算力设计。这玩意儿，最初是出现在很多硅谷it公司，那些程序员嫌弃代码写好后、编译速度太慢，甚至觉得光靠专门的编译服务器都不够用，所以天马行空地创新出一个“分布式编译架构”，让一家公司里所有同一局域网内的电脑，都可以加入这个架构，然后把编译任务拆分分配给所有电脑，让所有pu共同分包编译。分布式编译是从07年出现的，一两年之内，这玩意儿就成长成了“云计算”。有了云计算之后，应用就很广泛，而云计算对人工智能训练的最大影响，就是某个智能在执行机器学习的时候，不用再受限于这个机器人本身那颗pu的算力了——机器人自己的pu不够快，可以接入云，用云上的几千几万台机器的pu帮你一起算。这时候，摩尔定律就不重要了。只要算力任务能高效拆分，单颗pu弱一点就弱一点了，咱可以芯海战术堆数量嘛。如此一来，其他那些“算力效率更高、白盒可解释性更强、但训练上限和自动化程度更低的算法”，一下子就争不过深度学习了。因为深度学习原先最大的瓶颈，就是黑盒，算力效率低下。但云计算的出现，让算力瞬间没那么值钱了，可以大水漫灌狂训你。……这些道理，顾玩心知肚明，不过他没法全部告诉麻依依。他只能鼓励麻依依，让她往这个领域布局，夫妻俩暂时把外围科技先凑起来。幸好，时间上也不是非常紧急。地球上杰夫辛顿让学界接受深度学习，就花了两年。至于后来从学界承认到产业界承认，又花了四年——其中三年都是在等云计算的出现。他的成绩06年在学界就初步被认可了，但09年云计算才正式出现，2010年杰夫辛顿才被谷歌高薪挖走。后世的人工智能，用一句话概括运作原理，就是“使用云计算的算力，用深度学习算法处理学习大数据”。算力，算法，大数据。三要素里，从技术难度来说，最先有的是大数据，这是一种资源，有稀缺性，但却没有技术含量，所以是最早出现的。算法，或者说深度学习的思路，是第二个出现的（06年）用这种算法处理这些数据的算力，是最后出现的（09年）三要
本章未完，请点击"下一页"继续阅读！ 第3页 / 共5页