Turing testini geçin! Google'ın yönetimindeki kişi, "AI'yı aramak" olağanüstü bir ilerleme olduğunu söyledi
Xia Yi içbükey tapınaktan çiftçilik yapmayı sordu
Qubit Üretildi | Genel Hesap QbitAI
Yanıldık.
Bu sabah erken saatlerde, Google I / O 2018 konferansının son gününde, yılın Turing Ödülü'nü yeni kazanan Alphabet'in yeni başkanı John Hennessy sahneye çıktı.
Bunun rutin bir konuşma olduğunu düşündüm. Sorumluluk, popüler bilim yapma vb. Hakkında kısa bir konuşma. Beklenmedik bir şekilde, eski Stanford müdürü Hennessy resmi olarak oynamadı. (Önceki versiyondaki Alphabet'in başkanından çok daha ilginç)
Dinledikten sonra uzun süre sakinleşemedik.
Hennessy başlangıçta çok fazla zaman harcadı, bilgi işlem alanının gelişimini, mevcut durumunu ve zorluklarını ve ayrıca gelecekteki olası atılım yönlerini dikkatlice açıkladı. Her cümle kurudur.
Elbette ifade edilen heyecan verici duygular da var.
Örneğin 65 yaşındaki büyük usta dekan şöyle dedi: İnanmayabilirsiniz, ilk bilgisayarımı neredeyse 50 yıl önce yaptım.
Hennessy, geçtiğimiz elli yılda inanılmaz bilgi teknolojileri endüstrisine tanık olduğunu, dalgaların ard arda sahnelendiğini, internetin, çiplerin, akıllı telefonların, bilgisayarların sihrini gösterdiğini söyledi. Ama yine de hayatlarımızı gerçekten değiştireceğini düşündüğü bir şey var.
"Bu, makine öğrenimi ve yapay zeka alanında bir atılım."
"İnsanlar 50 yıldır bu alanda araştırma yapıyorlar. Sonunda, sonunda bir atılım yaptık. Bu atılımı başarmak için, ihtiyacımız olan temel hesaplama gücü önceki varsayımın 1 milyon katı idi. Ama sonunda bunu yaptık."
Dedi ki: Bu dünyayı değiştirecek bir devrimdir.
Sonra daha şok edici bir sahne sahnelendi.
Pek çok kişinin Google Duplex'i zaten gördüğüne inanıyorum. Google CEO'sunun iki gün önce Google I / O 2018 konferansının ilk gününde gösterdiği diyalog yapay zekasıdır.
Gerçek bir ortamda hizmet ve koltuk rezerve etmek için kuaförleri ve restoranları arayabilir. Süreç boyunca akıcı bir şekilde iletişim kurun, bilmeyen insan operatörleri için mükemmel. Aşağıdaki videoya bir göz atın ve ardından Google'ın AI siyah teknolojisini hissedin.
Google Duplex çıktığında herkes bombalandı. Etkisi olağanüstü. Seyirciler bir an düşündü: Google'ın gösterdiği yapay zeka Turing Testini geçti mi?
Evet, Alphabet Başkanı John Hennessy bugün nihayet itiraf etti: " Randevular alanında bu yapay zeka, Geçti Turing testi . "
"Bu olağanüstü bir buluş."
Ayrıca, bu yapay zekanın her durumda ilerleme sağlamamasına rağmen, yine de geleceğin yolunu işaret ettiğini de sözlerine ekledi.
1950'de Turing, insanların gerçek zekaya sahip makineler yaratabileceğini öngören çığır açan bir makale yayınladı. Ayrıca ünlü Turing testini de önerdi: Bir makine, tanımlanmadan insanlarla (teleks ekipmanı aracılığıyla) bir konuşma başlatabiliyorsa, makine akıllıdır.
Turing testini geçmek, makinenin düşünebileceği anlamına gelir.
Turing'in şok edici kağıtları
Harika, Google'ı tekrar arayın (ve umarım AI tarafından yanıtlanabilir).
John Hennessy de konuşmada dinleyicilere sordu: Bir şey var, Moore Yasasına göre hala hızla büyüyebilir, tahmin et ne oldu?
Cevap şudur: makine öğrenimi makalelerinin sayısı.
Bunu söyledikten sonra, tüm seyirci kahkahalara boğuldu. (Verilere katkıda bulundukları için Jeff Dean, Dave Patterson, Cliff Young, vb. Sayesinde.)
TPU'nun iç yapısını da anlattı. Ayrıntılar aşağıda açıklanmıştır.
Bu yüzden bugün bu itkiyi saygı ve heyecanla gönderiyoruz. Buna şöyle denilebileceğini düşünüyoruz: " Mountain View Teknoloji Sempozyumunda Alphabet Başkanı'nın Konuşması ".
Hennessy'nin konuşmasının tam metni aşağıdaki gibidir ve ayrı bir versiyonu yayınlanmamıştır.
Konuşma dehidrasyonunun tam metni
Bugün önümüzdeki 40 yıl içinde bilgisayar alanında karşılaşacağımız en büyük zorluk hakkında konuşmak istiyorum, ancak bu aynı zamanda büyük bir fırsat, bir bilgisayarın nasıl yapılacağını yeniden düşünelim.
Moore Yasasının sonundan bahsetmek artık popüler. Gordon Moore bir keresinde bana şöyle demişti: Tüm endeksler sona erecek, bu sadece bir zaman meselesi. Moore yasasının karşılaştığı bu tür bir doğal yasadır.
Moore Yasasının sonu ne anlama geliyor?
İlk olarak DRAM (Dinamik Rasgele Erişimli Bellek) durumuna bakalım. DRAM, yıllardır her yıl% 50 oranında büyüyor, ki bu Moore Yasasının söylediğinden biraz daha hızlı.
Ancak daha sonra sakin bir döneme girdi. Son 7 yılda ne oldu? DRAM, derin hendek kapasitörleri gerektiren ve bu nedenle özel bir montaj teknolojisi gerektiren nispeten özel bir teknolojidir.
Peki işlemci dünyasında ne oldu? İşlemci geliştirmedeki yavaşlama DRAM'inkine benzer. Kırmızı çizgi Moore Yasasının tahminidir ve mavi çizgi, sıradan bir Intel işlemcisindeki transistörlerin sayısıdır. Bu iki çizgi başlangıçta sadece biraz farklıydı, ancak 2015 ve 2016'da boşluk çok büyük olacak.
Ayrıca bir maliyet faktörü olduğunu da unutmamalıyız. Üretim hatları gittikçe daha pahalı hale geliyor, ancak yongaların maliyeti o kadar hızlı düşmüyor, bu nedenle her bir transistörün maliyeti aslında artıyor. Mimariye baktığımızda bu sorunların etkisini göreceğiz.
Moore Yasasının yavaşlamasına ek olarak, Daha büyük bir sorun var, Dennard Scaling'in sonu.
Bob Dennard, bir IBM çalışanı ve ilk transistör DRAM'in mucidi.Yıllar önce, bir milimetre kare silikon çip için gereken enerjinin sabit kalacağını, çünkü voltaj seviyesi ve akım kapasitesinin düşeceğini öngörmüştü.
Ne anlama geliyor? Enerji sabit kalır, ancak transistör sayısı katlanarak artarsa, o zaman her bir transistörün enerjisi gerçekte azalmaktadır, yani enerji tüketimi açısından hesaplama maliyeti düşmektedir.
Dennard'ın ölçeklendirme yasası ne olacak? Yukarıdaki resme bir göz atalım: Kırmızı çizgi, standart Moore Yasası eğrisine göre teknolojinin gelişimidir ve mavi çizgi, birim alan başına enerji tüketimindeki değişimi temsil eder.
Bugünün işlemcileri saat frekansını yavaşlatır ve çekirdeği kapatır, çünkü bunu yapmazsanız yanacaktır. İşlemcinin aşırı ısınmayı önlemek için yavaşladığı bir gün göreceğimi hiç düşünmemiştim, ama şimdi bu oldu.
Aslında, Dennard'ın ölçeklendirme yasası 2007'de sona ermiş ve yonga endüstrisinde ciddi değişikliklere yol açmıştı. Birdenbire, anahtar sınırlayıcı faktör artık transistör sayısı değil, enerji tüketimidir. Bu, mimariyi tamamen yeniden düşünmenizi ve makineyi nasıl inşa edeceğinizi düşünmenizi gerektirir.
Bu, transistörlerin bilgi işlem ve mimarideki verimsizliğinin her zamankinden daha zararlı olduğu anlamına geliyor.
Genellikle kullandığımız ve yanımızda taşıdığımız tüm cihazlar pillerden ayrılmaz ve aniden enerji anahtar bir kaynak haline gelir. Ölü bir telefondan daha kötü bir şey var mı? Yaklaşan hakkında düşünün IoT Bu çağda cihaz her zaman açıktır ve 10 yıl boyunca bir batarya için enerji hasadı teknolojisine güvenmesi bekleniyor.
Sonsuza kadar devam etmek için ekipmana giderek daha fazla ihtiyacımız var. Örneğin, Google Assistant kuruluysa, ekranının her zaman açık olmasına ihtiyacınız olmayabilir, ancak CPU'nun her zaman çalışması gerekir. Bu nedenle, enerji verimliliğini giderek daha fazla düşünmemiz gerekiyor.
Birçok insanı şaşırtan şey şuydu Enerji verimliliği, büyük bulut bilişim veri merkezlerinde de büyük bir sorundur.
Bu, Google'ın veri merkezinin tipik maliyet yapısıdır. Kırmızı kısım, neredeyse sunucuda harcanan maliyetle aynı olan enerji tüketimi artı soğutma maliyetidir. Bu nedenle, enerji verimliliği çok kritik bir konudur ve Dennard'ın ölçeklendirme yasasının sona ermesi, ücretsiz öğle yemeği olmadığı anlamına gelir ve etkisini görebilirsiniz.
Yukarıdaki resim gösterir 40 yılda işlemci performansındaki değişiklikler . İlk birkaç yılda, her yıl% 22 ilerleme gördük; 1980'lerin ortalarında RISC'nin icadından sonra yıllık ilerleme oranı yaklaşık% 50'ye ulaştı; bir sonraki adım Dennard'ın ölçeklendirme yasasının sona ermesiydi ve çip endüstrisindeki herkes Çok çekirdekli. Çok çekirdekli kullanım nedir? Donanım tasarımcıları bunu, enerji verimliliği balosunu yazılım tasarımcılarına atmak için kullanıyor; şimdi ortalama yıllık performans artışı sadece yaklaşık% 3 olan bir plato dönemine girdik ve ikiye katlanması 20 yıl alacak. Bu, genel amaçlı işlemci performans artışının sonudur.
Bu neden oluyor?
Çok sayıda komutun paralel olarak yürütülmesi mümkün değildir.Örneğin Intel Core i7'de komutların yürütme sonuçlarının% 25'i atılır, ancak bu komutların yürütülmesi yine de enerji gerektirir. Tek işlemci performans eğrisinin sona ermesinin nedeni budur.
Ancak çok çekirdekli işlemciler de benzer sorunlarla karşı karşıyadır. Büyük ölçekli karmaşık bir yazılım yazmak için, sıralı bölümler olmalıdır.
Gelecekte 64 çekirdekli bir işlemci kullandığınızı, ancak çalıştırdığı kodun% 1'inin sıralı olduğunu, bu nedenle işlem hızı yalnızca 40 çekirdekli bir işlemciye eşdeğer olduğunu, ancak 64 çekirdek kullanmanız gerektiğini varsayalım. Enerjiyi ödemek için.
Bu enerji verimliliği engelinin üstesinden gelmek için, makinelerin nasıl tasarlanacağını yeniden düşünmeliyiz.
Sistemi daha ekonomik hale getirmek için başka ne yapabiliriz?
İçin yazılım Merkezli yaklaşım işe yarıyor mu? Modern komut dosyası dilleri, onları kullanan programcılar için çok etkilidir, ancak yürütmede çok verimsizdirler.
İçin donanım Merkezli yaklaşım ne olacak? Patterson ve ben ona " Etki alanına özgü mimari "Bu tür bir mimari evrensel değildir, ancak bazı alanlardaki uygulamaları çok iyi idare edebilir.
Yukarıda bahsedilen zorluklara dayanarak, fırsatlara bir göz atalım.
Bu tablo, Charles Leiserson ve MIT'deki meslektaşlarının yazdığı "Zirvede Bol Oda Var" gazetesinden alınmıştır. Örnek olarak matris çarpımını alıyorlar, bu algoritmayı Intel Core işlemcilerde çalıştırıyorlar ve optimize ediyorlar. C dilinde yeniden yazmak, paralel döngüler eklemek ve bellek optimizasyonunu eklemek hızda iyileştirmeler getirecek.Son olarak, programı Python'dan 60.000 kat daha hızlı olan Intel AVX komutlarıyla yeniden yazdılar.
Çok basit bir algoritma olmasına rağmen, Yazılım optimizasyonunun getirebileceği potansiyel .
Sonra Etki Alanına Özgü Mimari (DSA) Ne? Aslında yapmak istediğimiz şey, donanımın enerji verimliliğinde bir atılım yapmak. "Belirli bir alan", belirli bir amaç aralığına ulaşabilen bir işlemciyi ifade eder. Çalışırken bu belirli alandaki bilgileri kullanabilirler, böylece daha verimli olurlar. Örneğin, özellikle bir sinir ağını çalıştırmak için kullanılan bir işlemci. Makine öğrenimi ile ilgili şeyler.
DSA sihir değildir.Mimariyi belirli bir alanla sınırlamak, hesaplamaları otomatik olarak hızlandırmaz.Daha verimli olabilmek için bazı mimari değişiklikler yapmamız gerekir. Önemli noktalar aşağıdaki gibidir:
ilk olarak ABD Paralellik daha verimli bir şekilde elde edilir Mevcut çok çekirdekli işlemcinin çok talimatlı çoklu verilerinden tek talimat çoklu verilerine kadar, her bir çekirdeğin komut akışını farklı önbelleklerden ayrı olarak okumasına gerek yoktur, ancak bir dizi talimatı depolamak için bir dizi işlevsel birim kullanır. Bu, biraz esneklik pahasına büyük bir verimlilik artışıdır. Kullandığımız şey daha çok VLiW gibidir, derleyicinin bir grup işlemin paralel olup olmayacağına karar vermesine ve çalışmayı çalışma zamanından derleme zamanına aktarmasına izin verin.
Ayrıca biz Önbellek bitti . Önbellek iyi bir şeydir, ancak mekansal ve zamansal yerellik düşük olduğunda, sadece faydasız değildir, programı da yavaşlatacaktır. Biz de onu kullanıcı kontrollü yerel depolamaya taşıdık. Burada yapılan değiş tokuş, birisinin uygulamasını kullanıcı kontrollü bir depolama yapısına aktarması gerektiğidir.
Ayrıca biz de Gereksiz hassasiyeti kaldırın , Düşük hassasiyetli kayan nokta işlemlerine dönün.
Bunlarla bağlantılı olarak, ihtiyacımız olan Etki alanına özgü dil . Python veya C'de yazılan kod, belirli bir alan mimarisine eşlenmesi gereken bilgileri çıkaramaz.
Bu nedenle ihtiyacımız var Bu makinelerin nasıl programlanacağını yeniden düşünün , Vektör çarpma, vektör matris çarpımı veya katsayı matris organizasyonu gibi gelişmiş işlemleri kullanmaları gerekir, ancak bu işlemlerle mimaride derlenen üst düzey bilgiler elde edilebilir.
Alana özgü bir dil tasarlamanın anahtarı, yeterli makine bağımsızlığını korumaktır ve başka bir makine değiştirilmezse program yeniden yazılamaz. Belirli bir etki alanı dilini hedefleyebilen bir derleyici olmalıdır. Bulut üzerinde çalışan mimari ve cep telefonunda çalışan mimari ile eşleşebilir. Bu bir zorluktur. TensorFlow, OpenGL vb. Bu yönde gelişiyor, ama bu yeni bir alan, anlamaya yeni başladık ve bunun için nasıl tasarım yapacağımızı yeni yeni anlamaya başlıyoruz.
Derin sinir ağları için alana özgü bir mimari tasarlayın , Sence ne olmalı?
Bu fotoğraf TPU İç mimari için açıklamak istediğim şey, silikon yonga alanını işgal eden şeyin kontrol veya önbellek değil, doğrudan bilgi işlemle ilgili bir şey olmasıdır.
Bu nedenle, bu işlemci saat başına 256 × 256 kez tamamlayabilir, bu da 64.0008 bitlik matris çarpımıdır, böylece çıkarım görevini kolayca kaldırabilir. Yaygın C dili kodunu çalıştırmak için kullanamazsınız, ancak sinir ağı çıkarımını çalıştırmak için kullanabilirsiniz.
Watt başına enerji tüketimi ile elde edilen performansa bir göz atalım. TPU, genel amaçlı işlemcilerin 30 katından fazla ve hatta GPU'dan çok daha iyi. Bu, mimariyi belirli bir alan için özelleştirmenin çok önemli olduğunu gösterir.
Bu yeni bir dönem ama bir anlamda da geçmişe gidiyor. Bilgisayar geliştirmenin ilk günlerinde, uygulama alanındaki uzmanlar, yazılım ortamları, derleyiciler ve mimariler dikey bir ekip oluşturacaktı.
Ve şimdi buna da ihtiyacımız var Entegre ekip Uygulamalardan etki alanına özgü dillerin ve etki alanına özgü mimarilerin nasıl geliştirileceğini anlayın ve makinelerin nasıl yeniden yapılandırılacağını düşünün.
Sektör gelişimi için bu büyük bir fırsat ve yeni bir zorluktur. Bunun gibi yeterince ilginç uygulama alanı olduğuna inanıyorum ve makineleri sahaya göre özelleştirerek büyük performans avantajları elde edebileceğimize inanıyorum.
Bence bu ilerleme sağlanabilirse insanlara bilgi güvenliği konusunda endişelenmek için zaman kazandıracak ki bu da dikkat etmemiz gereken önemli bir konu.
Canlı video
Hennessy'nin konuşması baştan sona burada ve İngilizce altyazılar ekledik. Altyazılar YouTube'dan ve yapay zeka tarafından dikte edilmelidir.
https://v.qq.com/x/page/k06505smty5.html
Bir şey daha
Konuşmadan sonra, Bay John Hennessy hala oradaydı ve 20 dakikadan fazla soruları cevapladı.
Bu soru ve cevapla ilgili alanlar şunları içerir: kuantum hesaplama, sinir ağları, güvenlik, bilgi işlem mimarisinin evrimi, endüstrinin gelecekteki gelişimi, eğitim ve diğer birçok alan. Hennessy samimi ve net bir cevap verdi.
İşte birkaç çerez.
Olay yerinde bir sorgulayıcı şunları söyledi: Aldığım işlemci mimarisi kursu yazdığınız ders kitabını kullanıyor.
Hennessy hemen cevap verdi: "Umarım sana zarar vermemiştir."
Seyirci yine güldü.
Diğer bir soru Bitcoin gibi kripto para birimleriyle ilgilidir.
Hennessy, "Gerçekten, Bitcoin madenciliğine adanmış bir yapı kurabilirim." Dedi. Kripto para biriminin çok önemli olduğunu, ancak hala çözülmesi gereken bazı sorunlar olduğunu söyledi.
Soru cevap kısmıyla ilgileniyorsanız, Qbit (genel hesap: QbitAI) diyalog arayüzüne yanıt verebilirsiniz: " Hennessy "Üç Çince karakter, bir portal alabilirsiniz.
İzlenmesi tavsiye edilen İngilizce altyazılar da var.
- Bitiş -
Samimi işe alım
Qubit, editörleri / muhabirleri işe alıyor ve merkezi Pekin, Zhongguancun'da bulunuyor. Yetenekli ve hevesli öğrencilerin bize katılmasını dört gözle bekliyoruz! İlgili ayrıntılar için lütfen QbitAI diyalog arayüzünde "işe alım" kelimesini yanıtlayın.
Qubit QbitAI · Toutiao İmzalama Yazarı
' ' Yapay zeka teknolojisi ve ürünlerindeki yeni eğilimleri takip edin
