谷歌I/O大會(huì)總結(jié)：人工智能沖破障礙 未來(lái)有更多潛力

　　如果要給谷歌今年的I/O開發(fā)者大會(huì)尋找一個(gè)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(jī)器學(xué)習(xí)技術(shù)將會(huì)繼續(xù)扮演非常重要的角色，而谷歌每年在這個(gè)領(lǐng)域都會(huì)保持對(duì)競(jìng)爭(zhēng)對(duì)手的優(yōu)勢(shì)。

　　在這次I/O開發(fā)者大會(huì)上，許多谷歌公司知名的代表人物都紛紛分享了自己對(duì)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(zhǎng)John Hennessy的演講，都展示了谷歌最近的突破以及思維變化對(duì)計(jì)算機(jī)領(lǐng)域如何產(chǎn)生影響，進(jìn)而影響我們的生活。

　　谷歌在機(jī)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(jì)算中，有專門適用于硬件的機(jī)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(jìn)行中。

　　熟悉的硬件軌道

　　約翰·亨尼斯是計(jì)算機(jī)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(dá)爾·皮查伊的表現(xiàn)一樣中肯。在過(guò)去的10年里，技術(shù)追隨者對(duì)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(lái)越多的計(jì)算方法來(lái)解決日益復(fù)雜的問(wèn)題。

　　而解決方案就是需要一種新的計(jì)算方法，針對(duì)特定領(lǐng)域的體系結(jié)構(gòu)。換句話說(shuō)，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(gè)全新的概念，我們已經(jīng)嘗試過(guò)在圖形任務(wù)中使用GPU，而高端智能手機(jī)也越來(lái)越多的使用包括專門的神經(jīng)網(wǎng)絡(luò)處理器在內(nèi)來(lái)處理機(jī)器學(xué)習(xí)任務(wù)。智能手機(jī)芯片多年來(lái)一直在朝著這個(gè)方向發(fā)展，并且也擴(kuò)大到了服務(wù)器領(lǐng)域。對(duì)于機(jī)器學(xué)習(xí)任務(wù)來(lái)說(shuō)，硬件正越來(lái)越多地圍繞低精度的8或16位數(shù)據(jù)大小進(jìn)行優(yōu)化，而不是更大的32或64位的精確浮點(diǎn)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(jì)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(shí)際用例。

　　然而，這種向更廣泛的硬件類型的轉(zhuǎn)變帶來(lái)了新的問(wèn)題，它增加了硬件的復(fù)雜性，破壞了數(shù)以百萬(wàn)計(jì)的開發(fā)人員所依賴的高級(jí)編程語(yǔ)言，并進(jìn)一步破壞了Android平臺(tái)。

　　專用的機(jī)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(yǔ)言浪費(fèi)了。在C語(yǔ)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(gè)例子，使用英特爾的特定領(lǐng)域AVX擴(kuò)展，達(dá)到了62806倍的性能改進(jìn)。但是，僅僅要求專業(yè)人士轉(zhuǎn)向低級(jí)編程并不是一個(gè)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(yùn)行，而不考慮編程語(yǔ)言。這種差距可能永遠(yuǎn)不會(huì)完全消除，但即使達(dá)到25%，也會(huì)極大地提高性能。

　　這也延伸到了亨尼斯設(shè)想未來(lái)芯片設(shè)計(jì)的方式。它的編譯器可能最終在調(diào)度機(jī)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(qiáng)度的、投機(jī)性的無(wú)序機(jī)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(yùn)行時(shí)，這是不太靈活的，但是可以帶來(lái)更好的性能。

　　在這里帶來(lái)另一個(gè)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(yùn)行，并具有不同的性能目標(biāo)。

　　對(duì)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(jī)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(chǎng)上已經(jīng)看到的硬件，如智能手機(jī)NPUs和谷歌的云計(jì)算，都是谷歌未來(lái)機(jī)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(jī)器學(xué)習(xí)已經(jīng)存在了很長(zhǎng)一段時(shí)間，但直到最近才有了突破，這才使得今天的“人工智能”趨勢(shì)成為了一個(gè)熱門話題。更強(qiáng)大的計(jì)算硬件的融合，大數(shù)據(jù)驅(qū)動(dòng)統(tǒng)計(jì)學(xué)習(xí)算法，以及深度學(xué)習(xí)算法的進(jìn)步一直是驅(qū)動(dòng)因素。然而，至少?gòu)南M(fèi)者的角度來(lái)看，大型機(jī)器學(xué)習(xí)問(wèn)題似乎是，硬件已經(jīng)在這里了，但殺手級(jí)應(yīng)用仍然并不明朗。

　　不過(guò)，谷歌似乎并不認(rèn)為機(jī)器學(xué)習(xí)的成功取決于某一個(gè)單一的殺手級(jí)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(gè)組成部分，增強(qiáng)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(jī)等產(chǎn)品添加了新動(dòng)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(gè)時(shí)代最具挑戰(zhàn)性的問(wèn)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(jī)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(huì)對(duì)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(xiǎn)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(huì)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(jìn)和有爭(zhēng)議，機(jī)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(jī)器學(xué)習(xí)將在幕后進(jìn)行，但面向消費(fèi)者的人工智能也將繼續(xù)前進(jìn)，并將重點(diǎn)放在更人性化的方法上。換句話說(shuō)，人工智能將逐漸學(xué)習(xí)并被用來(lái)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(wèn)題。

　　降低開發(fā)門檻

　　谷歌2018年I/O大會(huì)展示了該公司在機(jī)器學(xué)習(xí)方面的領(lǐng)先優(yōu)勢(shì)，而不是競(jìng)爭(zhēng)對(duì)手。對(duì)一些人來(lái)說(shuō)，谷歌在人工智能領(lǐng)域的壟斷前景令人擔(dān)憂，但幸運(yùn)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(lái)越簡(jiǎn)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(jìn)已經(jīng)讓程序員更容易編寫他們的機(jī)器學(xué)習(xí)算法，這樣就可以花更多的時(shí)間來(lái)優(yōu)化任務(wù)，減少代碼中錯(cuò)誤的時(shí)間。TensorFlow Lite已經(jīng)針對(duì)智能手機(jī)進(jìn)行了優(yōu)化，并對(duì)未來(lái)進(jìn)行了培訓(xùn)。

　　在發(fā)布新的ML套件開發(fā)平臺(tái)時(shí)，也可以看到谷歌對(duì)開發(fā)者友好的態(tài)度。不需要設(shè)計(jì)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(tái)將自動(dòng)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(shí)別、人臉檢測(cè)、條碼掃描、里程碑式的檢測(cè)，最后聰明的回答。ML工具包將來(lái)也可能會(huì)擴(kuò)展到包含更多的API。

　　機(jī)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(gè)殺手級(jí)應(yīng)用，但它已經(jīng)成為了一種越來(lái)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(jìn)的云計(jì)算平臺(tái)之間，該公司將為即將到來(lái)的第三方機(jī)器學(xué)習(xí)應(yīng)用提供巨大的增長(zhǎng)。

　　毫無(wú)疑問(wèn)，谷歌是人工智能領(lǐng)域的頭號(hào)公司。