9月12日,AICC 2018人工智能計(jì)算大會在北京舉行,圍繞AI需求對AI計(jì)算力、AI技術(shù)的創(chuàng)新與發(fā)展展開了探討。在大會上,浪潮集團(tuán)AI和HPC總經(jīng)理劉軍正式了《2018中國AI計(jì)算力發(fā)展報告》。
該報告由浪潮與IDC聯(lián)合發(fā)布,從數(shù)據(jù)、算法、算力"三駕馬車"出發(fā)進(jìn)行評估,衡量和反映中國AI發(fā)展水平和走勢,旨在為中國AI產(chǎn)業(yè)的未來發(fā)展趨勢、戰(zhàn)略和視野提供重要的參考。
報告指出,2017年是中國AI元年。而到2025年,數(shù)據(jù)量將從2017年的20.9ZB增長到163ZB,出現(xiàn)29%的增長。這將使得市場對計(jì)算力的需求大大提升。
對此,報告從投資和供給、行業(yè)和地域、需求和應(yīng)用、潛力和趨勢幾個方面進(jìn)行了綜合的評估,結(jié)合區(qū)域、行業(yè)和應(yīng)用場景開展了調(diào)查。
從地域來看,中國幾大城市中,在AI計(jì)算力方面的投入競爭非常激烈。其中,第一梯隊(duì)的TOP 5依次是杭州、北京、深圳、上海、合肥,第二梯隊(duì)的城市包括了成都、重慶、武漢、廣州、貴陽。
從區(qū)域來看,華東、華南、華北占據(jù)前三。
從應(yīng)用場景來看,報告顯示中國AI計(jì)算TOP行業(yè)場景覆蓋了互聯(lián)網(wǎng)、政府、醫(yī)療和金融四大行業(yè),同時,根據(jù)市場潛力和時間發(fā)展成熟度,報告還對AI典型應(yīng)用場景進(jìn)行了評估,并預(yù)計(jì)未來2-3年,人工智能在生物識別和智慧城市建設(shè)領(lǐng)域的應(yīng)用將會率先步入商業(yè)應(yīng)用的成熟期;預(yù)計(jì)在未來5-10年,人工智能產(chǎn)業(yè)在智能家居和工業(yè)制造領(lǐng)域的應(yīng)用也將逐步步入高速發(fā)展的產(chǎn)業(yè)窗口。
具體趨勢如下:
具體來看,目前中國市場Top 10的應(yīng)用場景包括了安防、輿情分析、自動化客服、人臉識別、語音識別、自然語言處理、客戶行為分析、智能推薦和精準(zhǔn)營銷、欺詐分析與調(diào)查、互動娛樂。
此外,報告還指出,近些年來AI計(jì)算力產(chǎn)業(yè)發(fā)生了較大的變化,主要出現(xiàn)了三個重要趨勢:
第一,得益于自動化的機(jī)器學(xué)習(xí)(AutoML)等的引入,使得AI的應(yīng)用研發(fā)周期大大縮短,創(chuàng)新效率得以提升;
第二,針對AI應(yīng)用的上線部署,越來越多的企業(yè)更看重對線上運(yùn)營成本的控制,可定制的計(jì)算技術(shù)成為關(guān)注焦點(diǎn);
第三,越來越多的企業(yè)希望把AI和已有的IT基礎(chǔ)設(shè)施進(jìn)行整合集成,讓AI成為IT基礎(chǔ)設(shè)施里不可或缺的部分,企業(yè)內(nèi)部出現(xiàn)“AI+云”的變化趨勢。
對此,報告總結(jié)了當(dāng)前AI發(fā)展的主要發(fā)展現(xiàn)狀和展望。
算力方面,異構(gòu)計(jì)算+云將成為主流;
數(shù)據(jù)方面,數(shù)據(jù)的共享和整合將成趨勢;
技術(shù)研發(fā)成果逐漸從實(shí)驗(yàn)室走到實(shí)際應(yīng)用,通過能力的輸出賦能于生態(tài)建設(shè);
技術(shù)體系逐漸從應(yīng)用場景再到行業(yè)解決方案,變得日益完善,為行業(yè)洞察和痛點(diǎn)分析提供重要支撐。
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團(tuán)隊(duì)開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟(jì)大學(xué)團(tuán)隊(duì)開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機(jī)噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實(shí)現(xiàn)37.9%的精度提升,并在真實(shí)設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過對比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實(shí)現(xiàn)大語言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時顯著提升訓(xùn)練效率,已在多個任務(wù)上驗(yàn)證有效性。