谷歌I/O大會總結(jié)：人工智能沖破障礙 未來有更多潛力

　　如果要給谷歌今年的I/O開發(fā)者大會尋找一個主題，那么就是人工智能(AI)已經(jīng)融入了公司所有要做的事情中。從讓人印象深刻的Duplex到全新的第三代Cloud TPU，包括在下一代Android P系統(tǒng)中整合的很多功能，機器學(xué)習(xí)技術(shù)將會繼續(xù)扮演非常重要的角色，而谷歌每年在這個領(lǐng)域都會保持對競爭對手的優(yōu)勢。

　　在這次I/O開發(fā)者大會上，許多谷歌公司知名的代表人物都紛紛分享了自己對人工智能領(lǐng)域的看法。包括Greg Corrado， Diane Greene和Fei-Fei Li談話，以及Alphabet董事長John Hennessy的演講，都展示了谷歌最近的突破以及思維變化對計算機領(lǐng)域如何產(chǎn)生影響，進而影響我們的生活。

　　谷歌在機器學(xué)習(xí)和人工智能方面的雄心壯志已經(jīng)采用了“多管齊下”的方法。在云計算中，有專門適用于硬件的機器學(xué)習(xí)技術(shù)和第三代Cloud TPU這種面向開發(fā)者的應(yīng)用工具。還包括TensorFlow以及大量科學(xué)界和開發(fā)者界的研究也在進行中。

　　熟悉的硬件軌道

　　約翰·亨尼斯是計算機科學(xué)行業(yè)的資深人士，他在最后一天的演講中表現(xiàn)非常出色，就像第一天桑達爾·皮查伊的表現(xiàn)一樣中肯。在過去的10年里，技術(shù)追隨者對很多關(guān)鍵的主題都很熟悉，包括摩爾定律的失效、性能效率和電池電源的限制等，現(xiàn)在已經(jīng)有越來越多的計算方法來解決日益復(fù)雜的問題。

　　而解決方案就是需要一種新的計算方法，針對特定領(lǐng)域的體系結(jié)構(gòu)。換句話說，為特定的應(yīng)用程序定制硬件架構(gòu)，可以最大限度地提高性能和提高能源效率。

　　當(dāng)然，這并不是一個全新的概念，我們已經(jīng)嘗試過在圖形任務(wù)中使用GPU，而高端智能手機也越來越多的使用包括專門的神經(jīng)網(wǎng)絡(luò)處理器在內(nèi)來處理機器學(xué)習(xí)任務(wù)。智能手機芯片多年來一直在朝著這個方向發(fā)展，并且也擴大到了服務(wù)器領(lǐng)域。對于機器學(xué)習(xí)任務(wù)來說，硬件正越來越多地圍繞低精度的8或16位數(shù)據(jù)大小進行優(yōu)化，而不是更大的32或64位的精確浮點數(shù)，以及少量專用的高度并行指令，如質(zhì)量矩陣乘法。與通用的大型指令集CPU和甚至并行GPU計算相比，性能和能源效益是不言自明的。約翰o亨尼斯認(rèn)為，谷歌的產(chǎn)品將繼續(xù)使用這些異構(gòu)的集成芯片和非模離散的組件，這取決于不同的實際用例。

　　然而，這種向更廣泛的硬件類型的轉(zhuǎn)變帶來了新的問題，它增加了硬件的復(fù)雜性，破壞了數(shù)以百萬計的開發(fā)人員所依賴的高級編程語言，并進一步破壞了Android平臺。

　　專用的機器學(xué)習(xí)硬件如果它的程序非常困難，那么用處就不是很大，或者如果性能被低效的編碼語言浪費了。在C語言中，與更友好的Python相比，矩陣乘法的性能差異為47倍。這是一個例子，使用英特爾的特定領(lǐng)域AVX擴展，達到了62806倍的性能改進。但是，僅僅要求專業(yè)人士轉(zhuǎn)向低級編程并不是一個可行的選擇。相反，他認(rèn)為編譯器需要被重新考慮，以確保程序盡可能高效地運行，而不考慮編程語言。這種差距可能永遠不會完全消除，但即使達到25%，也會極大地提高性能。

　　這也延伸到了亨尼斯設(shè)想未來芯片設(shè)計的方式。它的編譯器可能最終在調(diào)度機器學(xué)習(xí)任務(wù)中扮演更重要的角色，而不是依賴于硬件調(diào)度和高強度的、投機性的無序機器?？梢栽试S編譯器決定哪些操作是并行處理的，而不是在運行時，這是不太靈活的，但是可以帶來更好的性能。

　　在這里帶來另一個好處是，更聰明的編譯器還應(yīng)該能夠有效地將代碼映射到各種不同的體系結(jié)構(gòu)中，因此相同的軟件可以在不同的硬件上盡可能高效地運行，并具有不同的性能目標(biāo)。

　　對軟件的潛在轉(zhuǎn)變的影響并不止于此。操作系統(tǒng)和內(nèi)核可能也需要重新考慮，以便更好地滿足機器學(xué)習(xí)應(yīng)用程序和各種可能最終在野外生存的硬件配置。即便如此，我們今天在市場上已經(jīng)看到的硬件，如智能手機NPUs和谷歌的云計算，都是谷歌未來機器學(xué)習(xí)將如何發(fā)展的愿景的一部分。

　　人工智能是互聯(lián)網(wǎng)的一部分

　　機器學(xué)習(xí)已經(jīng)存在了很長一段時間，但直到最近才有了突破，這才使得今天的“人工智能”趨勢成為了一個熱門話題。更強大的計算硬件的融合，大數(shù)據(jù)驅(qū)動統(tǒng)計學(xué)習(xí)算法，以及深度學(xué)習(xí)算法的進步一直是驅(qū)動因素。然而，至少從消費者的角度來看，大型機器學(xué)習(xí)問題似乎是，硬件已經(jīng)在這里了，但殺手級應(yīng)用仍然并不明朗。

　　不過，谷歌似乎并不認(rèn)為機器學(xué)習(xí)的成功取決于某一個單一的殺手級應(yīng)用。相反，谷歌人工智能專家Greg Corrado， Diane Greene和Fei-Fei Li的小組討論表明，人工智能將成為新老產(chǎn)業(yè)的一個組成部分，增強人類的能力，并最終在可及性和重要性方面變得和互聯(lián)網(wǎng)一樣普遍。

　　如今，人工智能為智能手機等產(chǎn)品添加了新動力，但下一步是將人工智能的好處整合到產(chǎn)品工作的核心。谷歌員工似乎特別熱衷于將人工智能交付給不同行業(yè)，這將使人類受益最大，并解決我們這個時代最具挑戰(zhàn)性的問題。有很多關(guān)于醫(yī)學(xué)和研究在輸入輸出方面的好處的討論，但是機器學(xué)習(xí)很可能出現(xiàn)在包括農(nóng)業(yè)、銀行和金融在內(nèi)的各種行業(yè)中。正如谷歌一直在關(guān)注助理的智能功能一樣，這是一種更微妙、更隱蔽的用例，它可能最終會對人們的生活產(chǎn)生很大的影響。

　　最終，人工智能可以幫助人類走出危險的工作環(huán)境，提高生產(chǎn)力。但正如谷歌在Duplex演示所展示的那樣，這最終可能會在許多角色中取代人類。隨著這些潛在的用例變得更加先進和有爭議，機器學(xué)習(xí)行業(yè)將與立法者、倫理學(xué)家和歷史學(xué)家合作，以確保人工智能最終能產(chǎn)生預(yù)期的影響。

　　盡管許多以工業(yè)為基礎(chǔ)的機器學(xué)習(xí)將在幕后進行，但面向消費者的人工智能也將繼續(xù)前進，并將重點放在更人性化的方法上。換句話說，人工智能將逐漸學(xué)習(xí)并被用來更好地理解人類的需求，并最終能夠理解人類的特征和情感，以便更好地交流和幫助解決問題。

　　降低開發(fā)門檻

　　谷歌2018年I/O大會展示了該公司在機器學(xué)習(xí)方面的領(lǐng)先優(yōu)勢，而不是競爭對手。對一些人來說，谷歌在人工智能領(lǐng)域的壟斷前景令人擔(dān)憂，但幸運的是，該公司正在努力確保其技術(shù)得到廣泛應(yīng)用，并越來越簡化第三方開發(fā)者的應(yīng)用。如果谷歌的情緒是可信的，那么人工智能將是所有人的。

　　TensorFlow和TensorFlow Lite的改進已經(jīng)讓程序員更容易編寫他們的機器學(xué)習(xí)算法，這樣就可以花更多的時間來優(yōu)化任務(wù)，減少代碼中錯誤的時間。TensorFlow Lite已經(jīng)針對智能手機進行了優(yōu)化，并對未來進行了培訓(xùn)。

　　在發(fā)布新的ML套件開發(fā)平臺時，也可以看到谷歌對開發(fā)者友好的態(tài)度。不需要設(shè)計定制模型與ML工具包，程序員只需要提要中的數(shù)據(jù)和谷歌的平臺將自動使用應(yīng)用程序的最佳算法。目前基本api支持圖像標(biāo)簽，文本識別、人臉檢測、條碼掃描、里程碑式的檢測，最后聰明的回答。ML工具包將來也可能會擴展到包含更多的API。

　　機器學(xué)習(xí)和基本的人工智能已經(jīng)在這里了，盡管我們可能還沒有看到一個殺手級應(yīng)用，但它已經(jīng)成為了一種越來越基本的技術(shù)，跨越了谷歌的大量軟件產(chǎn)品。在谷歌的TensorFlow和ML Kit軟件、Android神經(jīng)網(wǎng)絡(luò)支持以及改進的云計算平臺之間，該公司將為即將到來的第三方機器學(xué)習(xí)應(yīng)用提供巨大的增長。

　　毫無疑問，谷歌是人工智能領(lǐng)域的頭號公司。