江苏龙网

  1. 主页 > 生活百科 > >

从算力、数据、算法、工程化等维度看AI的未来( 三 )

AI


（4）模型自评估
现有的AI算法，无论是机器学习算法，还是深度学习算法，其研发模式本质上是通过训练闭环（closed loop）、推理开环（open loop）的方式进行的 。是否可以通过设计模型自评估，在推理环节将开环系统进化成闭环系统也是一个值得研究的领域 。在通信领域，控制领域等其他行业领域的大量算法实践表明，采用闭环算法的系统在性能和输出可预测性上，通常均比开环系统优秀，且闭环系统可大幅降低性能断崖式衰减的可能性 。闭环系统的这些特性，提供了对AI系统提高鲁棒性和可对抗性的一种思路和方法 。
四
工程化
上文已经对人工智能数据、算力、算法层面进行了梳理和分析，最后我们看看工程化 。工程化对于人工智能，如同厨具对于美味佳肴一样，是将数据、算力、算法结合到一起的媒介 。
工程化的本质作用是提升效率，即最大化利用资源，最小化减少信息之间的转换损失 。打一个简单的比喻，要做出美味佳肴，食材、厨房灶台、厨师都有，但是唯独没有合适的厨具，那么厨师既无法发挥厨艺（算法），又无法处理食材（数据），也无法使用厨房灶台的水电气（算力） 。因此，可以预见，工程化未来的发展，是将上文提到的算力与算法性能关系，从现在的9次方，逼近到理论上限4次方的重要手段之一 。
过去10年，AI工程化发展，已形成一个明晰的工具链体系，近期也伴随着一些值得关注的变化，笔者将一些较为明显的趋势，汇总如下：

从算力、数据、算法、工程化等维度看AI的未来

文章插图
总结来说，AI工程化正在形成从用户端到云端的，以Python为编程语言的一整套工具链，其3个重要的特点为：远程编程与调试，深度学习与机器学习的GPU加速支持，以及模型训练与推理工具链的解耦 。与此同时，产业链上游厂商对开源社区的大量投入，将为中下游企业和个人带来工具链的技术红利，降低其研发门槛和成本，笔者认为微软、脸书、英伟达3家上游厂商主推的开源工具链尤其值得关注 。
五
结语
对于人工智能技术过去10年发展取得的成就，有人归因于数据，也有人归因于算力 。未来人工智能技术发展，笔者大胆预测，算法将是核心驱动力 。同时，算法研发的实际效率，除了算法结构本身，还取决于设计者对先进工具链的掌握程度 。
未来10年，科技界是否能用更少的数据，更经济的算力，获得真正意义上的通用智能呢？我们拭目以待 。




推荐阅读


上一篇：为什么隐形车衣不能打蜡？而是要用三合一技术的隐形车衣保养液呢

下一篇：树莓派内网穿透建站与维护，无需服务器