人工智能跑得太快 计算拖了后腿

前不久，在中国工程院信息与电子工程学部举行的第一届人工智能计算大会上，出现了一个颇为有趣的景象。

　　作为连续3次夺得全球超算500强冠军的超级计算机“神威·太湖之光”的运营者，清华大学教授、国家超级计算无锡中心主任杨广文受邀来到会场，并就超算在人工智能领域如何显“神威”作了主题发言。但在他的发言前后，与会者纷纷谈到的观点却是：在人工智能飞速发展的今天，人类的计算能力显然有些跟不上了。

　　这当然不是针对杨广文，也非“神威·太湖之光”，后者已经足够快了——它是世界第一台运行速度超10亿亿次/秒的超级计算机，性能指标超过全球500强超算榜单第二至第六名5台超级计算机的总和，速度相当于普通家用电脑的200万倍。

　　然而，相比人类的大脑——也就是人工智能学习的对象，目前人类创造出的任何一台计算机，哪怕是超级计算机，又都显得太慢了。在“神威·太湖之光”之前，天河二号曾六度称雄全球超算榜单，如今位居第二，但人脑的计算能耗比则是其200万倍。模拟人脑对当下的超算仍是一件“渴望不可及”的任务。

　　正如此次大会发起人、中国工程院院士、浪潮集团首席科学家王恩东所说，尽管人工智能如今迎来蓬勃发展，但仍是挑战重重，这其中在他看来排在第一位的，就是计算性能。也因此，这次大会主题有两个关键词：人工智能和计算。

　　人工智能将带“世界工厂”走向“世界智能工厂”？

　　无论从哪个方面来看，人工智能都很可能是人类未来社会的大势所趋。在会场上，中国工程院一位专家列举了人工智能正带给人们的一些革命性变化——

　　在医疗领域，图像识别技术可以促进癌症诊断的准确性。在农业领域，种植者可以利用深度学习促进农作物产量增长。在能源行业，人工智能提升了勘探效率和装备可靠性。在金融服务行业，人工智能应用降低了决策成本，金融数据得以更快速的分析。

　　更为重要的是，“人工智能正在从娃娃抓起”。

　　王恩东注意到，今年9月开学季，孩子们迎来的“开学第一课”，就请出对战阿尔法的柯洁，以及和郎朗PK琴技的意大利钢琴机器人TEO。前不久，国务院印发了《新一代人工智能发展规划》（以下称《规划》），其中就提出要在中小学阶段设置人工智能相关课程。

　　在中国工程院这位专家看来，《规划》的出台，可以看作“我国正式将人工智能上升为国家战略”的表现，从而促使我国从“世界工厂”向“世界智能工厂”转型。这位专家相信，在新的政策驱动下，我国人工智能的发展将更加迅猛。

　　业内人士谈及人工智能，离不开3个关键词：计算、算法、数据。

　　这位专家说，如今，算法的突破以及数据洪流的爆发，成就了人工智能行业，并使得几乎所有的“机器辅助功能”都成为可能——更好的电影推荐、智能穿戴，甚至无人驾驶汽车、预防性医疗保健，都近在眼前，或者即将实现。

　　美好的蓝图却让他有了一个担心，这种担心，就来自发展人工智能的一个要素：计算。

　　这位专家说，目前我国“应用终端的发展”远远走在“硬件架构”的前面，现有计算平台已经不足以完成人工智能对于庞大运算量的需求。

　　这一轮人工智能浪潮的王牌是“计算”？

　　在中国工程院这位专家看来，中国拥有世界最大的移动互联网市场，拥有非常庞大的“数据”量，这为我国发展人工智能创造了得天独厚的基础；同时，深度学习框架的开发和开源，使得人工智能“算法”的开发越来越便捷，相比之下，“计算”平台就成为本轮推动人工智能进步的重要因素。

　　王恩东同意这位专家的这一说法，他打了一个比方，来说明“计算”的重要性。

　　他说，图灵同时被称作“计算机科学之父”和“人工智能之父”，而他先发明的是计算机基本原型，人工智能则是后来提出的。从这个角度来看，“计算机是大儿子，人工智能则是二儿子”。

　　王恩东说，纵观几十年来的发展来看，大儿子和二儿子的特点并不一样，前者比较稳重，比较有耐性，不调皮不捣蛋，如摩尔定律所说，按照某个规律持续发展。后者则比较活跃，有创新思维，敢冒险，但也经历了三落三起。

　　如今，学界一个共识是，人们又迎来了人工智能研究的又一“起”，即又一个发展高峰。在王恩东看来，这次“二儿子”的发展高峰，正是“大儿子”迅猛发展所带来的。

　　当天会场的楼下，摆放着数十台样式各异的计算机、服务器。王恩东说，这其中一台小小服务器的计算速度，就是20年前最快计算机的60倍。正是由于计算能力的快速发展，结合互联网、物联网带来的海量数据和深度学习等先进算法，才共同催生了第三次人工智能浪潮。

　　而这一次浪潮，在王恩东看来，离不开计算、算法和数据的发展，而计算，是这一切的基础。

　　“现在我们说计算芯片，除了原来的CPU，还出现了GPU，以及谷歌的TPU，甚至还有DPU，为何有这样一堆‘PU’，说到底，就是计算性能还不够！”王恩东说，必须要大力整合发展一批专用芯片，提供一个先进的计算平台，整合这些框架，避免再陷入到上两次人工智能的窘境里去。

　　即便是做应用的人，对此也有类似的感受。微软首位华人“全球技术院士”、微软首席语音科学家黄学东在大会上表示，今天包括智能语音在内的智能产品，因为需要实时，所以还需要更加强大的GPU，更加强大的计算能力作支撑，如此人类才有希望真正用上“超人水平”的语音识别。

　　做人工智能的，不懂计算，做计算的，不懂人工智能？

　　在人工智能研究者眼中，包括超级计算机在内的计算设备，只是人工智能发展的一个要素，而从杨广文这些超级计算机运营者的角度来看，人工智能更像是超级计算机这个大平台的一个应用。当然，角度的不同，并不妨碍两者互为支撑，碰撞火花。

　　事实上，包括“神威·太湖之光”在内的超级计算机，已经能够满足一定程度的人工智能研究，但在杨广文看来，目前一个很大的问题就在于“衔接”：“很多做人工智能、懂算法的人，不会用超算；而专心做超算的人，又对人工智能不太了解。这是一个大问题”。

　　去年11月，中科院软件研究所研究员杨超等人获得2016年度高性能计算应用最高奖——戈登·贝尔奖。这是近30年来，中国超算应用团队第一次获得被誉为“超级计算机应用领域诺贝尔奖”的奖项。

　　按照杨广文的说法，当时，包括杨超等在内的计算机科学家所要做的，就是将算法写成可以在计算机上执行的程序。“这个过程十分困难，而要把这个程序，移植到‘神威·太湖之光’上更是艰辛！”

　　不过据他透露，包括神威·太湖之光在内的超算，正在开展大量的移植优化工作，目的就是“降低人工智能使用超算的门槛”，未来诸如语音、图形图像、精准医疗、智能交通等在内的人工智能应用，争取都能找到相应的计算平台。

　　当然，人工智能大潮来袭，计算性能的提升只是一个问题，此外，还有其他关键问题亟待科学家解决。比如，香港浸会大学副教授褚晓文在大会上所提到的：为什么今天有这么多深度学习软件，但它们的性能却有如此大的差异？

　　他说，在过去11年里，内存带宽仅仅提升了15～16倍，而计算能力则提升了30～50倍，这说明内存的性能和计算的性能之间的差距，在逐渐拉大，这也是GPU计算今天面临的一个巨大挑战——在相对强悍的计算能力和相对薄弱的内存访问之间，横跨的那一道鸿沟。