|
2019年底，IDC預測用于AI系統的全球支出將在2023年增至979億美元，差不多是2019年375億美元的三倍。即使是新冠肺炎疫情在2020年帶來的重創也沒有減緩AI的拐點。 作為人工智能(AI) 專家，關注新興趨勢以及技能多樣化機會以便對新趨勢加以利用是一種明智的做法。我們找出了三個供您考慮的領域。每一個領域都有可能幫助您更充分地應對專家所預測的爆炸式增長。 AIoT嵌入式系統 一直到最近，開發人員都只考慮在數據中心進行嚴肅的數據處理。本地處理原本不是考慮選項。但是現在，超級計算機的性能已經跨過了大小、成本和功率要求方面的重要門檻。英偉達 (NVIDIA) 在2020年5月發布的Jetson Xavier NX開發套件價格不到400美元，僅需10瓦的功率即可運行。該套件提供高達21 TOPS的計算力，強大功能可并行運行現代神經網絡并處理來自多個高分辨率傳感器的數據，完美契合整個AI系統所需。其他競爭對手也在緊緊追趕。 這些進步大大簡化了云連接型AI和ML多模應用（圖1）的開發。設想以下情景：建立一個先進實時視頻和熱成像處理系統，用于探測發燒訪客或被列入“禁止入內”名單的個人所帶來的潛在威脅。即使運用5G，要將高分辨率的實時視頻和熱傳感器數據上傳到云端，在遠程服務器場進行處理，然后等待面部識別和風險評估評分算法完成工作并在數分鐘后回傳結果也是不切實際的。唯一的解決方案是在本地處理實時數據，以便系統可以快速評估威脅級別。 現在，這種理論上的系統可用標準攝像頭、熱成像設備以及這款8核英偉達設備來實現。作為完整的開發套件，英偉達的這套設備售價不到400美元�，F在，預訓練模型中已經包括常見的AI應用程序構建塊，例如對象檢測、文本轉語音、分類、推薦引擎、語言翻譯、情感分析等。如果從這些模型開始，然后針對特定的用例進行調整，那么在開發具備上述功能的應用時速度就會顯著加快。英偉達GPU云 (NGC) 模型庫提供數百種此類模型，以快速啟動常見AI任務，而且針對Jetson Xavier和公司其他產品的模型優化也已完成。在您的項目開始運行后，只需通過更新幾個層即可輕松地重新訓練這些模型，大大節省了時間。 這些功能強大的超級計算機不僅適合上述智能攝像頭項目，還可用于構建無限數量的其他高性能AI系統，例如醫療儀器、自動光學檢查、商業應用機器人等。 自然語言生成/對話式AI 自然語言生成方面的重大進展，特別是微軟的Turing Natural Language Generation (T-NLG)，為AI開發人員打開了一些曾經不可企及的大門。但這一點只有通過靈活機變的工程技術才能實現。 即使擁有32GB的RAM，一塊GPU也無法適配參數超過13億的模型。微軟團隊通過多項硬件和軟件技術突破解決了這個問題。他們運用了英偉達的一種可實現GPU之間超速通信的硬件，并應用張量切片將這一模型分給四塊GPU。模型并行度由此從16降至4，從而使每個節點的批處理大小增加了400%，訓練速度也因此提高了三倍。因此DeepSpeed僅使用256塊GPU即可訓練大小為512的批處理，而采用以前的配置則需要1024塊GPU。而且，您無需理解上一段內容也可以開始使用這項技術。 T-NLG于2020年2月發布的β測試版讓使用完整句子回答搜索查詢成為可能，能夠實時生成會話語言。想象一下：一個聊天機器人足夠智能，可以用您的語言交流，并且能做出頭頭是道的應答。 T-NLG是已經發布的最大型號，包含170億個參數，使開發人員能夠創建可以幫助作者撰寫內容或總結長篇摘要的應用。另外，它還可能讓人們制造出比以往類型“聰明”得多的數字助理，以改善客戶體驗。我們相信，探索自然語言生成工具可幫助任何AI開發人員培養在未來幾年內極具市場價值的新技能。 著手使用T-NLG可能要比您想象的更簡單，如果您已經在使用Python則更是如此。前往GitHub并探索DeepSpeed存儲庫（兼容PyTorch），深入了解其中內容。這個API庫使用深度學習模型讓分布式訓練變得簡單、高效且富有成果。這些模型增大了十倍，速度快五倍，讓您利用千億個參數在創紀錄的時間內完成模型訓練。 神經網絡與進化計算 數據庫通常是AI系統和應用的瓶頸。這個問題無法簡單地通過更大處理能力或內存來解決。一個值得關注的趨勢是神經網絡在數據庫系統設計中的應用。 麻省理工和Google設計的一個實驗性數據管理系統用一個神經網絡代替了核心組件，與優化緩存的B樹相比，性能最多提高70%，同時降低了內存要求。 “學習索引”快速學習數據庫的查找鍵結構，并使用它們來預測記錄位置。神經網絡有可能對未來的系統設計產生顯著影響，因此我們認為這是一個值得探討的主題。所以請選定一個主題：AIoT、NLG或神經網絡計算；也可以全選！ 然后做好準備，去駕馭必將激動人心的AI創新浪潮。 文章來源：貿澤電子 作者簡介：Stephen經常受邀為《財富》100強企業提供總體產品戰略和架構設計方面的建議，尤其是在涉及工作流管理、電子商務、人工智能和機器學習的領域，他對當前流程有著客觀的看法。他建議在戰略上進行小幅調整，以產生長期重大收益以及快速的投資回報。作為首席技術官/首席系統架構師，Stephen深刻了解搭建成功的“軟件即服務”平臺所需的一切。一般是通過基于云的可擴展架構，將多個舊系統組合在一起，讓復雜數據集能夠以安全、統一的視圖呈現給用戶。 |
