Google資深研究員Jeff Dean強(qiáng)調(diào),，硬件系統(tǒng)可針對執(zhí)行少量特定的作業(yè)實現(xiàn)優(yōu)化,，并形成大量機(jī)器學(xué)習(xí)模型，從而打造更強(qiáng)大的神經(jīng)網(wǎng)絡(luò)…,。

如果您目前尚未考慮到如何有效利用深度神經(jīng)網(wǎng)絡(luò)(deep neural network)來解決您的問題,，那么您的腳步必須加快了,。至少，根據(jù)Google資深研究員兼深度學(xué)習(xí)人工智能研究計劃(即Google Brain)主持人Jeff Dean是這么認(rèn)為的,。

在日前于美國加州舉行的Hot Chips大會專題演講中,，Dean介紹神經(jīng)網(wǎng)絡(luò)如何大幅改寫運(yùn)算設(shè)備，并在語音,、視覺,、搜尋、機(jī)器人與醫(yī)療保健等領(lǐng)域取得重大的進(jìn)展,。他強(qiáng)調(diào),，硬件系統(tǒng)可針對執(zhí)行少量特定作業(yè)實現(xiàn)優(yōu)化，并形成大量的機(jī)器學(xué)習(xí)(machine learning)模型,，從而打造更強(qiáng)大的神經(jīng)網(wǎng)絡(luò),。

Dean說：“針對神經(jīng)網(wǎng)絡(luò)具備的特性打造專用計算機(jī)極具意義。如果你能開發(fā)出一套真正善于進(jìn)行特定作業(yè)(例如加速的低精度線性代數(shù))的系統(tǒng),，那就是業(yè)界夢寐以求的,。”

針對美國國家工程院(National Academy of Engineering;NAE)于2008年提出的14項21世紀(jì)重大工程挑戰(zhàn),，Dean認(rèn)為,，透過神經(jīng)網(wǎng)絡(luò)可望在解決這些所有問題時發(fā)揮重要作用。Dean在發(fā)表簡報時特別著重于其中的五項挑戰(zhàn)：恢復(fù)并改善城市建筑,、推動健康資訊工程進(jìn)展,、更有效地用藥，以及人類大腦的反向工程等,。不過,，對于NAE重大挑戰(zhàn)清單中的最后一項——為科學(xué)探索打造工具,，Dean卻保留了他的看法。

Dean表示：“人們已經(jīng)意識到我們需要更多的運(yùn)算能力,，才能解決這種種的問題,。”

TPU Pods解決更大的問題

Google最近開始為其客戶和研究人員提供可經(jīng)由云端服務(wù)的第二代TensorFlow處理器單元(TPU)機(jī)器學(xué)習(xí)ASIC,。這是一款客制化的加速器板，配備4個第二代裝置,，據(jù)稱可帶來180兆次浮點(diǎn)運(yùn)算(TFLOPS)運(yùn)算和64GB高帶寬內(nèi)存(HBM)的性能,。

Dean表示，新的云端TPU芯片設(shè)計主要用于將彼此連接在一起,，形成更大的配置——亦即被稱為‘TPU Pod’的機(jī)器學(xué)習(xí)超級計算機(jī),。一個TPU Pod配置中包含64個第二代TPU，可提供11.5 petaflops以及 4TB的HBM內(nèi)存,。他并補(bǔ)充說,，Google還免費(fèi)提供了1,000個云端TPU給致力于開放機(jī)器學(xué)習(xí)研究的頂尖研究人員。

Dean說：“我們對于TPU Pod解決更大問題的可能性感到非常振奮,?！?/p>

2015年，Google發(fā)表TensorFlow軟件庫,，為機(jī)器學(xué)習(xí)開放來源,，目標(biāo)就在于建立一個可用于表達(dá)與交換機(jī)器學(xué)習(xí)想法與系統(tǒng)的通用平臺。Dean并展示了一張圖表,，顯示TensorFlow才剛過一年半,，就已經(jīng)比其他具有類似用途的庫更受歡迎。

Google第二代TPU

Dean表示,，近五年來迅速出現(xiàn)的神經(jīng)網(wǎng)絡(luò),，主要是受到過去20年來運(yùn)算能力的重大進(jìn)展而促成的。他并補(bǔ)充說自己在1990年時還為此撰寫了一篇有關(guān)神經(jīng)網(wǎng)絡(luò)的論文,。他認(rèn)為,，當(dāng)時的神經(jīng)網(wǎng)絡(luò)發(fā)展幾乎是可行的，但大約還需要更高60倍的運(yùn)算能力,。

Dean說：“而今,，事實證明，我們真正需要更高大約100萬倍的運(yùn)算性能,，而非60倍,。”