人工智能研究“貧富分化”

Steve Lohr　胡萌琦

OpenAI研究的可以玩魔方的機器人。

從大型計算機到個人電腦，從互聯(lián)網到智能手機，計算的每一次突破都為更多的人提供了在數字前沿領域發(fā)明創(chuàng)造的機會。

不過，越來越多的人開始擔心，這一趨勢在新興的人工智能行業(yè)正在發(fā)生逆轉。

計算機科學家們指出，人工智能研究的成本飆升，需要巨型數據中心完成復雜演算，這導致越來越多的人難以獲得開發(fā)未來產品（如自動駕駛汽車，或具有觀察、對話、推理能力的數字助手）所需的計算能力。

由此帶來的惡果是，人工智能的前沿研究將出現(xiàn)貧富分化。

富有者主要是Google、微軟、亞馬遜、Facebook等大型技術公司，它們每年都要斥資數十億美元建設數據中心。

貧困者的陣營成員則多為高校實驗室，它們一直以來都是創(chuàng)新的源泉，為新產品和新服務提供動力。

南加州大學信息科學研究所主任克雷格·諾布洛克（Craig Knoblock）表示：“這些公司擁有的龐大計算資源是一大威脅，高校無力競爭。”

OpenAI研究的可以玩魔方的機器人。

不單研究人員提出了警告，大眾對技術巨頭的實力也愈發(fā)擔憂。不同的是，大眾關注的焦點集中在眼下的這一代技術，如搜索、在線廣告、社交媒體和電子商務，而科學家們擔心高強度計算要求會阻礙未來技術的探索腳步。

大型技術公司的現(xiàn)代數據中心龐大而神秘。這些建筑占地不下一個足球場，安放著數萬臺電腦。大門防彈、墻體防火、外人禁止入內。

這就是云計算的引擎室。它們?yōu)橹悄苁謾C和筆記本電腦提供了豐富的娛樂和資訊，令數百萬開發(fā)人員能夠編寫基于云端的應用軟件。

然而，Allen Institute fnr Artificial Intelligence近期的一份報告指出，若想在語言理解、游戲和常識推理等任務中取得領先，所需計算量在過去6年里飆升了30萬倍。這些計算都是為了增強深度學習軟件模型的能力，這也是近年來人工智能研究的突破口。

Allen Institute for Artificial Intelligence的首席執(zhí)行官奧倫·埃齊奧尼（Oren Etzioni）表示：“如果成功，回報可觀。但研究成本呈指數級增長。因此對于一個社會經濟體而言，若只能在少數幾方面領先，處境將相當艱難。”

人工智能實驗室OpenAI的發(fā)展之路便為我們展示了不斷變化的經濟形勢，以及深度學習技術的前景。

得到伊隆·馬斯克（Elon Musk）支持的OpenAI成立于2015年，最初是一家非盈利性研究實驗室，意在開發(fā)人工智能領域的前沿技術，并與外界分享收益。這種愿景體現(xiàn)了天才程序員們以一己之力創(chuàng)一片天地的傳統(tǒng)。

今年春天，OpenAI開發(fā)的軟件通過數月的試錯學習，獲得了相當于人類花4.5萬年才能積累的游戲經驗，一舉擊敗DOTA2的世界冠軍團隊。

在OpenAI的科學家們看來，他們從事的工作更類似于粒子物理學或天氣模擬等需要龐大運算資源的領域。例如，為了在DOTA2游戲中獲勝，需要花費數百萬美元，租用由Google和微軟等公司運營的云計算中心的數萬個計算機芯片。

為了獲得資金，OpenAI在今年轉型為一家以盈利為目的的公司，并于7月宣布接受微軟10億美元的投資。OpenAI方面稱，這筆資金的大部分將用于提升計算能力，以便在反哺投資方之后與外界分享其人工智能研究成果。

除了資金，學者們還對高級人工智能軟件的能耗問題表示了擔憂。根據馬薩諸塞大學安姆斯特分校的3名科學家在近期論文中的估算，訓練一個大型深度學習模型所產生的碳足跡相當于5輛美國產汽車在使用壽命內的碳排放量（包括油耗）。（大型技術公司紛紛表示，它們盡可能購買可再生能源，以減少數據中心對環(huán)境的影響。）

埃齊奧尼和Allen Institute for Artificial Intelligence的同事們表示，若能改變人工智能技術成敗的衡量指標，或有望在—定程度上解決能源消耗和計算成本這兩大問題。

羅切斯特大學的計算機教授亨利·考茨（Henry Kautz）指出，準確性“實際上只是我們在理論和實踐中關心的一個方面”，其他方面也值得重視，包括能源消耗、數據需要量、人工投入等。

如果研究項目能減少對原始計算能力的依賴，采用多元化的評估視角，則有助于在學術研究人員和大型技術公司的計算機專家之間建立起公平的競爭環(huán)境。

大型技術公司正專注于提高數據中心和人工智能軟件的效率，在它們看來，這將使得外部開發(fā)人員和學者更容易獲得計算能力。

多年來，大型技術公司向高校提供了數百萬美元的資助和捐贈。但有些計算機科學家認為，技術巨頭為縮小人工智能研究領域的差距所做的遠遠不夠，它們與高校之間的合作仍停留在買賣層面，比如聘用教授、研究生，甚至本科生。

華盛頓大學的埃德·拉佐夫斯卡（Ed Lazowska）教授說，這些公司應明智地為學術研究提供大量支持，包括在更大程度上開放它們的計算能力。

他補充道，加大對高校的支持力度也符合公司自身的利益。

否則，“學術界培養(yǎng)下一代計算機科學家的能力將嚴重下降，而那些未來的科學家正是公司發(fā)展的動力”。

版權聲明

本文內容由《紐約時報》提供版權