下一次太空熱潮

Facebook首次披露自研AI晶元細節：

為視頻而生，LeCun挂帥

Facebook獨立自主研發AI晶元的消息，不是新消息。

但為什麼一定要自己做？又打算用來做什麼？自主晶元會帶來哪些不同？

之前一直沒有答案。

5月26日，Facebook首席AI科學家Yann LeCun，在故鄉巴黎舉行的Viva科技峰會上，首次披露了Facebook在AI晶元方面的具體方向。LeCun說，Facebook之所以自己搞晶元，是因為傳統資源無法滿足新時代需求，傳統方法已經失效，我們需要一款AI晶元，實時分析和過濾視頻內容。

具體是怎樣一回事？

Facebook首席AI科學家Yann LeCun

為視頻需求自主造芯

LeCun說，現在Facebook的視頻審核任務越來越重，而且直播帶來的實時分析、過濾的壓力也越來越大。

比如有些用戶在Facebook Live上直播的事情，可能有點不忍直視，還危害公眾安全，這時候就需要快速發現並馬上拿掉。

但如果通過現行的一般方法，需要耗費大量的計算資源，而且功耗巨大。

「傳統方式已經失效」，LeCun說。

而且看得到的趨勢是，視頻正在成為信息傳遞的主流方式，不管是實時直播，還是短視頻、長視頻內容，都對計算資源和功耗提出了更高要求。此外，出於監管的考慮，也需要更高效的硬體處理器。

所以Facebook首席AI科學家認為，不光Facebook，當前大家都有強動力、強需求去設計AI晶元，專芯專用。

LeCun還舉例解釋，就像越來越多的智能手機配備了功能強大的晶元，可以讓用戶直接在手機終端就可以完成語音識別、圖像解析、視頻處理和AR等功能一樣，未來，越來越多本來以軟體為核心的公司，也會考慮、涉足硬體。

總而言之，就是目前沒有最好的方案供應，所以Facebook這樣軟體公司，也不得不趟一趟硬體的渾水。而且值得注意的是，Facebook自主造芯，不是想搶英偉達、高通的飯碗，只是希望更好支撐服務自己的業務。

值得注意的是，這也是Facebook首次披露自主造芯的具體方向，之前曝出AI晶元傳聞時，外界分析和猜測都集中在Oculus、智能音箱等終端設備需求上，而忽略了Facebook的業務核心需求。

此外，LeCun還表示，雖然AI晶元對Facebook是全新的工作，但硬體上我們早就有過試水。在Facebook內部，伺服器、主板、數據中心通信晶元等硬體製造相關的事情，之前都以嘗試過。

言外之意，即Facebook對自主研發AI晶元很有信心。

不過在這次會上，LeCun沒有透露這款AI晶元具體進展到什麼程度，何時能夠流片或上馬應用，目標效能又是啥樣的……

當然，LeCun沒介紹這些可能也是有原因的——上個月他才開始公開招人。

新組建的AI晶元團隊

上個月，LeCun在自己主頁發出求賢令，號召ASIC和FPGA相關的晶元工程師加盟Facebook。

在招聘需求介紹中，Facebook稱AI晶元項目隸屬於基礎設施團隊，晶元工程師會和軟體、系統工程師聯手開發，最後目標是推出針對AI、ML、視頻壓縮和解碼等在內的一體化解決方案。

不過招聘介紹中沒有指明團隊負責人信息，但從LeCun「自曝」履歷來看，這個全新的AI晶元團隊，可能會由他本人親自帶隊。

這位卷積神經網路的開創者可能擔心晶元人才「不識貨」，還在Facebook推文中強調自己擁有晶元設計的經驗，而且我當年學的還是電子電氣工程……

求才之急迫，可見一斑。

OpenAI發布強化學習環境Gym Retro：支持千種遊戲

Gym 是 OpenAI 發布的用於開發和比較強化學習演算法的工具包。使用它我們可以讓 AI 智能體做很多事情，比如行走、跑動，以及進行多種遊戲。目前，它運行在支持 Python 3.5 和 3.6 的 Linux、macOS 和 Windows 系統上。

OpenAI 近日發布了完整版遊戲強化學習研究平台——Gym Retro。在本次發布之後，OpenAI 公開發布的遊戲數量將從大約 70 個雅達利和 30 個世嘉遊戲增加到了 1000 多個遊戲，其中包括對任天堂 Game boy 等各種模擬器的支持。此外，OpenAI 還將發布用於向 Gym 平台添加新遊戲的工具。

OpenAI 利用 Gym Retro 對強化學習演算法及學習能力的泛化進行了研究。RL 領域之前的研究主要集中在優化智能體以完成單個任務上。Gym Retro 可以幫助研究在概念相似但外觀不同的遊戲之間進行泛化的能力。

集成工具

OpenAI 還將發布用於集成新遊戲的工具。如果你有遊戲 ROM，此工具可以幫你輕鬆創建儲存狀態、尋找內存位置以及設計強化學習智能體可以實施的方案。OpenAI 已經為希望增加新遊戲支持的人編寫了一個集成器指南。

集成工具還支持錄製、播放將所有按鈕輸入保存到遊戲中的視頻文件。這些文件很小，因為它們只需要存儲按鈕按下的開始狀態和順序，而不是輸出的每一幀。像這樣的視頻文件對於可視化增強學習智能體正在執行的操作以及存儲用作訓練數據的人工輸入非常有用。

Farming獎勵

在開發 Gym Retro 時，OpenAI 的研究人員發現很多 AI 智能體學會了 farm 獎勵（只專註於遊戲得分），而忽略了完成隱藏的真正任務。如上圖所示，進行 Cheese Cat-Astrophe（左）和 Blades of Vengeance（右）遊戲的智能體都陷入了瘋狂得分的死循環。這是 OpenAI 之前討論過的一種現象：當我們只給強化學習演算法一個簡單的獎勵函數時（如最大化遊戲得分），可能會導致智能體出現錯誤的行為。

對於密集獎勵（頻繁和增量）遊戲而言，最難的地方在於需要進行快速反應，像 PPO 這樣的強化學習演算法可以很好地應對這種挑戰。

在 Gradius 這樣的遊戲中，你會在每次擊中敵人之後得到獎勵點數，這意味著開始機器學習的速度會很快。在這樣的遊戲中生存下來需要你具備躲避敵人攻擊的能力：這對於強化學習演算法而言並不困難，因為它們玩遊戲是逐幀進行的。

對於只有稀疏獎勵，或需要計劃超過未來數秒策略的遊戲，目前的演算法還很難應對。Gym Retro 數據集中的許多遊戲都是稀疏獎勵或需要計劃的，因此，處理整個數據集中的內容可能需要開發者找到全新技術。

下一次太空熱潮

亞太科幻大會論壇上，Gillian談她做科普的親身經驗，說普通人也有各種各樣的方法參與到科學，比如在學校教育中突出科學小組的存在感等等。談到科幻小說和科學間的關係時， 她說科幻小說的創作能夠弓|導科學的發展方向，但科學知識的發展也會改變科幻小說的知識基礎，二者的關係很奇妙。

曾獲卡爾薩根獎的鄭永春為聽眾解釋了「太空熱」:歷史上稱之為「太空熱」的時期，是上世紀的六七十年代。在新世紀，「太空熱」逐漸復甦，從飛向月球到飛向火星，最後的邊疆在一步步拓展。最近特斯拉往太空發射「了一台跑車，紅顏色就代表了它對火星的興趣。

王炯璐講述了我們日常生活中技術來源於太空的實例，比如高產的太空種子，比如最早應用在宇航員身上的尿不濕。

蔡文信說"太空熱」的危機就是它從來不顯示出它的危機，真正的太空探索非常危險，需要大量的人力物力，但是意義非凡。蔡文信和饒駿都是直接工作在太空探索第一線的科學家，所以他們對太空探索的看法驚人地一致。

來自地質學專業的科幻作者滕野，將天文學與地質學聯繫起來，用非常詩意的語言描述了這條神奇的紐帶。在早期的月球探索中，我們用地球地理學知識解釋月球的地貌;之後我們在月球找到的岩石印證了地球最古老的岩石年齡--46億年。

漫天行星也是地球的影子，可以讓我們產生很多思考，如果我們星球的位置不在這裡，地理環境會有多大的變化?那樣也就不會有這樣宜居的地球。地球在茫茫宇宙中，實在是太幸運了。

GIF

責任編輯 鎣鈥

宇宙的未來 現在 過去

四十二史

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！