新智元編譯

來源：Analytics India

編譯：小潘

【新智元導讀】概率計算能促進人工智慧和機器學習嗎？英特爾等許多公司押注於概率計算，致力於使未來的系統能夠理解和計算自然數據中固有的不確定性，製造出能夠理解、預測和決策的計算機。概率計算被認為是最適合在不確定的情況下做出判斷的技術。

根據英特爾首席技術官Mike Mayberry的說法，最初的人工智慧浪潮是基於邏輯的，這是基於寫下規則——即所謂的「經典推理」。在概率計算中，處理單元所消耗的能量降低，從而增加了某些操作出錯的可能性。

定義概率計算

根據USFCA的說法，概率計算機將模擬問題（前向）帶入一個推理程序（反向）。總部位於加州伯克利的Navia系統公司開發了概率計算機，它將其定義為最適合在不確定的情況下做出判斷的技術，就像傳統的計算技術是大規模的記錄保存一樣。這家成立於2007年的創業公司強調，與目前用於邏輯推理和精確計算的計算機不同，在概率計算領域，機器和程序是用來處理不確定性和從經驗中進行學習的。

英特爾在概率計算下壓上重注

英特爾正把賭注押在概率計算上，這是人工智慧的一個主要組成部分，它將使未來的系統能夠理解和計算自然數據中固有的不確定性，並有助於研究人員能夠製造出能夠理解、預測和決策的計算機。Mayberry在一篇文章中指出，如今人工智慧的一個關鍵障礙是，給電腦提供的自然數據大多是非結構化和「嘈雜」的。他強調，概率計算可以使計算機在處理大規模的概率時更有效率，這是將當前系統和應用程序從先進的計算輔助工具轉變為理解和決策的智能合作夥伴的關鍵。

Intel CTO Mike Mayberry

作為研究的一部分，這家領先的晶元製造商建立了英特爾的概率計算戰略研究聯盟，以促進與學術界和創業社區的研究和合作，並將實驗室的創新帶到實際應用中。該公司想要解決的核心領域是基準應用、對抗攻擊緩解、概率框架、軟體和硬體優化。

其他公司正在重新思考計算機架構

根據洛斯阿拉莫斯國家實驗室（Los Alamos NationalLaboratory，LANL）的數據，概率計算為新的架構鋪平了道路，這些新架構可以幫助優化傳統的基本演算法。LANL指出概率計算是一個具有挑戰性的挑戰，因為大量的特徵尺寸的減少會導致非確定性，這也是一個巨大的機會，因為它提供了一種探索豐富空間的演算法，也幫助研究人員可以概率性的降低功耗硬體方法。

在深度學習中應用概率計算

對於研究人員來說，最大的優勢之一就是概率計算可以用比當前範式所提供的更低的能量來進行計算。今天，通用機器已經獲得了很高的成熟度，並且大量的用例和應用程序，比如音頻和語音處理，都需要很高的計算能力。其結果是，圍繞創新的新硬體系統的研究在學術和技術領域獲得了越來越多的關注。計算的概率性質允許數量級的加速，並可以大大減少電力消耗。根據喬治亞理工學院的研究員Krishna V Palem的說法，電力是高計算速度的主要驅動因素，現在的主要問題是如何在嵌入式計算設備中使電池續航時間更長。Palem強調，計算可以被建模為偏離，而不是採用直線的方法，隨後我們可以控制計算的曲折行為達到期望的水平，同時將能源的成本節省到忽略不計的程度。

前景

專註於人工智慧的硬體已經催生了一個創業生態系統，這些初創公司正在努力使人工智慧操作更加順暢。一個例子就是加利福尼亞的Samba Nova系統，它通過創建一個新平台來為新一代的計算提供動力。據新聞媒體報道，這家創業公司認為，儘管英偉達的GPU已經成為該行業深度學習應用的實際標準，但仍有顛覆的空間。新聞報道稱，該公司在A輪融資中獲得了5600萬美元的融資，該公司希望打造一款能夠在任何以人工智慧設備上運行的新一代硬體，這是一款為自動駕駛技術提供動力的晶元。

目前，人工智慧硬體市場已經見證了像蘋果和谷歌這樣的大公司，他們推出了專門的硬體來加速電腦視覺、圖像識別等任務，但人工智慧和數據分析不再局限於大型科技公司。其他在類似領域運營的創業公司是Graphcore和中國的地平線機器人公司，它們也在對硬體進行投資，並基於GPU進行了激烈的競爭，因為GPUs是所有與人工智慧相關技術的密集型計算應用的支柱。從Facebook到百度，幾乎每一家大公司都對GPU進行了投資，以快速完成對深度學習應用的研究，並訓練複雜的模型。在效率方面，GPU的效率是CPU的10倍，在功耗方面，NVIDIA聲稱GPU也在推動計算行業的能源效率。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！