ITPub博客

首页 > 人工智能 > 人工智能 > 看人工智能发展史,了解华为领先世界的昇腾AI计算处理器

看人工智能发展史,了解华为领先世界的昇腾AI计算处理器

人工智能 作者:dicksonjyl560101 时间:2019-09-15 09:47:34 0 删除 编辑

人工智能简史

技艺的一个高峰是高度人化的智能,如图1所示,从西周偃师到阿拉伯加扎利(Jazari)的自动人偶,代表了人类对智能的不懈追求,人类希望赋予智慧和思想于机器工具,用于解放生产力,便利生活,推动社会发展。人工智能诞生的过程缓慢而悠长,从源远流长的神话,到天马行空的科幻,再到鬼斧神工的科技,无不包含着人类对智能的渴望。但是人工智能(Artificial Intelligence, AI)的实现紧跟人类知识的发展,复现甚至超越人的智慧。早期,形式推理(Formal Reasoning)的演进与发展,为人类思维的机械化提供了研究的方向。

看人工智能发展史,了解华为领先世界的昇腾AI计算处理器

图1 偃师和加扎利的自动人偶

17世纪中期,如图2所示,戈特弗里德·威廉·莱布尼茨(Gottfried Wilhelm Leibniz)、勒内·笛卡儿(René Descartes)和托马斯·霍布斯(Thomas Hobbes)致力理性思考系统体系化的研究工作,催生了形式符号系统,不久的将来就成为人工智能研究的灯塔。到了20世纪,伯特兰·阿瑟·威廉·罗素(Bertrand Arthur William Russel)、阿弗烈·诺夫·怀海德(Alfred North Whitehead)和库尔特·哥德尔(Kurt Gödel)对数理逻辑的贡献,为数学推理机械化提供了理论的基础。随之图灵机的创造从符号学本质上为机器进行思考提供了可能。工程学上,由最初的查尔斯·巴贝奇(Charles Babbage)的“分析机”设想,到服役二战的ENIAC大型译码机器,见证并工程化了艾伦·图灵(Alan Turing)和约翰·冯·诺伊曼(John von Neumann)的计算机科学理论,如图1-3所示,加快了人工智能的飞速发展。

看人工智能发展史,了解华为领先世界的昇腾AI计算处理器

图2 莱布尼茨、笛卡儿,霍布斯(从左到右)


看人工智能发展史,了解华为领先世界的昇腾AI计算处理器

图3 图灵和冯·诺伊曼(从左到右)

AI诞生

20世纪中期,不同领域的科学家在为人工智能的诞生进行了一系列的研究和准备。从20世纪30年代到50年代,诺伯特·维纳(Norbert Wiener)的控制论,克劳德·香农(Claude Shanon)的信息论,图灵的计算理论以及神经学的发展为人工智能破土而出提供了阳光和土壤。

1950年,图灵发表《计算机器与智能》( Computing Machinery and Intelligence),论文提出了著名的图灵测试:如果机器与人类进行对话而人无法辨别机器身份,则该机器具有智能。图灵测试的提出对后来人工智能的发展具有不可忽略的意义。1951年,年仅24岁的马文·闵斯基(Marvin Minsky)与迪恩·埃德蒙兹(Dean Edmonds)将神经网络机器SNARC(Stochastic Neural Analog Reinforcement Calculator)带入这个世界。随后闵斯基在人工智能领域不断耕耘,并起到巨大推动作用,并因此荣膺图灵奖。1955年,一个名为“逻辑理论家”(Logic Theorist)的程序以更加新颖精巧的方法证明了《数学原理》中52个定理中的38个。这项工作的缔造者艾伦·纽厄尔(Allen Newell)和赫伯特·西蒙(Herbert Simon)等开辟了智能机器的一条新途径。

紧接着一年后,如图4所示,在美国举办的达特茅斯会议在闵斯基、约翰·麦卡锡(John McCarthy)、香农和纳撒尼尔·罗切斯特(Nathan Rochester)等10位倡导者讨论后提出“学习或者智能的任何一个方面都应能被精确的描述,使得人们可以制造一台机器来模拟它”。人工智能从此带着使命和活力步入人类世界,正式形成一门学科,开辟了一片崭新的科学天地。

看人工智能发展史,了解华为领先世界的昇腾AI计算处理器

图4 达特茅斯会议合影

扬帆起航

达特茅斯会议之后,人工智能如同火山爆发,席卷全球,同时也带来了累累硕果。计算机能够完成更多人类的高级任务,如解决代数应用题、几何证明以及语言领域的拓展。这些进步使得研究者热情高涨,对人工智能的近期完善充满信心,同时也吸引着大量资金进入该研究领域。

1958年,赫伯特·吉宁特(Herbert Gelernter)基于搜索算法实现了几何定理证明机。纽厄尔和西蒙通过“通用解题器”(General Problem Solver)程序将搜索式推理应用范围扩大。同时,搜索式推理在搜索目标和子目标决策方面取得应用成效,如斯坦福大学的机器人—STRIPS系统。在自然语言领域,罗斯·奎利恩(Ross Quillian)开发了第一个语义网。接着,约瑟夫·维森鲍姆(Joseph Weizenbaum)缔造了第一个对话机器人ELIZA。ELIZA能让人误以为在和一个人交流,而不是一台机器。ELIZA的问世,标志着人工智能取得了重大进步。1963年6月,麻省理工学院从美国高等研究计划局(ARPA)获得经费,让MAC(The Project on Mathematics and Computation)项目落地前行。闵斯基和麦卡锡也是这一项目的主要参与者。MAC项目在人工智能史上占有重要地位,对计算机科学的发展产生了重要影响,并催生了后来著名的麻省理工学院计算机科学与人工智能实验室。

这个时期,正如1970年闵斯基预测“在三到八年的时间里我们将得到一台具有人类平均智能的机器”的情形一样,人类期待加速人工智能历史发展进程,但是人工智能发展需要一个不断完善成熟的过程,意味着随之到来将是一个缓慢前行的阶段。

遭遇瓶颈

20世纪70年初,人工智能的发展速度逐渐变缓,当时最杰出的人工智能程序只能在某个点上解决问题,难以满足人们的需求。这是由于人工智能发展碰到了难以轻松突破的瓶颈。在计算机能力上,由于人工智能对硬件资源要求高,当时的计算机内存和处理器速度难以满足实际的人工智能要求。很明显的一个例子就是在自然语言的研究上只能对20个单词的词汇表进行处理。在计算复杂性方面也受到了阻力。1972年理查德·卡普(Richard Karp)证明了很多问题的计算时间与输入量的幂成正比,这暗示着人工智能对于很多类似指数大爆炸问题的求解近乎不可能。在自然语言和机器视觉等领域,需要有大量的外界认知信息作为基础进行识别与认知。研究者发现,即使达到儿童程度的认知水平,人工智能数据库的构建也十分艰巨。对计算机来说,在定理证明和几何等数学问题上显示出的能力要远远强于处理在人类看来极其简单的任务,如物体辨识的能力,这使得研究者们近乎望而却步。

由于以上一系列因素,政府机构逐渐对人工智能的前景失去了耐心,开始转换了资助方向,将资金转向其它项目。与此同时,人工智能研究者也备受冷落,人工智能渐渐淡出人们的视野。

再次前行

经历了数年的低谷之后,伴随着“专家系统”的横空出世和神经网络的复燃,人工智能蓄力再度上路启程,重新成为热点。最早由爱德华·费根鲍姆(Edward Feigenbaum)主导开发了能够根据一组特定逻辑规则来解决特定领域问题的程序系统。后续出现了可以诊断血液传染病的MYCIN系统,增大了人工智能特定领域应用的影响力。1980年,XCON专家系统因在自动根据需求选择计算机部件的方向上为客户节约了四千万美元的成本并带来巨大商用价值而闻名于世,同时也大大提升了专家系统的研发热度。1981年,日本对第五代计算机项目加大资助,定位于实现人机交互、机器翻译、图像识别以及自动推理功能,投入资金达到八亿五千万美元。英国注入三亿五千万英镑到Alvey工程,美国也加大了对人工智能领域的资助,一时群雄逐鹿。1982年,约翰·霍普菲尔(John Hopfield)的神经网络使得机器对信息的处理方式发生了跨越性的改变。1986年,大卫·鲁梅尔(David Rumelhart)将反向传播算法应用到神经网络中,形成了一种通用的训练方法。技术革新浪潮推动着人工智能不断向前发展。

但好景不长,人工智能之冬又一次悄然而至。以专家设置(eXpert CONfigurer,XCON)程序为代表的专家系统应用的局限性以及高昂的维护成本,使其在市场上逐渐失去了当初的竞争力。初期对第五代工程的狂热投入没有收获期望的回报后,研发资金也逐渐枯竭。研究者的热情也随之顿减,一时人工智能饱受争议,陷入寒冬。

黎明日升

饱受岁月磨练,历经时光浮沉,秉承着对人类智能奥秘的追求,人工智能一直未停止前进的步伐。人工智能在发展过程中也增加了其它领域的活力,如统计理论与优化理论等。同时,与其它领域学科进行深度融合,为数据挖掘、图像识别以及机器人等领域带来一场技术性革命。1997年5月11日,如图5所示,国际商用机器公司(IBM)的深蓝计算机系统在国际象棋领域战胜人类世界冠军卡斯帕罗夫(Kasparov)后,使得人工智能重新进入世界舞台。

看人工智能发展史,了解华为领先世界的昇腾AI计算处理器

图5 国际象棋世界冠军卡斯帕罗夫对弈国际商用机器公司深蓝计算机

同时基础硬件的飞速发展,也为人工智能的实现提供了基础,如英伟达公司的Tesla V100处理器速度达到每秒十万亿次浮点运算,更好的满足了人们对计算性能的需求。2011年,谷歌大脑(Google Brain)利用分布式框架和大规模神经网络进行训练,在没有任何先验知识的情况下,在YouTube视频学习并识别出“猫”这个概念。2016年,谷歌公司的AlphaGo在围棋领域击败世界冠军李世石,震惊世界。2017年,AlphaGo改进版再次胜过世界排名第一的职业棋手柯洁。这一系列的成就,标志着人工智能已经到达了一个新的高峰,孕育着更多领域的智能变革。

华为领先世界发布昇腾AI计算处理器

AI(人工智能)作为一种新的通用技术,正在推动各行各业发生前所未有的改变。AI不仅使我们能以更高的效率解决已可解决的问题,而且也使我们可以解决很多以前难以解决的问题,这其中的关键就是算力。近年来,随着深度学习的推进,AI领域对算力的需求每年增加10倍左右。对于AI探索研究,越来越多的新算法(如自动机器学习)、新探索(如高阶自动微分)等对算力的需求甚至成百倍增长,算力与论文的发表速度及数量均已呈正比关系; 对于AI商业应用,充沛且经济的算力是AI发挥价值的基本条件,算力的性价比越高,AI的应用就会越广泛。AI全面发展需要的算力,应该如同今天的电力一样,真正普惠,触手可及。

如果说算力的进步是当下AI发展的主要驱动因素,那么算力的稀缺和昂贵正成为AI全面发展的核心制约因素。算力供给的关键在于处理器的效能,当前AI算力需求的增速远超摩尔定律,而现有的AI处理器的体系结构并非围绕AI计算来设计的,这就导致了AI算力的稀缺与昂贵; 以现有的算力水平,训练某些复杂模型往往需要数天甚至数月的时间,而一次成功的发现与创新往往需要多次反复迭代,这种算力水平严重制约了理论的创新和应用的落地。因此,充沛且经济的AI算力必须要在处理器架构上寻求突破,要用新的AI处理器架构来匹配算力的增速。

为了实现普惠AI,为了提供充足的AI算力,华为图灵团队自2017年初开始探索新的AI处理器体系结构,并创建了达芬奇架构AI处理器。2017年6月,我到上海时,华为图灵团队非常期望公司投资基于达芬奇架构开发AI处理器,我支持了他们,就有了今天的昇腾AI处理器——能满足当前及未来AI对算力的极致需求。华为还围绕昇腾处理器构建了全栈、全场景的AI解决方案。本书系统地介绍了昇腾处理器体系结构与编程方法,希望在AI的基础研究与编程领域,给AI研究与应用开发者提供参考,共同推进AI产业和AI研究的发展。

近十年,全球人工智能热潮一浪高过一浪,专用人工智能从算法到系统,再到应用、风险投资,最后得到社会的普遍关注,其势头之猛,规模之大,是很多人始料未及的。中国和美国现在已经成为人工智能发展的两个超级大国。中国在数据规模和产业应用、青年人才储备方面具有优势; 美国在原创算法与核心元器件、开源开放平台方面具有优势。如何尽快补上短板,使我国的人工智能可以健康发展、长久不衰,是我们需要认真思考与布局的大事。

新一代人工智能的蓬勃发展依赖于三个要素——数据、算法和算力。所谓算力,就是超强的计算能力。目前,人工智能系统的算力大都构建在CPU+GPU之上,计算的主体是GPU。GPU原本是为图形处理与显示而设计的,大多用在显卡上。随着时间的推移,GPU处理向量、处理矩阵,甚至处理张量的能力越来越强。除了显卡,高档GPU也经常被用作图像处理与科学计算的协处理器。英伟达公司就是因为提供高档GPU而在几年间成为(协)处理器市场上成长最快的公司。虽然用GPU进行深度神经网络的训练和推理速度很快,但由于GPU需要支持的计算类型繁多,所以芯片规模大、功耗高。为了提高深度神经网络训练和推理的效率,几年前人们就开始考虑设计专用深度神经网络学习和推理的芯片。例如,谷歌和寒武纪公司均推出了深度学习专用芯片,大大提升了运行主流智能算法的性能。华为发布的昇腾910和昇腾310两颗人工智能芯片分别面向深度神经网络训练与推理,其设计理念更有利于打造完整的生态链,可以为中国乃至全球开发者和企业提供新的选择。

当然,一个专用处理器家族从完成设计,到得到市场认可并获得成功应用是一个漫长的过程。这个过程包含诸多环节,其中最重要的一个环节就是教育,包括培训用户理解芯片原理、掌握如何编程、学会如何设计板卡和设计系统等。教育的手段既可以是通过开设课程给工程师、本科生与专科生提供培训,也可以是通过编程比赛甚至创业比赛的形式获得众人的关注,还可以是通过开源平台提供丰富的编程案例给潜在用户提供参考。

总而言之,为教育界提供一本满足上述需求的教材是必不可少的。我很高兴,作者能在昇腾AI处理器面世的短短时间内就完成了这样一本教材,可以帮助人工智能专业的研究生、本科生和从事人工智能领域工作的工程师,让他们能够理解昇腾处理器基本概念,掌握使用昇腾处理器的方法,找到大部分相关问题的解决方案。

希望本书能够帮助读者了解专用人工智能,帮助读者进入华为人工智能生态,进入中国人工智能生态,进入未来智能时代。

人工智能正在赋能各行各业,人工智能芯片是实现人工智能的物理载体,华为的昇腾AI处理器则是重要的人工智能芯片之一。《昇腾AI处理器架构与编程——深入理解CANN技术原理及应用》第一次向外界全面介绍了华为昇腾AI处理器,特别是翔实地介绍了其设计理念、体系结构与CANN编程方法,包括TBE算子编程、调度及CUBE矩阵运算单元等,这些都是华为的原创成果。本书能够让读者快速了解昇腾AI处理器的软硬件架构和基本编程方法,帮助读者在该芯片上进行编程实践,适合用作高年级本科生或研究生学习人工智能芯片的教材。对于希望在人工智能和并行编程领域有所建树的研发人员,本书也是一部很好的参考书。

看人工智能发展史,了解华为领先世界的昇腾AI计算处理器


本书定位人工智能芯片领域选修类教材,面向工程科技类普通读者,尽可能删减繁杂抽象的公式定理和理论推导。读者除需要具备基本的数学知识和编程能力外,不要求预修任何课程。本书特别理想的受众是人工智能、计算机科学、电子工程、生物医药、物理、化学、金融统计等需要用到大规模深度学习计算的研发人员群体。对于AI芯片的设计公司和开发者也提供了充分有力的参考。

本书共分六章,涉及神经网络基础理论、计算芯片与开源框架、昇腾AI芯片软硬件架构、编程设计思想方法、以及典型案例等,希望能够从理论到实践,帮助读者了解昇腾AI芯片所使用的达芬奇架构,并掌握其具体的编程和使用方法,助力读者打造属于自己的人工智能应用。

https://www.toutiao.com/a6735983756579963396/


来自 “ ITPUB博客 ” ,链接:http://blog.itpub.net/29829936/viewspace-2657022/,如需转载,请注明出处,否则将追究法律责任。

请登录后发表评论 登录
全部评论
行万里路,读万卷书,阅无数人。 吃货一枚,爱吃湘菜,川菜,粤菜与杭帮菜,尝遍天下美食。 摄影爱好者,游遍名川大山,江河胡海,赏遍人间春色。 爱看影,尤其是港片,好莱坞大片。英文名:DicksonJin, 网名:风一样的BOY。精通SAP供应链咨询。2017年开始研习人工智能。

注册时间:2014-08-27

  • 博文量
    2169
  • 访问量
    3284992