谷歌从一开始就将人工智能与云计算紧紧联系在一起


来源:IT新闻网

  不到三年,谷歌母公司Alphabet旗下独立团队DeepMind再度出手,其开发的人工智能系统AlphaStar于北京时间1月25日凌晨在《星际争霸2》中打败了职业电竞选手。

  与国际象棋或者围棋这样的全盘博弈不同,星际争霸显然更加困难,因为人工智能无法通过观察每一颗棋子的移动来计算下一步动作,系统必须实时做出反应。DeepMind工作人员称,AlphaStar与AlphaGo“进化”版Zore的最大差异是引入了模拟学习的方式,因而能解决“不完美的信息”的困境。

  但是,有业内人士指出,AlphaStar挑战电竞选手背后,是一个始于人工智能,却落脚在云计算竞争的故事。

  “人机大战”背后的云计算

  DeepMind团队介绍,为了训练AlphaStar,他们通过谷歌云服务使用了TPU,后者是谷歌针对机器学习而定制的芯片,具有更高的效能。这一点在赛后的分析中,被着重提出,因为是这个芯片让AlphaStar在两周的时间内,完成了上述的训练。

  然而,不单独销售TPU的谷歌,一直希望通过其拉动云计算的增长,而人工智能或许只是个噱头。有业内人士评价,谷歌一面训练自己的算法模型,另一面炒作一下市场热点,大家都想通过人工智能作为动力之一,进一步拉动云市场的增长。

  新一轮热潮下的人工智能实际上是算法和算力的竞争。所谓算法,就是对问题寻解的过程,这对应的是人工智能的应用,比如语音合成、图像识别和机器翻译;而算力,也就是计算能力,目前是由芯片所主导的。

  这轮热潮是由深度神经网算法所引导的变革,而算法背后需要的是并行计算的能力。英伟达的GPU(图形处理器)恰好满足所需,因而英伟达的芯片开始供不应求。但是,很快产业开始意识到,GPU并不能完全满足需求,人们逐步发现定制加速芯片可以提供更强算力。于是,英伟达的竞争对手英特尔开始押注FPGA(可编程阵列)。

  而谷歌选择了另一条路。2016年5月,谷歌发布了专门为机器学习优化的处理器TPU(张量处理器),并对外宣布AlphaGo的算力硬件核心基于此。两年时间,谷歌将TPU升级至3.0,声称其可以每秒计算100千万亿次加减乘除。

  更重要的是,谷歌将这款芯片与其机器学习开源软件TenserFlow融合,开发者几乎无需修改,就可以将TenserFlow框架下开发的代码在TPU上运行。但谷歌并不对外销售TPU,所以没有成为另一家芯片厂商,而是选择通过自身云服务对外提供算力的方式销售。

  因此,谷歌从一开始就将人工智能与云计算紧紧联系在一起。