谷歌发布强大AI芯片和超算要转型硬件制造商？-低调大师

谷歌发布强大AI芯片和超算要转型硬件制造商？

2017-07-02 406

5月18日消息，据technologyreview报道，如果说人工智能（AI）能够迅速蚕食掉软件，那么谷歌可能拥有最大的胃口。在今年的I/O开发者大会上，谷歌发布了更为强大的芯片和以机器学习为基础的超级计算机，它们将有助于谷歌成为以AI为重点的硬件制造商。

谷歌发布强大AI芯片和超算要转型硬件制造商？

在I/O开发者大会上，谷歌首席执行官桑达尔·皮查伊（Sundar Pichai）介绍了谷歌研发的新计算机处理器，用于支持机器学习技术。近年来，机器学习已经在IT行业掀起强大风暴。此举也反映出快速进步的AI正如何改变谷歌本身，已经有可靠迹象显示，谷歌希望能领导AI软件和硬件等相关方面的发展趋势。

或许最重要的是，或者说至少对于研究机器学习技术的人来说，谷歌新的处理器不仅可以更快的速度执行任务，它还能被以令人难以置信的效率训练。谷歌新处理器名为云张量处理单元（Cloud Tensor Processing Unit），它以谷歌的开源机器学习框架TensorFlow的名义命名。

训练是机器学习领域最基础的部分。举例来说，为了开发出能够识别照片中热狗的算法，你可能需要训练算法识别数以万计的热狗照片，直到其学会区分。但是训练某个大模型的运算非常复杂，而且这种训练可能需要持续数天甚至数周。

皮查伊还在开发者大会上公布了机器学习超级计算机，或称Cloud TPU Pod，它以Cloud TPU集群为基础，可高速处理数据连接。皮查伊称，谷歌也在研发TensorFlow Research Cloud，它由数以千计的TPU组成。皮查伊表示：“我们正建立我们所谓的AI优先数据中心，Cloud TPU正帮助优化训练和推理，这为AI取得显著进步打下基础。”谷歌将制造1000套Cloud TPU系统，为那些愿意公开分享自己研发工作细节的AI研究人员提供支持。

皮查伊在主题演讲中还宣布多个AI研究计划，包括努力开发能够学习如何从事耗时工作的算法，包括微调其他机器学习算法。他还称，谷歌正为医学图像分析、基因组分析以及分子发现开发AI工具。在开发者大会之前，谷歌高级研究员杰夫·迪恩（Jeff Dean）表示，这些项目有助于帮助AI进步。他说：“许多顶级研究人员还没有像他们所希望的那样，获得强大的计算能力支持。”

谷歌进军以AI为重点的硬件和云服务领域，部分原因是受其自身业务加速的驱动。谷歌已经在使用TensorFlow为搜索、语音识别、翻译以及图形处理等提供支持。此外，谷歌也在Alphabet子公司DeepMind开发的智能程序AlphaGo中使用这种技术。

但从战略上看，谷歌可能在防止其他公司在机器学习领域取得主导地位。比如专门研发和制造图形处理芯片的英伟达，其芯片已经开始被用于深度学习领域，并在各种产品中变得越来越突出。为了提供某些措施以衡量其Cloud TPU提供的加速表现，谷歌表示其翻译算法可能受到训练，使用新硬件后比现有硬件速度快得多。32个最好的GPU全天的训练量，TPU Pod只需要发挥1/8的水平就可在1个下午完成。

谷歌云计算团队首席科学家、斯坦福大学AI实验室主管李飞飞（Fei-Fei Li）称：“这些TPU可提供惊人的128万亿次浮点运算，它们是专为驱动机器学习技术的芯片。”与之相比，iPhone 6可提供100万亿次浮点运算。谷歌表示，他们还可能为研究人员设计使用其他硬件的算法，这就是他们所谓的“民主化机器学习”。自从谷歌2015年发布TensorFlow以来，越来越多的研究人员开始使用它。谷歌宣称，TensorFlow已经成为世界上使用最广泛的深度学习框架。

机器学习专家目前正处于供不应求的状态，因为许多行业的公司都希望能够利用不断取得进展的AI力量。皮查伊表示，解决这种技术短缺的方案之一就是开发机器学习软件，用以取代AI专家开发机器学习软件的部分工作。

在谷歌开发者大会上，皮查伊公布了谷歌下属AI研究团队Google Brain正正进行的AutoML项目，研究人员已经展示，他们的学习算法可以自动化执行特定任务的机器学习软件设计中最棘手的部分工作。在某些情况下，他们的自动化系统还能够提出媲美人类机器学习专家甚至超越他们的方案。皮查伊表示：“这让人感到非常兴奋，它可以加速整个领域发展，帮助我们解决今天面对的某些最具挑战性的问题。”

皮查伊希望AutoML项目扩大开发者数量，他们可通过减少专业知识要求来更好地利用机器学习。这非常符合谷歌的定位策略，其云计算服务成为开发和托管机器学习的最佳平台。谷歌也正努力在企业云计算市场吸引更多新客户，因为谷歌在这个市场落后于亚马逊和微软。

AutoML项目的目标是帮助人们更容易使用深度学习技术，谷歌和其他公司正利用它支持语音识别、图像识别、翻译以及机器人研究等。深度学习可让数据通过一系列松散的数学计算层帮助软件变得更聪明，这种计算层受到生物学启发，为此被称为人工神经网络。谷歌AutoML项目机器学习研究员富国乐(Quoc Le)表示，为神经网络的数学模型选择正确的框架非常重要，但却并不容易。

本文转自d1net（转载）

微信关注我们

原文链接：https://yq.aliyun.com/articles/128381

转载内容版权归作者及来源网站所有！

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。

生物识别大数据将为监管提供支撑

　一名市民在了解互联网金融的相关资讯。南方日报记者朱洪波摄中国互联网金融协会制定的互联网金融信息披露标准近日正式征求意见，这将是国内首部互联网金融行业标准。分析人士称，一方面，国家监管机构正在将互联网金融纳入监管范围，另一方面，互联网金融发展迅猛，在线信贷更成为近年来的焦点。 A 机构频频推出在线信贷产品在线信贷是指在线获取借款人、在线审批、在线放款。近年来，随着互联网金融的飞速发展，在线信贷更成为近来的焦点。记者从深圳市场了解到，深圳的各大银行、小贷、消费金融公司及P2P都争相推出相关产品和服务，同时，包括征信机构、技术提供商、数据方、催收机构、综合服务平台在内的相关行业发展也十分迅速。深圳的各大商业银行近年来纷纷推出网贷新模式。传统模式下，客户从申请贷款、递交资料到贷款审批和发放至少需要3个工作日以上的时间，而推出网贷模式后，完成审批放款时间大幅缩减，从几分钟到最快60秒便可以完成一宗小额贷款需求的审批。作为深圳本土股份制银行，平安银行已经陆续推出平安好车、平安好房以及陆金所等具有互联网性质的金融平台。此外，从助力百万中小企业电子商务转型升级到橙e网开创“熟人生意圈”模...

2017-07-03

513

北京时间9月15日消息，据外媒报道，在通向人工智能之路上，各大科技巨头都不曾停歇。如今，微软在语音识别领域占了上风，该公司宣称实现了全球错误率最低的语音识别，领先于亚马逊、苹果、谷歌和IBM等对手。微软表示，在行业标准评估中，微软研究院的语言学家将语音识别误字率降到了6.3%，该技术未来将大大增强Cortana的实力。此前，语音识别的最低误字率为6.9%，创下该记录的是IBM的Waston团队。本周，微软、IBM和谷歌的研究人员都在Interspeech大会上公布了自家的研究报告。语音识别的误字率近些年来大幅降低，要知道20年前最低误字率还保持在43%，不过2004年将降到了15.2%。值得一提的是，此前的各项纪录都是IBM创造的，微软这次也是打了个翻身仗。近些年来，随着深度神经网络的发展，各家厂商语音识别的误字率都降到了10%以下，但与人类4%左右的误字率相比，电脑还有很大的进步空间。去年，谷歌CEO皮查伊曾表示深度神经网络将谷歌的语音识别误字率降到了8%左右。无独有偶，苹果负责Siri的主管也报了喜，他表示苹果在多门语言上取得了巨大突破。不过，该公司软件工程副总裁则信心十...

2017-07-03

562

资源下载

更多资源

优质分享App

近一个月的开发和优化，本站点的第一个app全新上线。该app采用极致压缩，本体才4.36MB。系统里面做了大量数据访问、缓存优化。方便用户在手机上查看文章。后续会推出HarmonyOS的适配版本。

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题，腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构，目前腾讯云软件源站支持公网访问和内网访问。

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。