不一样的IT生态思维

硬件的升级或许能解决人工智能的瓶颈问题

硬件产品的不断升级已经让人工智能技术的训练时间和成本逐渐降低,随着计算机在很多复杂任务当中所显现出的优越性,已经使智能算法成为人工智能领域的一大重要突破。


近日,斯坦福大学的一个研究小组对人工智能指数以及人工智能硬件的重要性进行了分析,在图像识别方面,计算机在完成了对人类的超越以后,便没有更多的建树。


众所周知,语言是机器智能的下一个前沿领域,攻克难度尤其大。虽然语音识别和语言翻译等任务已经被解决,但理解和推理仍然是人类所统治的一个领域。相反,最引人注目的进步来自硬件。例如,经过专门设计的芯片被用来处理机器学习所需的大量数据,业界也为针对这项工作开发专用的系统。


在硅谷,人们过多地主张“大众化”新技术,但在人工智能领域,该主张是合理的。随着亚马逊网络服务(AWS)等云服务使得低成本的硬件和机器学习工具得到广泛使用,训练神经网络——人工智能中计算最密集的部分——突然变得普遍触手可及。


斯坦福大学的DawnBench项目提供了一种对人工智能系统进行基准测试的方法。根据该项目的数据,在不到两年的时间里,在被广泛使用的ImageNet数据集上训练一个系统所需的时间已经从3小时降至88秒。这意味着能够将成本从2323美元大幅削减至12美元。


训练时间和成本的巨大减少是否会让高级人工智能成为一项实用技术,则是另一回事。机器学习的广泛影响很难确定,但AI Index指向了一个很有前景的衡量标准。今年10月,美国约1.32%的招聘信息与人工智能有关,高于2010年的0.26%。这个数字仍然很小,“人工智能工作”的定义也有争议,但大方向是明确的。

赞(0)
未经允许不得转载:维端网 » 硬件的升级或许能解决人工智能的瓶颈问题
分享到: 更多 (0)

评论 抢沙发

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址

不一样的IT生态思维

联系我们