有奖调查|AI最热门的话题

2019年底,IDC预测用于AI系统的全球支出将在2023年增至979亿美元,差不多是2019年375亿美元的三倍。即使是新冠肺炎疫情在2020年带来的重创也没有减缓AI的拐点。

作为人工智能(AI) 专家,关注新兴趋势以及技能多样化机会以便对新趋势加以利用是一种明智的做法。我们找出了三个供您考虑的领域。每一个领域都有可能帮助您更充分地应对专家所预测的爆炸式增长。

“图源:
图源: Omelchenko/ShutterStock.com

AIoT嵌入式系统

一直到最近,开发人员都只考虑在数据中心进行严肃的数据处理。本地处理原本不是考虑选项。但是现在,超级计算机的性能已经跨过了大小、成本和功率要求方面的重要门槛。英伟达 (NVIDIA) 在2020年5月发布的Jetson Xavier NX开发套件价格不到400美元,仅需10瓦的功率即可运行。该套件提供高达21 TOPS的计算力,强大功能可并行运行现代神经网络并处理来自多个高分辨率传感器的数据,完美契合整个AI系统所需。其他竞争对手也在紧紧追赶。

这些进步大大简化了云连接型AI和ML多模应用(图1)的开发。设想一下这样的情景:建立一个先进实时视频和热成像处理系统,用于探测发烧访客或被列入“禁止入内”名单的个人所带来的潜在威胁。即使运用5G,如果要将高分辨率实时视频和热传感器数据上传到云端,在远程服务器场进行处理,然后等待面部识别和风险评估评分算法完成工作,并在数分钟后回传结果也是不切实际的。唯一的解决方案就是在本地处理实时数据,以便系统可以快速评估威胁级别。

“图1:云连接AI应用取得巨大进步(图源:Phonlamai
图1:云连接AI应用取得巨大进步(图源:Phonlamai Photo/Shutterstock.com)

现在,这种理论上的系统可用标准摄像头、热成像设备以及这款8核英伟达设备来实现。作为完整的开发套件,英伟达的这套设备售价不到400美元。现在,预训练模型中已经包括常见的AI应用程序构建块,例如对象检测、文本转语音、分类、推荐引擎、语言翻译、情感分析等。如果从这些模型开始,然后针对特定的用例进行调整,那么在开发具备上述功能的应用时速度就会显著加快。英伟达GPU云 (NGC) 模型库提供数百种此类模型,以快速启动常见AI任务,而且针对Jetson Xavier和公司其他产品的模型优化也已完成。在您的项目开始运行后,只需通过更新几个层即可轻松地重新训练这些模型,大大节省了时间。

这些功能强大的超级计算机不仅适合上述智能摄像头项目,还可用于构建无限数量的其他高性能AI系统,例如医疗仪器、自动光学检查、商业应用机器人等。

自然语言生成/对话式AI

自然语言生成方面的重大进展,特别是微软的Turing Natural Language Generation (T-NLG),为AI开发人员打开了一些曾经不可企及的大门。但这一点只有通过灵活机变的工程技术才能实现。

即使拥有32GB的RAM,一块GPU也无法适配参数超过13亿的模型。微软团队通过多项硬件和软件技术突破解决了这个问题。他们运用了英伟达的一种可实现GPU之间超速通信的硬件,并应用张量切片将这一模型分给四块GPU。模型并行度由此从16降至4,从而使每个节点的批处理大小增加了400%,训练速度也因此提高了三倍。因此DeepSpeed仅使用256块GPU即可训练大小为512的批处理,而采用以前的配置则需要1024块GPU。

T-NLG于2020年2月发布的β测试版让使用完整句子回答搜索查询成为可能,能够实时生成会话语言。想象一下:一个聊天机器人足够智能,可以用您的语言交流,并且能做出头头是道的应答。

T-NLG是已经发布的最大型号,包含170亿个参数,使开发人员能够创建可以帮助作者撰写内容或总结长篇摘要的应用。另外,它还可能让人们制造出比以往类型“聪明”得多的数字助理,以改善客户体验。我们相信,探索自然语言生成工具可帮助任何AI开发人员培养在未来几年内极具市场价值的新技能。

着手使用T-NLG可能要比您想象的更简单,如果您已经在使用Python则更是如此。前往GitHub并探索DeepSpeed存储库(兼容PyTorch),深入了解其中内容。这个API库使用深度学习模型让分布式训练变得简单、高效且富有成果。这些模型增大了十倍,速度快五倍,让您利用千亿个参数在创纪录的时间内完成模型训练。

神经网络与进化计算2

数据库通常是AI系统和应用的瓶颈。这个问题无法简单地通过更大处理能力或内存来解决。一个值得关注的趋势是神经网络在数据库系统设计中的应用。

麻省理工和Google设计的一个实验性数据管理系统用一个神经网络代替了核心组件,与优化缓存的B树相比,性能提高可达70%,同时降低了内存要求。

快速学习数据库的查找键结构,并使用它们来预测记录位置。神经网络有可能对未来的系统设计产生显著影响,因此我们认为这是一个值得探讨的主题。所以请选定一个主题:AIoT、NLG或神经网络计算;也可以全选!然后做好准备,去驾驭必将激动人心的AI创新浪潮。

“作者:Stephen
作者:Stephen Cassar

Stephen经常受邀为《财富》100强企业提供总体产品战略和架构设计方面的建议,尤其是在涉及工作流管理、电子商务、人工智能和机器学习的领域,他对当前流程有着客观的看法。他建议在战略上进行小幅调整,以产生长期重大收益以及快速的投资回报。

作为首席技术官/首席系统架构师,Stephen深刻了解搭建成功的“软件即服务”平台所需的一切。一般是通过基于云的可扩展架构,将多个旧系统组合在一起,让复杂数据集能够以安全、统一的视图呈现给用户。

“”

感谢大家对贸泽的支持,新一期有奖调查来咯,简单填写即有机会赢取50元京东券~速戳“立即参与”!立即参与

该发布文章为独家原创文章,转载请注明来源。对于未经许可的复制和不符合要求的转载我们将保留依法追究法律责任的权利。

最新文章