想像人类一样智慧？AI先得突破算力极限

科技日报记者 华凌

算法、数据和算力被视为推感人工智能生长的三概略素，其中算力更是被形容为支撑人工智能走向应用的“发念头”。人工智能研究组织OpenAI最近指出，“高级人工智能所需的盘算能力每三个半月就会翻一番”。

克日，脸谱（Facebook）人工智能副总裁杰罗姆·佩森蒂在接受《连线》杂志采访时认为，AI科研成本的连续上涨，或导致我们在该领域的研究碰钉子，现在已经到了一个需要从成本效益等方面思量的田地，我们需要清楚如何从现有的盘算力中获得最大的收益。

那么，为何人工智能需要如此强大的盘算能力？盘算能力是否会限制人工智能的生长？我们能否不停满足人工智能连续扩大的盘算需求？

人工智能“动脑” 背后算力消耗惊人

“2016年3月，谷歌人工智能阿尔法围棋（AlphaGo）战胜韩国棋手李世石时，人们慨叹人工智能的强大，而其背后庞大的‘支付’却鲜为人知——数千台服务器、上千块CPU、高性能显卡以及对弈一场棋所消耗的惊人电量。”远望智库人工智能事业部部长、图灵机械人首席战略官谭茗洲在接受科技日报记者采访时表现。

“相比云盘算和大数据等应用，人工智能对盘算力的需求险些无止境。”中国工程院院士、浪潮团体首席科学家王恩东指出。

据先容，人工智能最大的挑战之一是识别度不高、准确度不高，提高准确度就要提高模型的规模和精致度，提高线下训练的频次，这需要更强的盘算力。准确度也是算出来的，好比大型互联网公司或者知名人工智能创业公司，有能力部署规模比力大的人工智能盘算平台，算法的模型已经到达千亿参数、万亿的训练数据集规模。

“现在人工智能运用的深度学习框架，多数依赖大数据举行科研训练，形成有效模型，这些都需要较高的盘算力。”谭茗洲指出，当前随着人工智能算法模型的庞大度和精度愈来愈高，互联网和物联网发生的数据呈几何倍数增长，在数据量和算法模型的双层叠加下，人工智能对盘算的需求越来越大。无疑，人工智能走向深度学习，盘算力已成为评价人工智能研究成本的重要指标。可以说，盘算力即是生产力。

数据搬运频繁 “内存墙”问题凸显

人工智能为何如此泯灭算力？详细而言，在经典的冯·诺伊曼盘算机架构中，存储单元和盘算单元泾渭明白。运算时，需要将数据从存储单元读取到盘算单元，运算后会把效果写回存储单元。在大数据驱动的人工智能时代，AI运算中数据搬运越发频繁，需要存储和处置惩罚的数据量远远大于之前常见的应用。当运算能力到达一定水平，由于会见存储器的速度无法跟上运算部件消耗数据的速度，因此再增加运算部件也无法获得充实使用，就形成了所谓的冯·诺伊曼“瓶颈”或“内存墙”问题。这就如同一台马力强劲的发念头，却因为输油管的狭小而无法发生应有的动力。

显然，频繁的数据搬运导致的算力瓶颈，已经成为对更为先进算法探索的限制因素。而算力瓶颈对更先进、庞大度更高的AI模型的研究将发生更大影响。

王恩东曾指出：“盘算力的提升对体系结构提出挑战。在半导体技术逐步靠近极限的情况下，盘算机生长迎来体系结构创新的黄金期，盘算力的提升将更多通过体系结构创新来满足。”

据相识，最先进的自然语言处置惩罚模型XLNet约有4亿模型参数。据估算，人脑中细胞间互联轴突个数在百万亿到千万亿数量级。显然AI在认知问题上离我们追求的所谓通用人工智能另有庞大差距，而要到达通用人工智能的水平，预计研究所需要的盘算能力和盘算系统的能源效率将比现在至少提高几个数量级。因此人工智能要进一步突破，必须接纳新的盘算架构，解决存储单元和盘算单元分散带来的算力瓶颈。

谭茗洲说，现在人工智能的无用盘算较多。现在人工智能还像不停灌水一样，处在输入数据、调整参数的阶段，是个“黑盒子”模式，特别在图片视频方面消耗许多能量，而其中真正的有效盘算却不多，很是浪费能源。以后AI有待在“可解释性”上举行突破，搞清是什么原因导致后面的效果，这样可以精准运用数据和算力，大大淘汰运算量。这也是现在重要的研究课题，将大大推动深度学习的生长。

盘算储存一体化 或成下一代系统入口

“虽然现在阶段盘算力还谈不上限制人工智能的生长，但盘算力确实提高了到场人工智能研究的门槛。”谭茗洲指出。

除了研发资金的增长，在盘算力发作之前的很长一段时间，发生数据的场景随着互联网的生长渗透到生活、生产的各个角落，而且随着通讯技术的进步，尤其是5G的商用，使得发生数据的基础场景笼罩面和深度到达新的条理，数据的生产也将到达一个新的数量级。

2020年伊始，阿里达摩院公布《2020十大科技趋势》陈诉显示，在人工智能方面，盘算存储一体化，类似于人脑，将数据存储单元和盘算单元融为一体，能显著淘汰数据搬运，极大提高盘算并行度和能效。

然而，盘算存储一体化的研究无法一蹴而就。

这个陈诉提出计谋，对于广义上盘算存储一体化盘算架构的生长，近期计谋的关键在于通过芯片设计、集成、封装技术拉近存储单元与盘算单元的距离，增加带宽，降低数据搬运的价格，缓解由于数据搬运发生的瓶颈；中期计划是通过架构方面的创新，设存储器于盘算单元中或者置盘算单元于存储模块内，可以实现盘算和存储你中有我，我中有你；远期展望是通过器件层面的创新，实现器件既是存储单元也是盘算单元，不分相互，融为一体，成为真正的盘算存储一体化。近年来，一些新型非易失存储器，如阻变内存，显示了一定的盘算存储融合的潜力。

据先容，盘算存储一体化正在助力、推动算法升级，成为下一代AI系统的入口。存内盘算提供的大规模更高效的算力，使得AI算法设计有更充实的想象力，不再受到算力约束。从而将硬件上的先进性，升级为系统、算法的领先优势，最终加速孵化新业务。

而除了盘算存储一体化的趋势，量子盘算或是解决AI所需巨额算力的另一途径。现在量子盘算机的生长已经逾越传统盘算机的摩尔定律，以传统盘算机的盘算能力为基本参考，量子盘算机的算力正迅速生长。

谭茗洲表现，未来人工智能的突破，除了不停提升技术自己之外，还需要全球各国协同创新，融合生长，探索新的互助模式，如接纳共享思维，调动世界各方面的盘算资源集中发力，以降低盘算的庞大成本。