544
机器人
人工智能在“奔跑”，助跑器“计算”怎可缺席
9月7日，也是农历中的白露节气，天气渐凉，可北京还处处透着炎热，阳光灼人，尽管如此，这也这丝毫没有影响来自各行业的人们前来参加此次AICC大会的热情。或来学习，或来解惑，或来交流分享，不管是出于哪种初衷，都反映人们对于人工智能市场的强烈关注，而正如中国工程院院士、中国人工智能学会理事长李德毅，在大会演讲中所阐述的那般，“人工智能在奔跑”，“AI+”的进程在加速向前，作为“助跑器”的计算怎样才能够更好地助跑AI呢？关于这些，在此次的AICC大会中各位专家、学者、行业领袖将一一给出答案。
中国工程院院士、中国人工智能学会理事长李德毅
AICC，即人工智能计算大会（AI Computing Conference）的简称，是由中国工程院信息与电子工程学部主办、浪潮集团承办，以“创新计算赋能AI”为主题，邀请海内外数十位知名专家围绕AI计算创新主题进行研讨报告，分享了AI在互联网、云计算、超算、安防、医疗、能源、电商和智慧城市等众多行业的创新实例，而对于影响人工智能发展三大因素之一的计算所面临的机遇与挑战，各位专家学者也给出了各自的专业看法。
大会现场
“AI+”进程在加速，而计算性能还不够
从1956年诞生到现在，人工智能已经走过一个甲子的时间了，但它真正走到大众视野的时间却要从AlphaGo战胜围棋高手李世石说起，从那之后，人工智能就以燎原之势将各行业带进了AI进程中，图像识别、语音识别、人脸识别、无人驾驶，这些从前都是科幻电影中出现的“高大上”词汇现如今已然存在于人们日常生活中的各个角落中。今年7月，国务院正式印发《新一代人工智能发展规划》，提出了面向2030年我国新一代人工智能发展的指导思想、战略目标、重点任务和保障措施，更是进一步说明AI的发展已经处于国家发展战略地位。而在互联网、云计算、超算、安防、医疗、能源、电商和智慧城市等众多行业中也逐渐出现了AI的身影，“AI+”进程在不断加速。其中，互联网和物联网的发展普及，数据的充足，算法的成熟、精确度和复杂度在提高的同时也对计算提出了更高的要求。
中国工程院院士、浪潮集团首席科学家王恩东
中国工程院院士、浪潮集团首席科学家王恩东指出，人工智能之父图灵先发明的是计算机的模型，而后又提出了人工智能，这就好像是“大儿子”和“二儿子”。“大儿子”成熟、稳重，秉持着摩尔定律的规律持续发展，而“二儿子”则更加偏向于创新和冒险，那么，当“二儿子”遇到问题解决不了的时候还得依靠“大儿子”，依靠计算。“人工智能的发展、人工智能的支撑，离不开计算、算法和数据，计算是基础”。
“现在尽管计算已经有了快速的发展，但面对人工智能这样一个蓬勃发展的需求，仍然面临着许多挑战。”王恩东指出，这些挑战的关键点是性能，现在的芯片层出不穷，CPU、GPU、TPU以及DPU等，一堆的PU，而之所以出现这种情况的原因就是因为计算性能还不够。同时，现在还出现了一堆算法框架，如伯克利的Caffe、谷歌的Tensorflow、微软的CNTK、百度PaddlePaddle等，想要发展人工智能的企业都推出一些算法框架，人工智能的发展也面临着更多的挑战，性能该怎样提高呢？对于此，王恩东认为，一方面我们需要整合各种处理的芯片，提供一个先进的计算平台，整合这些框架，提供比较易用的应用开发的平台。
浪潮集团VP胡雷钧
浪潮集团VP胡雷钧认为，推动当前这轮人工智能发展的最核心的是人工神经网络的发展和对计算能力的需求。人工神经网络进入快速发展产生出的新的模式，新的model对计算能力的需求主要是由网络深度、网络里节点单元的个数和节点单元连接的复杂度、处理数据集的规模这三个因素决定的，这三个因素加在一起来训练模型所需要的计算能力是非常大的。
在训练一个模型的时候主要是CNN、RNN、DNN这类神经网络，它们有几十层上百层甚至上千层的网络层级，每一层有上百上千上万的节点，层与层之间有连接，连接的复杂度决定了进行一次计算的复杂度。而现在我们学习模型更多的是识别，训练基本是监督式的学习，这种训练的复杂度相对还要小一些。如果进一步去探索自动学习模型，它将推动产生一种神经网络，不但数据是变的，训练的数据是变的，网络本身也是变的，网络的深度、每一层的节点的数量、每一层与每一层之间的连接都是变动的，在这些变动之下需要的计算规模比现在能用到的E级的规模还要大，可能要达到100个E级。总之，对于计算性能提出了很高的要求。
计算性能提高道阻且长，搭建生态系统势在必行
作为中国AI领域最大的计算平台供应商，有着“冠军服务器”称号的浪潮一直在人工智能领域的发展有着自己的部署和规划，而对于计算性能的提高问题，浪潮无疑是有发言权的。
胡雷钧认为，要想推动人工智能向前发展，就必须体系化、层次化地构建它的生态系统，有一个相对完整的生态系统的支撑，才能推动计算系统面向应用需求，特别是面向AI的应用需求持续往前发展。而在具体的实践中，AI的计算平台、AI的系统管理、AI的计算框架、AI的应用方案是这个生态系统里不可或缺的重要环节。
胡雷钧指出，在提高单位空间的计算能力的同时还要提高计算单元之间交互数据的能力，浪潮做的产品就是在2U空间内能集成8个以至可能更多的高性能GPU处理器，基于此，我们获得了非常高的计算能力。我们通过服务器与GPU BOX的分离，获得更为灵活的计算组合，以便适应各种不同的神经网络模型。除此之外，浪潮还与百度联合设计出在一个有限的空间内能够集成一个非常紧密的计算空间的能力，在实际应用中取得了非常好的效果。
而在人工智能的框架中，浪潮也有自己的更深一步的思考和探索。
浪潮在Caffe中进行了一个尝试——Caffe-MPI。
胡雷钧指出，这就是把Caffe的计算模型从原先的单机版扩展到了一个集群里面，成为一个集群版，通过这个集群版在一个系统里运行更大尺寸的神经网络，同时通过MPI的编程使得我们能够更有效的调动系统的资源来完成一个高性能计算，而在这样的尝试中，浪潮是首家。实际上就是把在高性能计算领域里的应用模式和应用方法移植到了AI的平台上，通过原先应用在大规模计算平台上积累的经验，提高AI应用或提高神经网络的训练效率。而且目前来说，Caffe-MPI是一个开源项目。
而在面向AI的应用中，浪潮还提供了E2E的解决方案，即End to End，在其中，浪潮将提供创新的AI硬件平台，如AGX-2，它是目前世界上最高密度的AI计算平台，在2U空间之内支持NVLink，支持P100GPU，有基于FPGA的F10A加速卡，有高效的人工智能管理平台AIstation，有高性能深度学习框架Caffe-MPI，同时还有经验丰富的工程师队伍帮助优化算法。优化后的算法能够10倍的、几十倍的、或者上百倍地提升性能功耗比。而基于此打造的一个面向AI的生态系统，在产业基础的推动下将向前滚动发展，未来一定能更好的支持我们的AI应用。
计算助跑AI，未来可期
事物要想向前发展必定离开事物内部的协调配合，人工智能也不例外。
今天，人工智能在发展、普及，为我们带来一个前所未有的智能社会，而怎样才能让这“智能”更智能？怎样才能让这“智能的果实”惠及更多人？最基础的也是最关键的，是让算法、数据、计算这AI发展中三大关键因素协调配合，只有这三者的协作、相辅相成才能够让人工智能这巨轮继续前进，在历史的长河中奋勇向前。而在此次AICC计算大会之后，我们更加相信，在AI加速向前奔跑的过程中，计算不会缺席，还会助力AI勇往直前，而对于未来，是值得期待的。
最后更新：2017-09-09 22:51:34