火狐体育_谷歌I/O大会总结:人工智能冲破障碍未来有更多潜力

企业新闻 | 2021-03-15

火狐体育:如果要给谷歌今年的I/O开发者大会找一个主题的话,那就是人工智能(AI)已经被带入了公司要做的所有事情中。从令人印象深刻的双工到全新的第三代CloudTPU,包括下一代AndroidP系统中集成的很多功能,机器学习技术在未来并不会起到非常重要的作用,谷歌每年都会保持在这一领域对竞争对手的优势。在这次I/O开发者大会上,很多著名的谷歌公司代表争相分享他们对人工智能领域的看法。

火狐体育直播

还包括了GregCorrado,DianeGreene,Fei-FeiLi的对话,Alphabet董事长JohnHennessy的演讲,这些都说明了谷歌最近在思维上的突破和变化是如何影响到计算机领域,进而影响到我们的生活的。谷歌在机器学习和人工智能方面的雄心已经采取了“多管齐下”的方法。云计算中有局限于硬件的机器学习技术,也有面向开发者的应用工具第三代CloudTPU。

火狐体育直播

首页

火狐体育直播

TensorFlow和科学界、开发者界的大量研究也在进行中。熟悉硬件轨道的约翰亨尼斯是计算机科学行业的老手。

火狐体育直播

他在最后一天的演讲非常出色,就像孙达尔皮查伊在第一天的演讲一样中肯。在过去的10年里,技术追随者已经熟悉了许多关键话题,包括摩尔定律的过热、性能效率和电池电源的容差等。现在已经有更多的计算方法来解决日益简单的问题。而解决的办法就是有新的计算方法,针对特定领域的架构。

火狐体育直播

火狐体育

火狐体育直播

换句话说,为特定应用定制硬件架构可以最大限度地提高性能和能效。当然,这不是一个全新的概念。我们已经尝试在图形任务中使用GPU,高端智能手机更多的是用来处理机器学习任务,包括特殊的神经网络处理器。

火狐体育直播

智能手机芯片多年来仍在朝这个方向发展,也在向服务器领域拓展。对于机器学习任务,硬件经过优化,在较低精度周围有更多的8或16位数据大小,而不是更大的32或64位精确浮点数和一些特殊的高度分段指令,如质量矩阵乘法。

火狐体育直播

与标准化的大指令集CPU甚至分段GPU相比,性能和能效不言而喻。约翰亨尼斯(John Hennes)指出,谷歌的产品稍后将用于这些异构的建筑芯片和非模块化的线性组件,它们是不同的,有不同的实际使用案例。但是这种向更常见的硬件类型的转变带来了新的问题,降低了硬件的复杂度,破坏了数百万开发者所依赖的高级编程语言,进一步破坏了Android平台。

火狐体育直播

如果专用的机器学习硬件的程序非常困难,或者它的性能被一种旧的编码语言浪费了,那么它就不是很有用。在C语言中,与更友好的Python相比,矩阵乘法的性能差异是47倍。

火狐体育直播

这是一个例子,用于英特尔特定领域的AVX扩展,性能提升超过62,806倍。但是,这意味着拒绝专业人士转到低级编程并不是一个不切实际的自由选择。他忽略了这一点,指出必须重新考虑编译器,以确保程序尽可能高效地运行,而不管编程语言是什么。这个差距也许有一天几乎可以避免,但即使超过25%,也不会大幅度提高性能。

火狐体育直播

这也延伸到亨氏对未来芯片设计的设想。它的编译器可能最终会在调度机器学习任务中发挥更重要的作用,而不是依赖硬件调度和高强度、投机性的无序机器。允许编译器要求哪些操作符并行处理并不太灵活,但是可以带来更好的性能。

火狐体育直播

这里带来的另一个好处是,更智能的编译器还应该有效地将代码同构到不同的体系结构中,以便相同的软件可以在不同的硬件上尽可能高效地运行,并且具有不同的性能目标。对软件潜在变化的影响类似于此。操作系统和内核可能也必须重新考虑,以更好地符合机器学习应用程序和最终可能在野外生存的各种硬件设备。

火狐体育直播

即便如此,我们今天在市场上看到的硬件,如NPUs智能手机和谷歌的云计算,都是谷歌未来机器学习发展愿景的一部分。。

火狐体育直播

本文来源:火狐体育-www.sierrapol.com