導(dǎo)語：GPU不僅能夠完善人工智能處理識別工作，將被用在手機(jī)發(fā)展線路

谷歌將其自己的人工智能技術(shù)TensorFlow通過開源的方式貢獻(xiàn)給了全世界，這是谷歌對與互聯(lián)網(wǎng)所做的最大貢獻(xiàn)之一。通過這個做法，谷歌向世界展示了當(dāng)前的計算機(jī)軟件正在發(fā)生什么樣的變化。

最近一段時間，許多互聯(lián)網(wǎng)巨頭都在經(jīng)常性的將自己的軟件技術(shù)分享給全世界。開源加速了科技的發(fā)展速度。在將自己的人工智能技術(shù)TensorFlow進(jìn)行了開源之后，谷歌將會為出自己之外的其他研究機(jī)器學(xué)習(xí)的公司和機(jī)構(gòu)提供幫助。而且從很多方面來講，這些研究成功最終都會回到谷歌這里。

但是除了軟件之外，谷歌的這個人工智能技術(shù)還反映出了計算機(jī)硬件世界的發(fā)展形勢。在谷歌內(nèi)部，在解決圖像識別、語音識別和語言翻譯等軟件服務(wù)的問題時，TensorFlow所依靠的是搭配了專門用來針對游戲來渲染圖像的GPU的機(jī)器，或是圖像處理單元和芯片。而且谷歌對于芯片的依賴程度，其實(shí)要遠(yuǎn)遠(yuǎn)高于外界普遍的認(rèn)知。

Jeff Dean是一位來自谷歌的工程師，他負(fù)責(zé)管理該公司的人工智能工作。Dean表示，谷歌不僅僅是在使用GPU來訓(xùn)練他們的人工智能服務(wù)，而且還要使用這些硬件來運(yùn)行這些服務(wù)——將其投送到消費(fèi)者手中的智能手機(jī)之上。

在當(dāng)今的在線服務(wù)世界中，人工智能正在發(fā)揮著越來越重要的作用——而且非傳統(tǒng)的芯片也在人工智能技術(shù)的發(fā)展中發(fā)或者更加重要的作用。

這意味著一個巨大的變化。今天，在Facebook大規(guī)模的計算機(jī)數(shù)據(jù)中心內(nèi)部，這家公司正在使用GPU來完善他們的面部識別服務(wù)，但是在將這些服務(wù)投送到用戶那里的時候，他們所依靠的卻是傳統(tǒng)的計算機(jī)處理器，也就是CPU。這種做法目前正是行業(yè)內(nèi)部常見的解決方案，就像Facebook CTO Mike Schroepfer最近在面對記者時所說的那樣。但是谷歌希望能夠找到一種效率更高的解決方案，他們不僅希望使用GPU來完善人工智能，更希望使用GPU將軟件服務(wù)投送到用戶那里。谷歌并不是全世界唯一一家希望做出這種改變的公司。中國的搜索巨頭百度也在搭建新的人工智能產(chǎn)品，其工作方式與谷歌的產(chǎn)品基本相同。

這樣的改變的對于顯示芯片企業(yè)nVidia來說是一個好消息，這家公司在GPU硬件研發(fā)方面十分在行。而對于另一家芯片企業(yè)，全世界最大的芯片制造商英特爾來說，這種改變暴露了該公司最大的短板，因?yàn)樗麄儾⒉簧a(chǎn)GPU。然而，還有一些公司和研究人員正在開發(fā)另一種芯片：FPGA（現(xiàn)場可編程門陣列），這種設(shè)備可以在人工智能領(lǐng)域代替GPU的作用，而英特爾不久之前就宣布他們收購了一家FPGA芯片開發(fā)企業(yè)，相比這正是英特爾應(yīng)對這種改變的措施。

無論如何，人工智能都在當(dāng)前世界的在線服務(wù)領(lǐng)域發(fā)揮著越來越重要的作用——而非傳統(tǒng)芯片的架構(gòu)也在進(jìn)一步影響著人工智能的發(fā)展。今天，驅(qū)動在線服務(wù)的，也許依然是科技公司內(nèi)部的計算機(jī)數(shù)據(jù)中心。但是在未來數(shù)年之后，也許驅(qū)動在線服務(wù)的，將會是移動設(shè)備，也就是我們現(xiàn)在使用這些服務(wù)的終端。

高速發(fā)展的深度學(xué)習(xí)

在谷歌、Facebook、微軟和百度這些公司內(nèi)部，GPU的作用還不僅如此，它還在所謂的“深度學(xué)習(xí)”領(lǐng)域發(fā)揮著巨大的作用，因?yàn)镚PU可以平行處理大量瑣碎信息。深度學(xué)習(xí)所依賴的是神經(jīng)系統(tǒng)網(wǎng)絡(luò)——與人類大腦神經(jīng)高度相似的網(wǎng)絡(luò)——而這種網(wǎng)絡(luò)出現(xiàn)的目的，就是要在高速的狀態(tài)下分析海量的數(shù)據(jù)。例如，如果你想要教會這種網(wǎng)絡(luò)如何識別出貓的模樣，你就要給它提供無數(shù)多的貓的圖片。而這種工作，正是GPU芯片所擅長的事情。而且相比于CPU，GPU的另一大優(yōu)勢，就是它對能源的需求遠(yuǎn)遠(yuǎn)低于CPU。

然而目前為止，當(dāng)這些公司推出深度學(xué)習(xí)服務(wù)的時候——例如推出一個能夠識別貓圖像的智能手機(jī)應(yīng)用——驅(qū)動這個應(yīng)用的，依然是數(shù)據(jù)中心系統(tǒng)中的CPU。 Bryan Catanzaro是百度人工智能集團(tuán)負(fù)責(zé)高性能計算系統(tǒng)的工程師，他表示當(dāng)前深度學(xué)習(xí)應(yīng)用依然依賴CPU，是因?yàn)镚PU只有在收到大量數(shù)據(jù)的情況下才能發(fā)揮效用。而驅(qū)動智能手機(jī)應(yīng)用的數(shù)據(jù)中心服務(wù)器軟件并不會以這種方式向芯片輸入數(shù)據(jù)。

一般情況下，當(dāng)手機(jī)應(yīng)用的請求到達(dá)的時候，服務(wù)器會一次處理一個請求。Catanzaro解釋說，如果當(dāng)請求到達(dá)數(shù)據(jù)中心的時候，你使用GPU來拆分處理每一條請求，那么GPU的運(yùn)行效率就會收到極大的影響。GPU甚至?xí)o法正常運(yùn)行。

如果你能夠在執(zhí)行階段不斷的將數(shù)據(jù)發(fā)送給GPU，那么它將會發(fā)揮比CPU高的多的效率。在開發(fā)新人工智能平臺的同時，百度正在進(jìn)行這方面的嘗試?；旧湘i，當(dāng)請求涌入數(shù)據(jù)中心的時候，它將會把多條請求進(jìn)行打包處理，當(dāng)達(dá)到一定的體積之后，再將其一同發(fā)送給GPU。Catanzaro表示：“我們會對這些請求進(jìn)行收集和打包，這樣就無需讓GPU一次只處理一條請求，而是讓它同時處理多個請求。這樣做能夠更好的發(fā)揮GPU的效率。”

我們現(xiàn)在還不清楚谷歌將如何處理這個問題。但是該公司表示，已經(jīng)有相關(guān)的案例顯示TensorFlow能夠在執(zhí)行階段運(yùn)行在GPU上。該公司發(fā)言人Jason Freidenfelds透露：“對于不同的問題，我們有時會用GPU訓(xùn)練深度學(xué)習(xí)，有時也會用它來處理識別工作。”

也許這看起來是一件微不足道的事情，但是其實(shí)它對技術(shù)發(fā)展來說是一件非常重要的事情。這個驅(qū)動人工智能程序的系統(tǒng)會被用在越來越多的計算設(shè)備上。而這些系統(tǒng)正在我們的日常生活中發(fā)揮著重要的作用。谷歌如今正在大量使用深度學(xué)習(xí)技術(shù)，不僅僅是識別照片、語音以及翻譯文字，而且他們還在使用這個技術(shù)來優(yōu)化搜索結(jié)果。而且其他一些公司還在將深度學(xué)習(xí)技術(shù)與廣告投遞、計算機(jī)安全進(jìn)行整合，甚至還有公司在使用深度學(xué)習(xí)技術(shù)讓計算機(jī)來理解人類的正常語義。換句話說，谷歌和百度這些企業(yè)將會需要大量的GPU。

無處不在的人工智能

與此同時，TensorFlow還在將一些人工智能技術(shù)徹底推到數(shù)據(jù)中心之外，讓其進(jìn)入到我們每天都在使用的智能手機(jī)之中。

一般來說，當(dāng)你使用手機(jī)上的深度學(xué)習(xí)應(yīng)用的時候，它的運(yùn)行必須要依靠網(wǎng)絡(luò)，因?yàn)樗枰獙⑿畔l(fā)送回數(shù)據(jù)中心之內(nèi)。所有人工智能處理都是在數(shù)據(jù)中心內(nèi)部完成的。例如，當(dāng)你對著安卓手機(jī)說出一個命令的時候，它必須將你所說的話發(fā)到谷歌的數(shù)據(jù)中心之內(nèi)。在那里，由大量CPU或GPU組成的龐大數(shù)據(jù)網(wǎng)絡(luò)將會處理你的指令并作出相應(yīng)。

但是谷歌在開放了他們的人工智能引擎之后，在某些情況下，這些數(shù)據(jù)將會在你的手機(jī)本地完成處理，而無需再發(fā)回到谷歌的數(shù)據(jù)中心之內(nèi)。Dean表示：“你可以將一些模型描述添加到手機(jī)本地，并且在本地完成運(yùn)行過程。而且你不需要對這段描述或是代碼作出任何改變。”

這其實(shí)就是谷歌開發(fā)谷歌翻譯這個應(yīng)用所使用的方式。谷歌訓(xùn)練這個應(yīng)用來識別用戶語音，然后在其數(shù)據(jù)中心內(nèi)部將這段語音翻譯成另一種語言。但是在完成訓(xùn)練之后，這個應(yīng)用可以自己運(yùn)行——無需依托互聯(lián)網(wǎng)連接。就是因?yàn)槿绱?，你才可以用手機(jī)的攝像頭拍攝一個法語單詞，讓后將其即時翻譯成英語。

但是這種工作其實(shí)難度很高。畢竟，手機(jī)的數(shù)據(jù)處理能力著實(shí)有限。但是隨著時間的推移，越來越多的任務(wù)將會在手機(jī)本地完成。深度學(xué)習(xí)軟件也將會不斷進(jìn)步，移動設(shè)備硬件的計算能力也會不斷增長。深度學(xué)習(xí)初創(chuàng)企業(yè)Skymind公司的創(chuàng)始人Chris Nicholson就表示：“深度學(xué)習(xí)的未來發(fā)展平臺，在于小型移動設(shè)備。”

例如，GPU已經(jīng)找到了它在手機(jī)上的發(fā)展路線，硬件制造商一直都在努力推動GPU速度和使用效率的發(fā)展。同時，有消息稱IBM正在開發(fā)一個名叫Neuromorphic的芯片，這個芯片是專門針對人工智能任務(wù)所開發(fā)的。據(jù)測試過這個芯片的人表示，這個芯片非常適合移動設(shè)備。

今天，谷歌的AI引擎運(yùn)行時所依托的是服務(wù)器的CPU和GPU，智能手機(jī)的芯片也是這樣。但是谷歌工程師Rajat Monga表示，該公司在開發(fā)TensorFlow的時候，刻意的希望工程師能夠?qū)⑵渑c其他硬件平臺進(jìn)行整合。如今既然這個工具已經(jīng)開源，這意味著任何人都可以使用它。就像Dean對TensorFlow的描述那樣：“它將會被用在更多的硬件上。”

是的，硬件世界當(dāng)前也在發(fā)生著改變——而且其改變速度與軟件的改變速度旗鼓相當(dāng)。