<ins id="pbxhv"></ins>
<form id="pbxhv"><nobr id="pbxhv"></nobr></form>
    <address id="pbxhv"></address>

    <noframes id="pbxhv">
    <form id="pbxhv"><th id="pbxhv"><progress id="pbxhv"></progress></th></form>

      <address id="pbxhv"><address id="pbxhv"><listing id="pbxhv"></listing></address></address>
        首頁 > 人工智能 > 正文

        人工智能走向深度學習 構建強大的計算力是重要指標

        2020-04-15 13:25:22  來源:中國安防行業網

        摘要:據介紹,人工智能比較大的挑戰之一是識別度不高、準確度不高,提高準確度就要提高模型的規模和精細度,提高線下訓練的頻次,這需要更強的計算力。
        關鍵詞: 人工智能
          據介紹,人工智能比較大的挑戰之一是識別度不高、準確度不高,提高準確度就要提高模型的規模和精細度,提高線下訓練的頻次,這需要更強的計算力。當前隨著人工智能算法模型的復雜度和精度愈來愈高,互聯網和物聯網產生的數據呈幾何倍數增長,在數據量和算法模型的雙層疊加下,人工智能對計算的需求越來越大。

        \
         
          “2016年3月,谷歌人工智能阿爾法圍棋(AlphaGo)戰勝韓國棋手李世石時,人們慨嘆人工智能的強大,而其背后巨大的‘付出’卻鮮為人知——數千臺服務器、上千塊CPU、高性能顯卡以及對弈一場棋所消耗的驚人電量。”遠望智庫人工智能事業部部長、圖靈機器人首席戰略官譚茗洲在接受科技日報記者采訪時表示。
         
          “相比云計算和大數據等應用,人工智能對計算力的需求幾乎無止境。”中國工程院院士、浪潮集團首席科學家王恩東也指出。
         
          據介紹,人工智能比較大的挑戰之一是識別度不高、準確度不高,提高準確度就要提高模型的規模和精細度,提高線下訓練的頻次,這需要更強的計算力。
         
          當前隨著人工智能算法模型的復雜度和精度愈來愈高,互聯網和物聯網產生的數據呈幾何倍數增長,在數據量和算法模型的雙層疊加下,人工智能對計算的需求越來越大。
         
          從中國信息通信研究院王蘊韜在通信世界網發表的文章了解,人工智能基礎設施建設重要一方面是繼續夯實通用算力基礎。當前算力供給已經無法滿足智能化社會構建,根據OpenAI統計,從2012年至2019年,隨著深度學習“大深多”模型的演進,模型計算所需計算量已經增長30萬倍,無論是計算機視覺還是自然語言處理,由于預訓練模型的廣泛使用,模型所需算力直接呈現階躍式發展。
         
          據斯坦福《AIINDEX2019》報告,2012年之前,人工智能的計算速度緊追摩爾定律,算力需求每兩年翻一番,2012年以后,算力需求的翻番時長則直接縮短為3、4個月。面對已經每過20年才能翻一番的通用計算供給能力,算力捉襟見肘已經不言而喻。
         
          無疑,人工智能走向深度學習,計算力已成為評價人工智能研究成本的重要指標。
         
          未來如何解決算力難題,據科技日報報道,目前計算存儲一體化正在助力、推動算法升級,成為下一代AI系統的入口。存內計算提供的大規模更高效的算力,使得AI算法設計有更充分的想象力,不再受到算力約束。從而將硬件上的先進性,升級為系統、算法的領先優勢,最終加速孵化新業務。
         
          而除了計算存儲一體化的趨勢,量子計算或是解決AI所需巨額算力的另一途徑。目前量子計算機的發展已經超越傳統計算機的摩爾定律,以傳統計算機的計算能力為基本參考,量子計算機的算力正迅速發展。

        第三十屆CIO班招生
        法國布雷斯特商學院碩士班招生
        北達軟EXIN網絡空間與IT安全基礎認證培訓
        北達軟EXIN DevOps Professional認證培訓
        責編:jiaxy
        三级床上长片完整版录像 - 视频 - 在线观看 - 影视资讯 - 品爱网