AI如何重新定義計算機

2021 年的秋天，是南瓜、核桃派和琳瑯滿目的新手機的季節(jié)。每年這個時候，蘋果、三星、谷歌和其它廠商都會如約發(fā)布新機型。早些年，這一系列發(fā)布會總能帶來驚喜、引發(fā)好奇，但隨著它們變成消費科技日程中的固定環(huán)節(jié)，這種效應(yīng)已經(jīng)逐漸消退了。不過，在各種營銷手段背后，還是有些事情值得我們關(guān)注。

谷歌最新發(fā)布的 Pixel 6 是首款在主處理器外還單獨配置了 AI 專用芯片的手機。而過去兩年發(fā)布的 iPhone 用的芯片內(nèi)建了蘋果所謂的 “神經(jīng)網(wǎng)絡(luò)引擎”，專為 AI 準備。這兩款芯片都更適用于在我們手中的設(shè)備上為訓(xùn)練和運行機器學(xué)習模型而進行的計算，增強相機性能的 AI 就屬于這類模型。在我們幾乎沒有察覺的情況下，AI 已經(jīng)成了我們?nèi)粘Ｉ畹囊徊糠帧?/span>

這意味著什么？怎么說呢，在此之前的四五十年間，計算機基本沒怎么變。它們變小了也變快了，但它們一直是執(zhí)行人類指令的裝著處理器的小盒子。AI 至少在三個方面改變了這種情況：制造方式、編程方式以及使用方式。有朝一日，計算機存在的意義也將發(fā)生變革。

英特爾并行計算實驗室的主任普拉迪普?杜比（Pradeep Dubey）稱，“計算的核心正在從處理數(shù)字轉(zhuǎn)變?yōu)橹贫Q策”。或者按照麻省理工計算機與人工智能實驗室主任丹妮拉?羅斯（Daniela Rus）的說法，AI 正在把計算機從它們的小盒子中解放出來。

欲速則不達

第一種變化關(guān)乎計算機及其控制芯片的制造方式。傳統(tǒng)上，計算機技術(shù)的進步得益于完成每次計算所需時間的越來越短。幾十年來，按照芯片制造的摩爾定律，其迭代一直是周期性的，世界也因此而受益。

但現(xiàn)在，驅(qū)動 AI 應(yīng)用程序的深度學(xué)習模型所需的是另一種方式：其需要同時進行大量的、沒那么精確的計算。這就需要一種新的芯片：這種芯片能夠盡可能快地轉(zhuǎn)移數(shù)據(jù)，確保它在需要的時間和位置上是可用的。當深度學(xué)習在大約十年前迎來了自己的春天時，已經(jīng)有非常擅長此類工作的計算機芯片存在了：那就是顯卡，也即 GPU，它能以每秒數(shù)十次的速率顯示整屏的像素。

當下，像英特爾、ARM 和英偉達這些曾經(jīng)的顯卡大廠們都在試水 AI 專用硬件。谷歌和臉書也強勢進軍到這個產(chǎn)業(yè)中，一場在硬件中追求 AI 領(lǐng)域優(yōu)勢地位的競賽已經(jīng)拉開了帷幕。

例如，谷歌的 Pixel 6 搭載了新的移動設(shè)備版 TPU。傳統(tǒng)芯片的努力方向是超快的精確運算，但 TPU 與之不同，它是為神經(jīng)網(wǎng)絡(luò)所需的大體量低精度運算而設(shè)計的。從 2015 年開始，谷歌就在內(nèi)部使用這種芯片了：它們負責處理圖像和自然語言搜索任務(wù)。DeepMind 也用 TPU 來訓(xùn)練其 AI。

在過去兩年中，谷歌已經(jīng)向其它公司提供了 TPU，這些芯片以及其它公司開發(fā)的類似產(chǎn)品正在成為全球各個數(shù)據(jù)中心的標配。

AI 甚至在幫助涉及其自身的計算基礎(chǔ)架構(gòu)。2020 年，谷歌用強化學(xué)習算法設(shè)計了新款 TPU 的布局。這個 AI 最終給出了一個奇怪的設(shè)計方案，人類根本不可能設(shè)計出這種東西，但這個方案是好用的。這類 AI 以后可能會開發(fā)出更好、更高效的芯片。

是騾子是馬，拉出來溜溜

第二種變化關(guān)乎計算機接收指令的方式。微軟英國研究主管克里斯?畢肖普（Chris Bishop）表示，過去 40 年中，我們一直在為計算機編程；而在未來 40 年里，我們則會對它們進行訓(xùn)練。

過去，為了讓計算機做到識別語音或者在照片中辨認物體這類事情，程序員們首先要為計算機制定規(guī)則。

但有了機器學(xué)習之后，程序員再也不用制定規(guī)則了。相反，他們會創(chuàng)造能自行學(xué)習這些規(guī)則的神經(jīng)網(wǎng)絡(luò)。這是一種根本不同的思維方式。

這方面的例子已經(jīng)隨處可見了：語音和圖像識別現(xiàn)在是智能手機的標配。別的例子則成了頭條新聞，比如 AlphaZero 自學(xué)圍棋，結(jié)果比人類下得還好。類似的例子還有 AlphaFold 破解了人類花費數(shù)十年也沒能解決的生物學(xué)難題 —— 它搞清楚了蛋白質(zhì)折疊的模式。

對于畢肖普來說，下一個重大的突破將會是分子模擬：訓(xùn)練計算機來操縱物質(zhì)的特性，這有可能會在能源使用、食物生產(chǎn)、制造業(yè)和醫(yī)****行業(yè)等領(lǐng)域?qū)崿F(xiàn)改變世界的飛躍式發(fā)展。

計算機最知道

幾十年來，要想讓計算機完成一項任務(wù)，都需要鍵入指令，或者至少要按個按鈕。

但現(xiàn)在，機器不需要鍵盤或屏幕就能與人類進行互動了。任何東西都可以變成計算機。其實包括牙刷、開關(guān)和門鈴在內(nèi)的大多數(shù)家居用品都推出了智能款。但隨著這類產(chǎn)品越發(fā)豐富，我們開始想讓控制它們的方式變得更簡單。它們應(yīng)該能夠自行了解我們的需求。

在杜比眼中，這一從處理數(shù)字到進行決策的轉(zhuǎn)變定義了計算機的新時代。

羅斯希望我們對 AI 提供的認知與身體力行的支持。她設(shè)想了能在我們需要的時候向我們提供信息、并在我們需要幫助的時候及時伸出援手的計算機。羅斯說：“我小時候最喜歡的電影片段就是迪士尼的《魔法師的學(xué)徒》。你知道吧，米老鼠他召喚掃帚幫他打掃來著，他用的是魔法，但現(xiàn)在我們不用魔法就能做到這個?！?/span>

我們都知道那段動畫片最后的結(jié)局是什么樣。米老鼠失去了對掃帚的控制，把事情搞得一團糟。現(xiàn)在，機器開始跟人類互動，融入了更廣闊的世界。一切都變得更加不確定。