人工智能有望為先進(jìn)的數(shù)據(jù)中心管理開(kāi)創(chuàng)新的紀(jì)元。不知道何時(shí)起，人們總是習(xí)慣將人工智能與數(shù)據(jù)中心聯(lián)系到一起，每逢提及數(shù)據(jù)中心，后頭必然跟著人工智能；提到人工智能，也必須將數(shù)據(jù)中心帶入話題。
數(shù)據(jù)中心托管的人工智能在政府和商業(yè)市場(chǎng)中迅速激增，雖然這是人工智能的一個(gè)激動(dòng)人心的時(shí)刻，但只有一小部分應(yīng)用正在被解決，主要局限于基于卷積方法的神經(jīng)網(wǎng)絡(luò)。其他類(lèi)別的人工智能包括通用人工智能，符號(hào)人工智能和生物人工智能，這三者都需要不同的處理需求，并運(yùn)行截然不同的算法。幾乎所有今天的商業(yè)AI系統(tǒng)都運(yùn)行神經(jīng)網(wǎng)絡(luò)應(yīng)用程序。但是，使用符號(hào)AI，生物AI和通用AI算法的更多控制密集型和強(qiáng)大的AI工作負(fù)載不適合GPU/TPU架構(gòu)。
如今，需要人工智能解決方案的商業(yè)和政府實(shí)體正在使用變通方法來(lái)為其神經(jīng)網(wǎng)絡(luò)應(yīng)用程序?qū)崿F(xiàn)更高的計(jì)算能力，其中主要是Google TPU和NVIDIA GPU等專(zhuān)業(yè)處理器，專(zhuān)門(mén)針對(duì)AI工作負(fù)載在數(shù)據(jù)中心中配置。
但是，使用TPU和GPU，即使它們專(zhuān)用于AI處理任務(wù)，仍然可能存在問(wèn)題。它推動(dòng)了特定于AI的處理器的數(shù)據(jù)中心資本支出，并且增加了軟件開(kāi)發(fā)的成本（例如，GPU很難編程）。在當(dāng)今大多數(shù)超大規(guī)模數(shù)據(jù)中心中，存在用于普通數(shù)據(jù)中心工作負(fù)載的標(biāo)準(zhǔn)CPU和專(zhuān)用于AI/神經(jīng)網(wǎng)絡(luò)處理的專(zhuān)用TPU或GPU（包括約5-10％的服務(wù)器機(jī)架空間）的組合。CPU可以輕松編程，但在高度并行的AI應(yīng)用程序任務(wù)時(shí)變得緩慢且耗電。專(zhuān)用AI處理器比神經(jīng)網(wǎng)絡(luò)應(yīng)用的CPU更快，更省電，但它們很難編程。
今天，如果令人尷尬的并行計(jì)算是目標(biāo)（即，在大量數(shù)據(jù)集上無(wú)意識(shí)地執(zhí)行每個(gè)指令），例如在卷積神經(jīng)網(wǎng)絡(luò)中，TPU/GPU是一種首選解決方案。對(duì)于卷積神經(jīng)網(wǎng)絡(luò)處理，它們比CPU更有效（并且在TPU的情況下，它們可以快達(dá)30倍）。這是因?yàn)楂@取和調(diào)度指令的動(dòng)作比在單個(gè)數(shù)據(jù)集上實(shí)際執(zhí)行該指令使用更多的功率。專(zhuān)用AI處理器（例如GPU）將獲取單個(gè)指令并同時(shí)在32個(gè)數(shù)據(jù)集上執(zhí)行該指令（最大化吞吐量并最小化功率）。
谷歌最近發(fā)布了第三代TPU，它仍然遠(yuǎn)遠(yuǎn)不及實(shí)時(shí)人腦模擬項(xiàng)目所需的性能。而一般的AI，生物AI和符號(hào)AI算法并不適合GPU/TPU處理器。
人腦需要處理大量信息才能實(shí)時(shí)采取行動(dòng)，這需要大量的處理能力。今天的超級(jí)計(jì)算機(jī)甚至沒(méi)有接近人腦的處理能力（每秒大約1019個(gè)浮點(diǎn)運(yùn)算）。作為當(dāng)今世界上速度最快的超級(jí)計(jì)算機(jī)之一，中國(guó)的Sunway TaihuLight擁有10,649,600個(gè)核心，可以達(dá)到93 petaflops（Linpack基準(zhǔn)測(cè)試套件的Rmax）。這就是我們所需要的實(shí)時(shí)人腦，這大約需要模擬一小部分1019觸發(fā)器（這是10個(gè)exaflops，或10,000千萬(wàn)億次）。我們還有很長(zhǎng)的路要走，但我們到了那里。事實(shí)上，我預(yù)計(jì)這將是兩年左右，給予或采取。
如果您還不熟悉正在進(jìn)行的構(gòu)建超級(jí)計(jì)算機(jī)的努力，那就是能夠模擬人類(lèi)大腦的超級(jí)計(jì)算機(jī)，請(qǐng)考慮人類(lèi)大腦計(jì)劃，該項(xiàng)目由歐盟于2013年建立，旨在統(tǒng)一神經(jīng)科學(xué)，醫(yī)學(xué)和計(jì)算領(lǐng)域。商業(yè)和研究需求。
SpiNNaker（尖峰神經(jīng)網(wǎng)絡(luò)架構(gòu)）是人類(lèi)大腦項(xiàng)目的一部分，由曼徹斯特大學(xué)的Steve Furber教授（ARM處理器的發(fā)明者和Tachyum顧問(wèn)委員會(huì)的現(xiàn)任成員）領(lǐng)導(dǎo)。SpiNNaker的目標(biāo)是使用大約100萬(wàn)個(gè)配置為尖峰神經(jīng)網(wǎng)絡(luò)的ARM處理器來(lái)模擬大鼠腦的等效物（比人腦大約低1000倍），它可以更準(zhǔn)確地模擬神經(jīng)元活動(dòng)，并且使用的功率遠(yuǎn)低于“令人尷尬的并行“神經(jīng)網(wǎng)絡(luò)。如果你的大腦是一個(gè)神經(jīng)網(wǎng)絡(luò)，它會(huì)在你的頭骨內(nèi)沸騰。
除了上面描述的例子，我的公司Tachyum正在研究一種名為Prodigy的突破性處理器架構(gòu)。Prodigy架構(gòu)將通常在硬件中完成的繁重任務(wù)卸載到Tachyum專(zhuān)有的智能編譯器中。
閱讀本文只需要大約四分鐘。在那段時(shí)間里，人們搜索網(wǎng)絡(luò)近1400萬(wàn)次，登錄Facebook 380萬(wàn)次，發(fā)推文180萬(wàn)次，觀看超過(guò)1700萬(wàn)的YouTube視頻，并在440萬(wàn)個(gè)Tinder個(gè)人資料中向右或向左滑動(dòng)。
當(dāng)基于云的數(shù)據(jù)中心以合理的成本為用戶(hù)提供AI應(yīng)用程序時(shí)，手動(dòng)查看Tinder配置文件然后滑動(dòng)等任務(wù)將顯得過(guò)于陳舊。新數(shù)據(jù)和人工智能中心將知道要為您標(biāo)記哪些個(gè)人資料，并且他們將知道您要觀看哪些YouTube視頻。比您想象的更早，數(shù)據(jù)中心將成為為每個(gè)人提供低成本AI解決方案的地方。
數(shù)據(jù)中心能為每個(gè)人提供低成本的AI解決方案，但由于目前人工智能技術(shù)發(fā)展仍然還存在很多局限性，因此數(shù)據(jù)中心托管的人工智能只能處理政府和商業(yè)市場(chǎng)中的一小部分問(wèn)題。
（原標(biāo)題：人工智能：即將推出您附近的云數(shù)據(jù)中心！)
