人工知能はディープラーニングへと移行しており、強力なコンピューティングパワーの構築は重要な指標となっている

報告によると、人工知能の最大の課題の 1 つは、認識率と精度が低いことです。精度を向上させるには、モデルの規模と洗練度を高め、オフライン トレーニングの頻度を増やす必要がありますが、それにはより大きな計算能力が必要です。現在、人工知能のアルゴリズムモデルの複雑さと精度が増すにつれて、インターネットとモノのインターネットによって生成されるデータは指数関数的に増加しています。データ量とアルゴリズムモデルの二重の重ね合わせにより、人工知能のコンピューティングに対する需要は増加しています。

[[322266]]

「2016年3月、グーグルの人工知能アルファ碁が韓国のチェスプレイヤー、イ・セドルを破ったとき、人々は人工知能の威力に驚嘆したが、その背後にある膨大な『努力』を知る人はほとんどいない。数千台のサーバー、数千のCPU、高性能グラフィックカード、そして囲碁1ゲームで消費される驚異的な電力量だ」と、元旺シンクタンクの人工知能部門ディレクターでチューリング・ロボティクスの最高戦略責任者であるタン・ミンジョウ氏は科技日報のインタビューで語った。

「クラウドコンピューティングやビッグデータなどのアプリケーションと比較すると、人工知能の計算能力に対する需要はほぼ無限だ」と、中国工程院の院士でインスパー・グループの主任科学者である王恩東氏は語った。

報告によると、人工知能の最大の課題の 1 つは、認識率と精度が低いことです。精度を向上させるには、モデルの規模と洗練度を高め、オフライン トレーニングの頻度を増やす必要がありますが、それにはより大きな計算能力が必要です。

現在、人工知能のアルゴリズムモデルの複雑さと精度が増すにつれて、インターネットとモノのインターネットによって生成されるデータは指数関数的に増加しています。データ量とアルゴリズムモデルの二重の重ね合わせにより、人工知能のコンピューティングに対する需要は増加しています。

中国情報通信科学院の王雲涛氏が通信世界ネットワークに発表した記事によると、人工知能インフラ構築の重要な側面は、汎用コンピューティング能力の基盤を継続的に強化することだという。現在のコンピューティングパワーの供給は、もはやインテリジェント社会の構築を満たすことができません。OpenAIの統計によると、2012年から2019年にかけて、ディープラーニングの「大きく、深く、多く」のモデルの進化に伴い、モデル計算に必要なコンピューティング量は30万倍に増加しました。コンピュータービジョンであれ、自然言語処理であれ、事前トレーニング済みモデルの普及により、モデルに必要なコンピューティングパワーは段階的な発展を直接示しています。

スタンフォード大学の「AIINDEX2019」レポートによると、2012年以前は、人工知能の計算速度はムーアの法則にほぼ従い、計算能力の需要は2年ごとに倍増していました。2012年以降、計算能力の需要の倍増時間は3〜4か月に直接短縮されました。一般的なコンピューティング供給能力は 20 年ごとに 2 倍にしかならないことを考えると、コンピューティング能力が限界に達していることは言うまでもありません。

間違いなく、人工知能がディープラーニングへと進むにつれて、コンピューティング能力は人工知能研究のコストを評価するための重要な指標となっています。

今後、コンピューティング能力の問題をどう解決するのでしょうか? 科技日報によると、コンピューティングとストレージの統合は現在、アルゴリズムのアップグレードを助け、促進しており、次世代の AI システムへの入り口となっています。インメモリ コンピューティングによって提供される大規模で効率的なコンピューティング能力により、AI アルゴリズムの設計においてより想像力を働かせることが可能になり、コンピューティング能力による制約がなくなります。これにより、高度なハードウェアがシステムとアルゴリズムの優位性にアップグレードされ、最終的には新規ビジネスの育成が加速されます。

コンピューティングとストレージの統合のトレンドに加えて、量子コンピューティングは AI に必要な膨大な計算能力を解決するもう 1 つの方法となる可能性があります。現在、量子コンピュータの発展は、従来のコンピュータのムーアの法則を超えており、従来のコンピュータの計算能力を基本基準として、量子コンピュータの計算能力は急速に発展しています。