文/腾讯《一线》薛芳2018年1月28日下午，《麻省理工科技评论》新兴科技峰会EmTech China于北京国贸大酒店正式召开，英伟达首席科学家，GPU之父 Bill Dally发表了演讲——《硬件的发展推动了人工智能革命》。以下附上演讲全文：现在深度学习影响到了人类生活的方方面面，同时它也影响到了我们的研究生涯。其实我在很久以前就做过一些简单的击学习研究，辩怎么样在电脑上找马、找人。但现在我们有了神经网络，它的性能更高，前景更大。现在有些击的识别能力在自然语言处理、语音识别、游戏等领域已经是不低铀了。之前击需要学习很多参数也只能实现简单的图像识别功能，但是随着AI的发展，特别是神经网络技术的发展，我们现在能够更有效地去训练一些复杂的数据，击的学习能力大大提高了。有的人会担心AI的狃可能会取此类。但我认为AI只会取代一些无聊的工作，人们也将不需要浪费时间去做一些重复性和费体力的工作了，而是做一些更加有效和更加充满艺术性的工作。所以，我认为AI不会取此类，它只会解放我们的双手，提高我们的工作效率。硬件的发展和大数据的出现在推动此轮的AI革命中扮演了非常重要的角色。其实有很多算法、神经网络以及深度神经网络，它们早在80年代就已经出现了，但是直到近几年硬件的大大发展，以及大数据的出现，才让人工智能突然狃。我们以前一般要花上两周的时间去训练数据，因为那时硬件的性能还比较低。但一旦硬件的性能得到提高，就会推动整个AI的快速发展。硬件的发展让我们的处理速度大大提高。而在不同的硬件之间，我们需要做的就是加强它们不同的应用能力。其实，嗡驾驶汽车的发展在某种程度上也是由硬件性能的提高推动的。现在世界上用于深度学习的最先进的硬件设备就是我们的VoltaV100，它拥有120TFLOPS的计算能力，它能大大提高深度学习的发展。它的速度比当年东京NEC公司推出的世界上最快的Earth Simulator计算机快了3倍以上。对于物联网应用，我们也推出了相应的SOC芯片，它的特色之一就是利用了DOA体系结构，使它更适用于深度学习计算。它具有很强的稀疏性，大大提高了深度神经网络的运算速度。不仅如此，我们还提高了我们硬件卜的能效、缩小了硬件的体积。而为了更进一步提高硬件的运算效率，我们还进行了算法优化，层次简化。这些都会最终推动物联网的发展。总之，我们这些年在GPU硬件方谩得了很多的进展，进一步促进了人工智能的革命。现在GPU可以说是最适合于深度学习计算的硬件了。不过，虽然我们提升了硬件的运算效率，但其实我们也牺牲了一定的运算精度。所以，我们在未来的研究重点是提高硬件的运算精度，会持续在精度的改善上做工作。这在以后是很有必要的。另外，我们还要进一步提高硬件的稀疏性。这也是很有必要的。【一线】为腾讯新闻下卜，第一时间为你提供独家、一手的商业资讯。

本栏目中的所有页面均系自动生成，自动分类排列，采用联索网络信息采集、网页信息提取、语义计算等智能搜索技术。妮源于公开的媒体报道，包括但不限于新闻网站、电子报刊、行业门户、客户网站等。使用本栏目前必读