你已經(jīng)是個成熟的AI，該學(xué)會自己套娃了。
AI技術(shù)在近幾年得到了快速的發(fā)展，大眾對AI技術(shù)不像前兩年那么陌生了。
AI在很多領(lǐng)域做出了令人驚嘆的成績——如今你可以用AI給明星換頭，用AI給動畫補幀，還可以用AI去馬賽克（劃掉）。
不過目前的AI存在一個問題，就是需要大量的時間進行學(xué)習和訓(xùn)練。隨著人們給AI指派新的任務(wù)越來越復(fù)雜，訓(xùn)練AI的時間也變得越來越長。這客觀上是因為AI需要處理的信息量本身就十分的巨大，但另一方面也是因為目前運行AI使用的芯片性能不足，限制了AI的運算速度，導(dǎo)致了學(xué)習時間很長。
因此研究人員正在想方設(shè)法的制造出更強的芯片來提升AI的能力。近日，谷歌就推出專門用于AI的 Tensor處理器(TPU)，TPU中的芯片是專門為機器學(xué)習設(shè)計的AI芯片，特別強化了神經(jīng)網(wǎng)絡(luò)和機器學(xué)習等方面的性能，運算效率更高。
可問題是，在現(xiàn)實中一款新的芯片從規(guī)劃、設(shè)計到生產(chǎn)，這種特制的芯片可能需要工程師們長達幾年的設(shè)計，而AI的進步速度要比芯片的進步速度快得多，這樣一來硬件研制滯后于軟件開發(fā)，就大大拖慢了AI技術(shù)整體的發(fā)展進度。
谷歌的研究科學(xué)家 Azalia Mirhoseini 說：“我們已經(jīng)發(fā)現(xiàn)，一些算法和神經(jīng)網(wǎng)絡(luò)構(gòu)架在如今的AI加速器上表現(xiàn)并不理想，因為這些加速器大概是兩年前設(shè)計的了，那時候神經(jīng)網(wǎng)絡(luò)甚至都不存在?！?/p>
因此要強化AI的能力，就需要在更短的時間內(nèi)制造出更好的芯片，而谷歌給出的解決方案，就是讓AI自己設(shè)計AI芯片。
“我們相信AI能縮短芯片的設(shè)計周期，在硬件和AI中建立一種共生關(guān)系，相互促進彼此的進步，”谷歌在研究論文中寫到。
目前谷歌已經(jīng)研究出了一種AI，可以學(xué)習規(guī)劃芯片的布局。布局規(guī)劃是芯片設(shè)計中非常耗時的一個工序。這通常需要斟酌邏輯單元和內(nèi)存塊的排布，同時顧忌芯片的性能、綜合表現(xiàn)和尺寸大小，因此需要花很多時間一點點的嘗試。
一般來說由一個工程師團隊設(shè)計一款全新的谷歌Tensor 處理器（TPU）布局大概需要幾周的時間，而在實驗中經(jīng)過訓(xùn)練的AI只用了不到24個小時。而且AI設(shè)計的處理器在性能、表現(xiàn)和體積上也全面超過人工設(shè)計的產(chǎn)品。
這個AI使用的并不是人們熟知的深度學(xué)習，而是深度強化學(xué)習技術(shù)（Deep Reinforcement learning ）。這種技術(shù)不需要讓AI學(xué)習數(shù)量巨大的樣本，而是讓AI根據(jù)環(huán)境邊做邊學(xué)，并根據(jù)結(jié)果是否成功給與AI反饋，AI會再根據(jù)反饋來進行調(diào)整。有名的AlphaGo使用的就是這種技術(shù)。
深度強化學(xué)習看起來更像是人類學(xué)習的模式，不過這種AI訓(xùn)練的難度很大，因此不像深度學(xué)習一樣普及。
谷歌希望可以利用這種AI生產(chǎn)出緊跟時代的AI芯片，有人說這是AI產(chǎn)生自我意識的第一步。
可以想象由AI設(shè)計出的AI芯片，可以運行更強的AI，更強的AI再設(shè)計出更更好的AI芯片，如此往復(fù)，AI的更新?lián)Q代速度會越來越快，能力會越來越強，甚至取得飛躍性的進步。
也許今后人們也會把更多的工序交給AI和機器人，進一步縮短AI進步的整個流程，直到有一天人AI學(xué)會了自己生息繁衍。
不知道是應(yīng)該高興還是害怕。
責任編輯：
