登陆

高性能核算、数据爆炸到深度学习,从热点话题改换看核算机职业的开展

admin 2019-08-11 234人围观 ,发现0个评论

前语

吴晓波在《激荡三十年》中这样描绘一个国家里光辉的三十年:“它承载了太多人的荣耀与愿望,它是简直一代人一起成长的悉数回忆”,“当这个年代到来的时分,势不可挡。万物任意成长,尘土与曙光升腾,江河会聚成传,无名山丘兴起为峰,六合一时无比开阔。”

年代车轮向前,2008 到高性能核算、数据爆炸到深度学习,从热点话题改换看核算机职业的开展 2019 又已曩昔十年,以信息和通讯技能为柱石、人工智能为使能的第四次技能革命引领着人类社会迈向万物感知、万物互联、万物智能的国际。在咱们的个人日子、商业和社会形态等范畴掀起史无前例的革新。

其中风起暗涌,让咱们跟从 CNCC 年度论题中探寻。

一、难以幻想的高核算才干

——1970 年,Intel4004 处理器每秒能够处理 92000 条指令,而比较咱们现在的一般手机,每秒处理 10 亿条指令,电脑也越来越强壮,能够存储越并处理这些巨大的数据。

1999 年,NVIDA(英伟达)公司首要推出了 GPU,首要用于处理游戏中每秒发生的许多的帧数数据。专家们发现,将 GPU 参与深度学习的架构中,赋予其练习神经网络的才干,能够履行许多使命的并行核算才干,能更敏捷的处2016年日历理各式各样的使命。GPU 让深度学习系统有才干完结几年前核算机不或许完结的作业,比方房子地址辨认、相片分类和语音转录。有 10 亿个衔接的 GoogleX 项目,练习人工神经网络的时分运用 1000 台电脑和 16000 个 CPU。然而在平等作业量和时刻下,配备了 64 个 GPU 的 16 台电脑就能够运算出成果。

高性能核算、数据爆炸到深度学习,从热点话题改换看核算机职业的开展

让人工神经网络快速运转是很困难的,由于不计其数的神经元要一起互动。取决于使命品种,有时分运用传统的中央处理器(Central Processing Unit,CPU)运转神经网络需求几周才干出成果。然而用图形处理器(Graphics Processing Unit,GPU), 时刻能大大节约,相同的使命只需求几天或许几小时就能够出成果。

代表论坛:

我国核算机工作创立五十周年纪念大会暨 2006 我国核算机大会的“千万亿次核算机”主题,报告人:孙凝晖:中科院核算所研究员;祝明发:联想集团首席科学家;谢向辉:江南核算所研究员;王恩东:浪潮集团高档副总裁向社会提醒了先进的算力器。

在 2011 年我国核算机大会深圳高功能核算论坛:George Cai-Intel Inside HPC - Architecture and Challenges;唐志敏 - 可继续的高功能核算;王恩东 - 高效能核算机架构与运用立异;谢强 - Kepler GPU 系统架构与 E 级超算的应战再次论道高功能核算开展。

高核算才干开展作为核算机技能的柱石,伴跟着摩尔定律,其难以幻想的开展速度让核算机职业一日千里。

二、爆高性能核算、数据爆炸到深度学习,从热点话题改换看核算机职业的开展破的数据量

——依据 Cisco(思科) 同济,1992 年全球互联网流量是每日 100GB,而到 2015 年的时分,流量现已达到了每秒 20235GB,现在全球九成的数据都是在曩昔两年生成的。

互联网的迸发让大数据变成了或许,为炽热的人工智能模型练习供给了足够的原材料。这些大数据是练习深度人工神经网络里上百万的神经元和权重的条件。用数据构建神经网络的最好比如是上文提及的 Google X 的一个项目。2012 年 6 月,Google 展现了其时最大的神经网络之一,其具有超越 10 亿个衔接,启用了 16000 个 CPU。有斯坦福大学核算机科学教授 Andrew Ng 和 Google 研究员 Jeff Dean 带领的团队给这个系统展现了 1000 万张从 Youtube 视频中挑选的图片,这种图片数据量在十年前是幻想不到的。

代表论坛:

2013 我国核算机大会以“数据空间,放飞愿望”为主题,要点讨论大数据范畴的学术、技能以及运用问题,以及移动互联网等业界关怀的问题。上海交通大学梅宏等两院院士在大会的主题论坛“大数据”上讲演,论述大数据对核算范畴和社会发生的深远影响并讨论业界对大数据的处理之道。

2014 CNCC 主题“信息安全,数据为先”,讨论在互联网年代、大数据布景下的信息安全所面对的全新应战和亟待处理的问题。

数据运用、数据管理再到数据安全,是职业关于数据爆破自身的再审视。

三.算法不断打破(尤其是深度学习)

——科技企业、风出资本以及各国政府,都在大力支撑人工智能,机器学习作为人工智能的首要技能手法,吸收了高达六成的出资比例。

  • 深度学习

2006 年,Hinton 在 Science 和相关期刊上宣布了论文,初次提出了“深度信仰网络”的概念,这种分阶段两部练习技能的运用大幅度减少了练习多层神经网络的时刻,让深度学习从边际课题变成了谷歌扥互联网巨子依靠的核心技能。机器学习方法尤其是深度学习范畴的打破。机器学习的手法是让电脑从许多的实在经历、信息和事例中学习,然后会像人类相同失败乃成功之母,在今后遇到相同的问题时,电脑就有才干用学习到的经历做出精确的判别。2017 年 10 月,关于深度学习的未来,被誉为深度学习鼻祖的 Hinton 交出了“胶囊网络”(Capsule Network)的研究成果测验处理泛化问题。

  • 强化学习

当深度学习和强化学习结合后,对现实情况的枚举变成了首要对现实情况做形式辨认,然后对有限的形式进行枚举,这就大大减少了核算量和存储价值。这种学习方法也更挨近人类思想的含糊判别的特色,被认为是人工智能范畴接下来的几年里最值得重视的技能。强化学习跟着人机围棋大战机器的成功被推上学术研究热门。

  • 对抗性神经网络

不管是深度学习仍是强化学习,现在首要的机器学习手法仍是依靠许多的数据进行剖析和系统练习。2014 年,蒙特利尔大学博士生 Ian Goodfellow 忽然想到了这个问题的答案——“对抗性神经网络”GAN,数字版的猫鼠游戏模型相互拼杀。

Hinton 表明:“在机器学习这个范畴,很难猜测五年今后的工作,不过能够确认的是,这仅仅只是开端。”,伴跟着算法的更迭,更多的人工智能创业团队不断的在寻求商业落地。

简直每场论坛,工业对接都是最受重视的议题:

现在,机器学习也被广泛开出各种商业用途。互联网广告完成投进,在图片中辨识和符号老友,把语音转化成文字或许将文字转化成语音,把网页上的文字翻译成不同的言语,还有无人驾驶,都是深度学习的支撑。除此之外,许多咱们没有想到的当地也能找到深度学习的影子。信用卡公司用深度学习来做反诈骗测验,医院和实验室运用深度学习来测验、确诊和医治疾病。自动化流程功能的改进。

总结:

2003 年,CNCC 首届大会于在北京国际会议中心举行,14 个范畴的分会场学术论文,大会主题:核算机改进人类日子到 2010 年“网联国际核算无限”注册参会者初次打破 1000,彰明显那五年间越来越多的人开端投入这个职业,同行学者越来越重视我国核算机大会。

作为一个学术安排,CCF 也开端承当越来越多的社会职责。为了让更多的学者参与我国核算机大会,2010 年 CCF 初次建立特别赞助他们参与我国核算机大会。2012 我国核算机大会的博士生培育论坛,殷建平向社会各界人士共享怎么培育高水平立异型研究生,社会开端重视高性能核算、数据爆炸到深度学习,从热点话题改换看核算机职业的开展愈加规整和健康的人才培育系统。2015 年 CCF 会议期间,举行 CCF 优异大学生奖颁奖仪式,来自 60 多所高校的百余名优异本科生承受赞誉。

2019 年 CNCC 环绕“智能+——引领社会开展(AI+——Leading the development of society)”主题确认 keynote 报告人及相关会议内容。CNCC2019 大会论坛首要环绕互联网 50 年、工业互联网、深度学习三个主题展开讨论及讨论,开设量子核算:从理论到实践、类脑核算论坛、AI 赋能社会,公正道德与职责自治等 51 个论题分论坛。

战略协作媒体

点击阅览原文检查大会概况↓

请关注微信公众号
微信二维码
不容错过
Powered By Z-BlogPHP