編者按：文作者楊作興，比特大陸公司設計總監(jiān)礁击，對人工智能及神經元網絡芯片有很深的研究。感興趣的朋友可以于他在深圳灣的主頁交流逗载。

上周日哆窿，李世石在三局落后的情況下，終于扳回來一局厉斟，為人類挽回了顏面挚躯。3月9日，我在深圳灣發(fā)文擦秽，預測在李世石首局失利的情況下码荔，會連扳四局。

我當時的分析是感挥，人比機器的適應能力更強缩搅，通過第一局，李世石應該可以很快找到 ALPHAGO 的漏洞触幼，將比分扳回硼瓣。不過我和李世石一樣低估了 ALPHAGO 的復雜性。李世石苦苦抗戰(zhàn)置谦，終于在四局找到了ALPHAGO的漏洞巨双。

我們應該感謝李世石代表人類噪猾，展示了人類的應變能力么？但我們沒有筑累，一個深深的憂慮在人們心頭縈繞袱蜡，機器人會徹底戰(zhàn)勝人類么？人類會被機器統(tǒng)治么慢宗？霍金的「人工智能將終結人類」這個預言坪蚁，會變成現(xiàn)實么？什么時候镜沽？100年后么敏晤？倫敦帝國學院研究認知機器人技術的 Murray Shanahan 教授認為，10 到 20 年內人們還不可能造出與人類同能級別的人工智能缅茉。李開復在 3 月 8 日預測 ALPHAGO 會全部輸?shù)羧?5 場比賽嘴脾，但在未來的1~2年機器圍棋智能會戰(zhàn)勝人類。

可現(xiàn)實的情況是蔬墩，人工智能的發(fā)展超出了李開復最樂觀的估計译打。對于 Shanahan 教授關于跟人類同級別人工智能的預計，我個人覺得可能也會比他的估計來得更快一些拇颅，下面是我的分析奏司。

去年10月的 ALPHAGO 是 1200 個 CPU 加 170 個 GPU，而這幾天跟李世石對弈的是 1920 個CPU 加 280 個 GPU樟插。這是一個復雜的計算機系統(tǒng)韵洋，然而這僅僅是深度學習的執(zhí)行計算機網絡，為這個網絡提供圍棋「直覺」的計算機訓練網絡黄锤，比這個規(guī)模至少要提高一個數(shù)量級搪缨，而這個訓練網絡是保持 ALPHAGO 持續(xù)進化的原動力。由這上萬個 CPU鸵熟，上千個 GPU 組成的龐大的副编，需要一層大樓來裝的計算機網絡系統(tǒng)能終結人類？這好像有些可笑旅赢，可是當你看到下面這一張某人工智能芯片公司芯片的規(guī)劃表后齿桃，你可能會改變想法：

芯片的指標普通人不太理解惑惶，我們把目前性能最強的 NVIDIA GPU 卡上的芯片 GK210 的指標列出來比較一下：

這里邊第一個關鍵的指標是計算能力煮盼，這個 AI 公司 2017 的產品的計算能力是 GK210 的 2.5 倍。第二個指標是功耗带污， 功耗做到了 GK210 的 1/15僵控，這個比較神奇。第三個指標是內部存儲容量的大小及帶寬鱼冀。這個內部 MEMORY 相當于 CPU 上的 CACHE报破。深度神經元卷積網絡（CNN）的模型比較大悠就，對于圍棋智能來說，通常能夠到幾百 MB 到 1GB 左右充易，這個模型在 CNN 網絡計算的時候梗脾，會被頻繁的讀出來，如果模型放在片外的 DDR 里邊盹靴，對 DDR 造成的帶寬壓力通常會到 TB/S 級別炸茧。

采用目前通常的 GPU 來計算 CNN 網絡，基本上都受到 DDR 帶寬的限制稿静，也就是說梭冠，由于 GPU 的帶寬限制，GPU 號稱的 4TFLOPS改备，在計算圍棋 CNN 網絡的時候是達不到的控漠，這種情況下 GPU 的計算能力是由帶寬決定的。例如悬钳，如果圍棋 CNN 網絡需要 1TB/S 的帶寬盐捷，但 GK210 只能提供 240GB/S 的帶寬，那 GK210 的計算能力就基本上是原來的 1/4他去，大概 1TFLOPS 左右毙驯。而這家 AI 公司的芯片其實是專門針對 CNN 加速的，他里邊放了 256MB 的內部存儲器灾测，而且內部存儲器的帶寬是 3TB/S爆价，因此對于圍棋 CNN 這樣的網絡，芯片宣稱的 10TFLOPS 是可能可以達到的媳搪。但這又意味做什么呢铭段？

大家稍微耐心一點，在講重大意義之前秦爆，我們需要先看一下 ALPHAGO 的計算能力序愚。這次跟李世石戰(zhàn)斗的 ALPHAGO 一共是 1920 個 CPU，280 個 GPU等限，它的計算能力有多大呢爸吮？我們假定這 1920 個 CPU 全是至強服務器 CPU，理論峰值計算能力為 48GFLOPS望门，那 CPU 部分總的計算能力是：1920*48 = 92TFLOPS形娇。另外，假定都采用目前最強的 NVIDIA K80 GPU（里邊是兩個 GK210 芯片）筹误，那 GPU 部分的計算能力是：280*4*2 = 2240TFLOPS桐早。總共的計算能力是：92+2240 = 2332TFLOPS。

這是理論上的最大峰值計算能力哄酝，我們需要考慮兩個情況友存，一個是 DDR 帶寬不夠，另一個是分布式計算的影響陶衅。關于 DDR 帶寬對峰值計算能力的影響屡立，前面交代了一下，對于圍棋智能這樣的 CNN 網絡搀军，我們可以按 4 倍的衰減來計算侠驯，那考慮 DDR 帶寬影響后，ALPHAGO 的計算能力是：2332/4 = 584TFLOPS奕巍。

分布式計算對計算能力的影響有多少呢吟策？這里的瓶頸在于各個處理器之間交換數(shù)據的帶寬和任務之間相互的依賴程度，這么龐大的網絡的止，對性能的影響通常非常大檩坚。我們不清楚這兩千多個處理器的任務是如何拆分的，假設由于分布式計算對性能的損失是 4/5诅福，那考慮分布式計算的影響匾委，ALPHAGO 的計算能力是：584/5 = 117TFLOPS。假設是否對呢氓润？多機版的 ALPHAGO 對單機版的勝率是 75%赂乐，從這個側面，感覺多機版好像也沒有比單機版強悍很多很多咖气。

到這里挨措，思路沒有跳躍的朋友，發(fā)現(xiàn)一個有趣的事情崩溪，好像 ALPHAGO 可以放在一張算力卡上：

這個板上有 54 顆芯片浅役，那這張卡的算力（采用某 AI 公司 2017 年的芯片）是：54*10 = 540TFLOPS，也就是說這張卡里邊裝了5 條 ALPHAGO伶唯，它能同時對陣李世石觉既，柯杰，俞斌乳幸，聶衛(wèi)平還有李昌鎬瞪讼！如果我們把這張卡放在機器人里邊，那這個機器人將變成世界上左腦最發(fā)達的人粹断。

這或許已經很神奇了符欠，不過還有更多。

目前的 ALPHAGO 是一個執(zhí)行的 ALPHAGO姿染，它的靈魂是通過訓練學習出來的背亥，最厲害的是學習能力。學習是通過另外一個更龐大的計算機網絡進行的悬赏，可能涉及到幾千臺服務器狡汉。ALPHAGO 不會主動自我進化，進化是被動的闽颇，需要通過人類訓練新參數(shù)盾戴，每更新一次參數(shù)（一般幾個星期），ALPHAGO 便進化一次兵多，進化是被動的階段性的尖啡。在這一點上 ALPHAGO 跟人類差別巨大。我們只要不給他更新參數(shù)剩膘，把他的網線拔掉衅斩，他就永遠停止進化了。

那我下面要講的東西又神奇在哪里呢怠褐？現(xiàn)在的單板處理能力是 ALPHAGO 的 5 倍畏梆，裝上單板的機器人就具備主動自我學習（自我訓練）的硬件條件，存在持續(xù)自我進化的可能性奈懒。數(shù)據來源可以是機器人每天看到或者聽到的東西奠涌，也可以是 SSD 卡上下載的互聯(lián)網內容，在有聯(lián)網條件下磷杏，他可以自己訪問 GOOGLE溜畅，獲取更多期望獲取的內容。內容有了之后极祸，便可以在充電休息的時候讓自己持續(xù)進化慈格，越來越聰明。這樣一個可以自己持續(xù)進化的機器人就產生了遥金，而且可能來得很快峦椰，也許就在2018年。

科技在以指數(shù)曲線快速增長汰规，但人類習慣按線性趨勢來判斷汤功，因此在科技面前，人類的判斷往往是滯后的溜哮。

另外關于機器人威脅類滔金，我也想發(fā)表一下自己的看法。

• 1）機器人會威脅到人類的工作機會茂嗓，越來越多的工作都可以交給機器人去干餐茵，人類是需要跟機器人搶飯碗的。
  
• 2）機器人不會威脅到人類整體的生存述吸。畢竟機器是人類造出來忿族，人類這個整體是希望機器人來幫助人類锣笨，不是要來干掉人類的。當然道批，個別人會讓機器人干壞事错英，但那應該不是主流。
  

版權聲明：本文系深圳灣原創(chuàng)文章隆豹，轉載請注明來自深圳灣椭岩，并標明網站地址 shenzhenware.com。轉載璃赡、采訪判哥、投稿、團隊報道聯(lián)系公眾號：shenzhenware