着不同风格背景和纹理的虚拟图像。 另外很重要的一点,相较于真实世界的图像,人工智能算法在对虚拟图像进行分析的时候可以不用考虑现实场https://m.sohu.com/a/676462821_121687414
3.人工智能的自主学习技术人工智能的自主学习技术 人工智能(Artificial Intelligence,简称AI)的自主学习技术是指通过算法和模型,使机器能够从大量的数据中自动学习和提取知识,从而能够在面对新的任务和问题时做出准确的判断和决策。自主学习技术是AI领域的一项核心技术,已经在许多领域取得了重大的突破和应用。 自主学习技术的核心在于机器的自动学习https://wenku.baidu.com/view/f2f868986ddb6f1aff00bed5b9f3f90f77c64d05.html
4.人工智能A算法:引领智能化发展的未来之路随着科技的发展,人工智能已经成为了当今社会的热门话题。而人工智能A算法的出现无疑将推动智能化发展的未来之路。人工智能A算法是一种基于大数据和深度学习的算法,通过对复杂问题进行模拟和推理,实现了人工智能的自主学习和智能决策。 人工智能A算法在各个领域都有着广泛的应用。在医疗领域,它可以通过分析病例和医学数据http://chatgpt.kuyin.cn/article/3534398.html
5.从算法到硬件平台,人工智能大潮下的Intel做了什么极客公园目前英特尔的人工智能芯片产品分为四个种类,分别为至强可扩展处理器系列、Nervana 神经计算处理器、Movidius、以及 FPGA。 在英特尔中国研究院院长宋继强看来,人工智能的演进,将由机器学习逐渐过渡到自然智能,人工智能芯片需要逐渐具备处理歧义、场景推理以及自主学习的能力。 https://www.geekpark.net/news/224501
6.通过算法的治理——人工智能语境下的法律转型而对于这种弱人工智能的界定,去除了简单的拟人式想象,只将其看作一种基于算法设计通过数据自主学习以优化数据处理的计算机制,本质在于算法和数据。 效率导向推动下人工智能在法律活动中的应用 从将人工智能作为优化数据处理的计算机制出发,对于人工智能与法律的关联,很容易将其作为一种法律活动的辅助工具加以理解。事实https://www.cdstm.cn/theme/khsj/khzx/khcb/201902/t20190221_909208.html
7.李书恒算法共谋的反垄断规制研究在人工智能学习达到一定成熟度后,尽管双方的算法系统各不相同,也可能在机器的自主学习下达成共谋,实现垄断的结果。可以预见,在未来人工智能之间共谋的实现不需要算法间交流或与经营者保持一致的意图便可能达成,这将放大算法作为执行合意的工具的效果,从而使得不受干涉的自由经营与竞争走向垄断。https://www.jfdaily.com/sgh/detail?id=1054994
8.孙保学:人工智能的伦理风险及其治理当前,我们正身处以人工智能技术为核心的第三次信息技术浪潮之中。它的突破性变革表现在:一方面,从技术(软件和硬件)的演进和发展的角度看,不仅计算机的运算能力较几十年前取得了飞速提升,而且以深度学习为代表的人工智能算法使人工智能的自主学习能力大大增强。学习算法具备了更强的自主能力,能够自行学习和编程,处理https://aiethics.hunnu.edu.cn/content.jsp?urltype=news.NewsContentUrl&wbtreeid=1147&wbnewsid=2002
9.人工智能六大领域拓展阅读 人工智能新观察:中国需要怎样的人工智能创新生态? 打破人工智能算法黑箱 人工智能需要自主学习https://36kr.com/p/1480310728667913