|
炸了！2017 Google I/O开发者大会北京时间昨晚召开，Google带来一整晚密集的信息发布，也再次彰显了Google在人工智能方面的实力。 从移动优先转变为AI优先的Google，在I/O大会的首日几乎所有话题都跟人工智能有关，量子位也对重点内容进行梳理如下。 核心要点： 第二代TPU发布，以及TPU研究云 为移动设备优化的TensorFlow Lite AutoML强化算法，让神经网络设计神经网络 Google.ai上线，所有AI成果都在这里展示 相关数据：月活安卓设备已达20亿部 5亿活跃的Google相册用户 Google地图每日导航超过10亿公里 人们每天观看10亿小时YouTube视频 以下是详细解读。 CEO：使AI触手可及 已经在Google工作13年的现任CEO Sundar Pichai首先登台。量子位把Pichai的开篇演讲摘要还原如下：
△谷歌CEO Sundar Pichai 我们正在目睹计算领域的新转变：从移动优先到AI优先的世界。和以前一样，这迫使我们重新构想我们的产品，提供更自然、更无缝的交互方式。 所有的进步需要正确的技术架构。去年的I/O，我们推出第一代TPU，今天我们要发布下一代TPU：云TPU。新TPU对推理和训练都进行了优化。 我们认为，如果科学家和工程师们可以在指尖上，拥有更好、更强大的计算工具并展开研究，复杂的社会问题将有巨大的突破。 这也是Google.ai的驱动力。 我们希望让神经网络的创建变得更简单。现在设计一个神经网络非常耗时，所以我们创建了AutoML，可以让神经网络来设计神经网络。我们希望AutoML抵得上几个博士，并在三五年内满足更多开发者的需求。 看到AI已经开始逐渐实用令人激动，但真正要抵达AI优先的世界，还有很长的路要走。在AI普及化方面我们的工作越多，每个人就能越快受益。 Pichai上面提到一个新网站：。这个网站将用来展示Google和Google Brain团队的研究，包括各种有趣的实验等。
第二代TPU
第一代TPU在去年的谷歌I/O大会上发布，用于运行已训练完成的机器学习模型。而新一代芯片可同时支持模型的训练和学习。这款芯片带来了每秒180万亿次浮点运算的计算性能。 第二代TPU被称作“云TPU”，将通过谷歌云平台向所有人开放。谷歌云平台的开发者仍可以使用传统芯片，例如英特尔Skylake或英伟达Volta GPU去进行设计。 云TPU的推出再次表明，谷歌正在利用领先的技术，与公有云行业的其他对手实现差异化发展。 谷歌CEO皮查伊在I/O大会的主题演讲中表示：“我们希望谷歌云成为机器学习领域最优秀的云。这为重大进步打下了基础。”
为了使计算性能更强大，谷歌开发了订制的超高速网络，将64颗TPU连接至同一台机器学习超级计算机。这台超级计算机被称作“TPU舱”，带来了每秒11.5千万亿次浮点运算的能力，可用于训练单一的大型机器学习模型，或多个较小的模型。 为了证明TPU舱的性能，谷歌表示，如果想要训练最新的大规模翻译模型，那么使用32颗全球最强大的商用GPU需要一整天时间。作为对比，TPU舱只需1/8的性能，就能在6小时内完成对该模型的训练。 单个的云TPU和完整的TPU舱均支持谷歌开源的TensorFlow机器学习系统。 第一代TPU于两年前开始在谷歌公司内部部署，并被用在谷歌的多款产品，例如谷歌搜索、基于机器学习的谷歌翻译、谷歌语音识别，以及谷歌照片之中。 谷歌大脑高级研究员Jeff Deam本周表示，谷歌仍在使用CPU和GPU去训练机器学习模型。不过他预计，未来谷歌将越来越多地使用TPU。
与此同时，谷歌还发布了“TensorFlow研究云”。这是由1000颗云TPU组成的簇，在满足某些条件的情况下谷歌将免费提供给研究者使用。如果希望使用，那么研究者必须同意公开发表研究成果，或许还需要开源研究中的相关代码。 谷歌推出TensorFlow研究云的目的是加速机器学习的研究进展，并计划将其分享给哈佛医学院等学术机构。 对参与非公开研究的人士，谷歌计划启动云TPU Alpha项目。 TensorFlow Lite 在I/O上谈到Android的未来时，谷歌工程副总裁宣布，他们将推出一个专门为移动设备而优化的TensorFlow版本，称为TensorFlow lite。 用这个新框架，开发者可以创造更简洁的深度学习模型，让它们运行在Android智能手机上。不过，深度学习的训练过程还是需要在云端完成。 谷歌打算今年晚些时候推出TensorFlow lite API并开源。 Facebook今年F8开发者大会发布的Caffe2，和去年推出的Caffe2Go，也是这个思路。 让AI设计AI 谷歌想让AI变得更加“平易近人”，简化神经网络模型的建造过程是个好办法。 (责任编辑：本港台直播) |
