超级计算机在ai领域里的角色

来源自❤♡♡:捷世智通    点击数❤❥:2731   发布时间❥❤♡:2017-08-23

来源❤♡♡♡:ai科技大本营


      人工智能(artificial intelligence )是指使用机器代替人类实现认知❤❤♤ 、识别❤❤❤、分析♤ ❤♤ 、决策等功能,其本质是对人的意识与思维的信息过程的模拟♡❥。

      在ai发展的不同阶段,驱动力各有侧重♤ ♤ ♤ ,可以将ai的发展划分为三个阶段❤❤♡♤ :技术驱动阶段❤♡♤ 、数据驱动阶段和场景驱动阶段❤❥。其中技术驱动阶段集中诞生了基础理论❥♤ ❥、基本规则和基本开发工具❤♤ ❥❤。在此阶段,算法和计算力对ai的发展起到主要推动作用,其中计算力主要包含芯片♤ ❤、超级计算机♤ ♡❥♤ ❤、云计算等三个维度❤❥❤♡。

      在市场规模方面,综合考虑我国人工智能的爆发节点❥❤♤ ♡❥、技术成熟度以及全球ai市场规模等因素,保守估计最迟至2019年我国ai的市场规模将突破百亿元,而2022年这一数字应在700亿元左右♡♤ ♡❤。

      人工智能目前仍处于发展的早期阶段,整体看来技术的发展将先于应用层面,但技术层面仍存在瓶颈需要突破❥❥❤♡❥;应用场景将不断丰富,它的扩充将会反过来驱动支撑技术的持续发展,ai的整体市场规模将继续扩大❥❤❤。

      相比应用场景层面的发展,基础应用层的技术将会是ai中较早发展的部分❥♤ ♤ ♡。不过,从ai整体发展阶段来讲❤❥♡❤,认为ai仍处于早期,虽然语音识别❤❥、计算机视觉等感知层的技术目前已经取得了一定成就,但语义识别等认知层的技术仍不甚完善,即使是像计算机视觉这样的感知层技术也存在发展不均衡的问题❤❤❥。

      随着ai支撑技术的不断发展,ai将持续拓展更多的应用场景♡❤❥❤♤ ;而愈发多样化的应用场景需求又会反过来驱动支撑技术,从而带动整个ai行业的持续发展♤ ❤♡♤ ❥。但各应用场景的发展并非均衡,整体看来将从垂直领域ai逐渐过渡到通用型ai❤❤♡❤♤ 。

总体来说,ai最重要的还是要将技术与应用场景相结合,无法落地的技术很难得到资本青睐和市场认可,而有闭环垄断性的数据,并且其技术能够与实际应用场景结合的将有望产生难以被替代的商业价值❤♡❤♤ 。

 

ai是使用机器代替人类实现认知♡♤ ❥♤ ♤ 、分析❤❤♡♤ ♤ 、决策等功能的综合学科

      人工智能(artificial intelligence)是指使用机器代 替人类实现认知❥❥♤ ♡❤、识别♡❥❥、分析❥❤♤ ❤、决策等功能,其本质是对人的意识与思维的信息过程的模拟❤♤ ,是一门综合了计算机科学♤ ❤♡、生理学♡♡❥、哲学的交叉学科♡❤❥。凡是使用机器代替人类实现认知❤❥❤、识别❥♡❥、分析♤ ❤❤、决策等功能,均可认为使用了人工智能技术♤ ❥。

      作为一种基础技术,理论上讲人工智能能够被应用在各个基础行业(如ai+金融❥❥♡❥、ai+医疗♤ ❤、ai+传统制造业等),同时也有其如机器人这样具体应用行业的概念♤ ❤♡。

      本报告将以2017年上半年为时间节点,对包括发展驱动力♤ ♡♤ ♤ ♡、巨头布局♡♡♤ ❥、投融资情况♡❥♤ 、预测的市场规模等在内的人工智能行业到目前为止的整体发展情况做简要分析,并对包括数据标记❤♡♡、语音识别♤ ♤ ♡♤ 、语义识别❥♡♡❤、算机视觉等技术领域以及安防❥♡、医疗❤♤ 、金融等应用场景在内的细分领域及其典型企业进行简析❤❤❤♡,探索人工智能领域未来辦口可能的投资/创业机会♡♡♤ ♤ 。

 

技术驱动❥♤ :算法和计算力是主要驱动力

      在ai发展的不同阶段,驱动力各有侧重,可以将ai的发展划分为三个阶段♤ ❤❥♤ :技术驱动阶段❤❥❤❤❤、数据驱动阶段和场景驱动阶段♤ ♤ ♤ 。

      技术驱动阶段集中诞生了基础理论❥❤❤♡、基本规则和基本开发工具❤❤。在此阶段,算法和计算力对ai的发展起到主要推动作用♡❤❥。现在主流应用的基于多层网络神经的深度算法,一方面不断加强从海据库中自行归纳物体特征的能力,一方面不断加强对新事物多层特征提取♡♤ ❥♡、描述和还原的能力❥♡♡❤。对算法来说,归纳和演绎同样重要,最终目的是提高识别效率♡♤ ♤ ♡。最新imagenet测试结果显示,ai错误率低达3.5% ,而人类对同一数据库识别错误率在5.1%,理想情况下,计算机图像识别能力已超越人类♤ ❤❥。

 

计算力的三驾马车♡❥:芯片❥♤ ♡、超级计算机♡❥、云计算

      提高识别效率除依靠算法之外,也离不开计算力的支持❤❥♤ 。计算力可以分三个维度展开:芯片♡❤♤ ❥、超级计算机♤ ❥♡❥、云计算♤ ♤ 。

      芯片♤ ♡❤❥:人工智能领域作为一个数据密集的领域,传统的数据处理技术难以满足高强度并行数据的处理需求♤ ♡。为解决此问题,继cpu之后,相继出现了gpu❥❤❥♡❤、npu❥❥♡、fpga❥♡❥❥、dsp等"ai"芯片❤♤ ♤ ❥。1999年,nvidia发布了全球首款图片处理芯片gpu❥♤ ;2016年♡♡❤,寒武纪发布了全球首款深度学习专用处理器芯片npu ,芯片的更迭♤ ♡♡、进步可从根本上提高计算性能♤ ♤ ♡♤ 。


       超级计算机♡❤❥:其基本组成组件与个人电脑的概念无太大差异,但规格与性能则强大许多,是一种超大型电子计算机❤♤ ♡♤ ❥。我国自主超级计算机"神威•太湖之光〃,其处理器为众核cpu "申威26010",整台"神威.太湖之光"共包含40960块处理器❤❥♡♤ ;打败李世石的alphago共包含1202个cpu和176个gpu♡❤❥♤ ;打败柯洁的升级版alphago使用到了tpu ,但数量只有4颗♤ ❥♡。

      可以发现,真正用于人工智能的超级计算机芯片还只是处于cpu❥❥♤ 、gpu层,如何将更适用于网络神经算法的npu♤ ❤❥、fpga等芯片量产化并融合入超级计算机芯片矩阵,是在人工智能发展的第一阶段——技术驱动阶段应该重点努力的方向之一♡❥♤ ♡。


      云计算♤ ❤❤♤ :与主要应用于密集型计算的超级计算机不同,云计算依靠其灵活的扩展能力主要应用于社交网络♡❥❤、企业it建设和信息化等数据密集型❤❥❥❤❤、i/o密集型的领域❥♤ ❤。

      分析认为,当ai跨越入第二阶段——数据驱动阶段后,算法和计算力将变成人工智能领域的基础设施——“水❤❤、电♤ ❤、煤”❥❥❤。就目前看来,多项算法开源平台已将ai算法引入统一♡❥♡❥❥、公用阶段,运算力也必将向同样的趋势发展❥❥♤ 。云计算则是一个初步尝试,未来❤♤ ❤❤,计算力的发展方向或将是云计算和超级计算机技术结合♡♤ ♡❤,为企业提供既可密集运算又可灵活扩展的计算服务,将人工智能赋能全行业♡❤♤ 。