计算资源持续垄断化，AI前沿研究何去何从？

本篇文章2551字，读完约6分钟

从大型机到个人电脑，从互联网到智能手机，计算机技术的每一个重大进步都为数字前沿的更多人创造了机会。

但是越来越多的人担心人工智能这个科学技术产业的新前沿正在扭转这一趋势。

计算机科学家表示，人工智能研究的成本越来越高，这需要大型数据中心进行复杂的计算，这使得更少的人能够轻松获得开发未来产品所需的计算能力，如自动车辆或数字助理。

他们说，危险在于人工智能的开创性研究将是一个贫富差距明显的领域。这些数据中心主要由一些大型科技公司拥有，如谷歌、微软、亚马逊和脸书，它们每年花费数十亿美元来建立自己的数据中心。

这一警告是在人们越来越担心大型科技公司的实力之际发出的。大多数人关注的是当代技术——搜索、在线广告、社交媒体和电子商务。但是科学家们担心探索科学技术未来发展的障碍，因为这需要惊人的计算能力。

大型技术公司的现代数据中心很大，而且是保密的。这些建筑和足球场一样大，或者更大，架子上有数百台电脑。门是防弹的，墙是防火的，外人很少被允许进入。

云计算的机房为智能手机和笔记本电脑提供丰富的娱乐和信息，并使数百万开发者能够编写基于云的软件应用。

然而，在大型科技公司以外的人工智能研究人员看来，他们的领域有一种令人担忧的趋势。艾伦人工智能研究所(Allen Institute of Manual Intelligence)最近的一份报告使用了另一个人工智能实验室openai的数据，发现在语言理解等人工智能任务中，计算量需要领先。在过去的六年里，游戏和常识推理的数量激增了大约30万倍。

所有这些计算燃料需要为所谓的深度学习软件模型提供动力，这些模型的性能将随着更多的计算和数据而提高。近年来，深度学习已经成为人工智能突破的主要推动力。

艾伦研究所(Allen institute)的首席执行官柳文欢·埃齐奥尼(·埃齐奥尼)表示:“成功会带来巨大的利益。艾伦研究所是由微软的亿万富翁、联合创始人保罗·艾伦(paul allen)于2014年创立的。”但是做研究的成本呈指数级增长。作为一个社会和一个经济体，如果只有少数几个地方可以走在前列，我们就会遭殃。”

openai的发展表明了经济的变化和人工智能技术的深入学习的前景。

Openai成立于2015年，得到了马斯克的支持。它最初是一个非营利的研究实验室。它的雄心是开发人工智能前沿的技术，并与更广泛的世界分享其好处。这个假设暗示了一个有灵感的程序员的计算传统，也就是说，独自在笔记本电脑上工作并想出一个好主意。

今年春天，openai在一款名为dota 2的复杂视频游戏中用其技术击败了世界冠军人类玩家团队。它的软件已经通过几个月的反复试验学会了这个游戏，这相当于玩了45000年的游戏。

openai的科学家已经意识到他们的工作更像粒子物理或天气模拟，这需要巨大的计算资源。例如，赢得dota 2将花费数百万美元在由谷歌和微软等公司运营的数万个云计算数据中心租用计算机芯片。

今年早些时候，为了吸引资本，openai被改造成了一家以利润为导向的公司。今年7月，openai宣布微软将投资10亿美元。Openai表示，大部分资金将用于实现其目标所需的计算能力，这仍包括在向投资者付费后广泛分享ai的好处。

作为openai和微软协议的一部分，这个软件巨头最终将成为实验室中唯一的计算资源。

openai的首席科学家伊利亚·苏斯克弗(Ilya sutskever)说:“如果你没有足够的计算机，你就无法取得突破。”

学术界也对高级人工智能软件消耗的能量提出了担忧。在最近的一篇研究论文中，马萨诸塞大学阿姆赫斯特分校的三名计算机科学家估计，训练大规模深度学习模型可以产生相当于五辆美国汽车寿命的碳足迹。(大型科技公司表示，他们购买了尽可能多的可再生能源，减少了数据中心对环境的影响。(

艾伦研究所的埃齐奥尼和他的合著者说，通过改变衡量人工智能技术成功与否的方法，至少有可能部分解决这两个问题——用电量和计算成本。

他们说在这个领域对准确性的关注导致了一条狭窄的道路。

还应考虑效率。他们建议研究人员也报告项目成果的“计算价格标签”。

自从他们的论文《绿色人工智能》在7月份发表以来，他们的观点在研究领域引起了很多人的共鸣。

罗彻斯特大学计算机科学教授亨利·考茨指出，准确性“实际上只是我们在理论和实践中关心的一个方面。”他说，其他方面包括人工智能技术工作所需的能量、数据和熟练人力。

Kautz补充说，如果研究项目不那么依赖原始的计算能力，更多维的视角可能有助于在大型科技公司的学术研究人员和计算机科学家之间建立一个公平的竞争环境。

大型科技公司正在努力提高其数据中心和人工智能软件的效率，这将使外部开发者和学术界更容易获得计算能力。

谷歌人工智能部门的杰出科学家约翰·普拉特指出，谷歌最近开发的深度学习模型效率网比传统模型小10倍，速度也快10倍。他说:“这是民主化发挥作用的地方。我们希望这些模型能够被尽可能多的人训练和使用。”

在过去的几年里，这些大型科技公司已经向大学提供了数百万美元的资金和捐款，但是一些计算机科学家说他们应该做更多的事情来缩小贫富人工智能研究者之间的差距。他们表示，如今，科技巨头与大学之间的关系主要是作为买家，招聘教授、研究生甚至本科生。

华盛顿大学教授埃德·拉佐斯卡(Ed lazowska)表示，这些公司最好能为学术研究提供实质性支持，包括更好地利用其丰富的计算资源。因此，对创新和突破的竞争超越了企业的壁垒。

拉佐斯卡认为，一种更具支持性的关系符合他们公司的自身利益。否则，他说，“我们将看到学术界培养下一代计算机科学家的能力被大大削弱，这些计算机科学家将为这些公司提供动力。”

西雅图艾伦研究所的埃齐奥尼说，研究小组将专注于提高人工智能技术效率的技术。他说:“这对我们是一个巨大的推动。”

然而，埃齐奥尼强调，他所说的绿色人工智能应该被视为“一个提高创造力的机会，而不是一种限制”——或者是深度学习的一种替代，深度学习依赖于巨大的计算能力，他称之为红色人工智能。

事实上，艾伦研究所刚刚达到人工智能的一个里程碑，它正确回答了八年级标准科学考试中90%以上的问题。这一壮举是通过红色人工智能深度学习工具实现的。