Künstliche Intelligenz ist eine Branche, die „um finanzielle Ressourcen kämpft“. Ohne Hochleistungsrechnerausrüstung ist es unmöglich, ein Modell auch nur zu verfeinern, geschweige denn ein Basismodell zu entwickeln.
Aber wenn wir uns nur auf Hardware verlassen, nur auf die aktuelle Entwicklungsgeschwindigkeit der Rechenleistung, werden wir das früher oder später eines Tages nicht mehr können Befriedigung der wachsenden Nachfrage Daher wird unterstützende Software benötigt, um die Rechenkapazitäten zu koordinieren und zu koordinieren. Zu diesem Zeitpunkt ist „Intelligent Computing“ Technologie erforderlich.
Kürzlich haben bis zu zwölf in- und ausländische Forschungseinrichtungen, darunter das Zhejiang Laboratory, die Chinese Academy of Engineering, die National University of Defense Technology und die Zhejiang University, gemeinsam einen Artikel veröffentlicht: Zum ersten Mal haben wir eine umfassende Umfrage zum Thema Intelligent Computing durchgeführt, die theoretische Grundlagen, technische Integration von Intelligenz und Computing, wichtige Anwendungen, Herausforderungen und Zukunftsaussichten umfasst.
Papierlink: https://spj.science.org/doi/10.34133/ icomputing .0006
Dies ist auch der erste Übersichtsartikel, der offiziell die Definition von Intelligent Computing und seinen einheitlichen theoretischen Rahmen vorschlägt#🎜🎜 #, vollständig Der Textaufbau ist wie folgt.
KI eröffnet das Zeitalter der großen Rechenleistung
Die Menschen interessieren sich zunehmend für intelligentes Rechnen, verbunden mit der Entwicklung der Informatik, der intelligenten Wahrnehmung der physischen Welt und dem Verständnis des kognitiven Mechanismus des menschlichen Bewusstseins Es verbessert den Intelligenzgrad der Datenverarbeitung und beschleunigt die Entdeckung und Schaffung von Wissen.
In den letzten Jahren haben sich die Computer- und Informationstechnologie rasant weiterentwickelt. Aufgrund der beispiellosen Popularität und des Erfolgs von Deep Learning hat sich künstliche Intelligenz (KI) als Vorreiter etabliert auf dem Gebiet der menschlichen Erforschung der maschinellen Intelligenz und hat auf dieser Grundlage eine Reihe bahnbrechender Forschungsergebnisse erzielt, darunter:
Convolutional Neural Network (CNN), vorgeschlagen von Yann LeCun ; Yoshua Bengio in Beitrag zum Bereich des kausalen Denkens des tiefen Lernens; Geoffrey Hinton, einer der Pioniere der künstlichen Intelligenz, schlug 2006 das Deep Belief Network (Deep Brief Network)-Modell und den Backpropagation-Optimierungsalgorithmus vor. Jürgen Schmidhuber schlug das weit verbreitete Recurrent Neural Network (RNN) und Long Short-Term Memory (LSTM) vor und nutzte es erfolgreich zur Verarbeitung von Sequenzdaten wie Sprach-, Video- und Zeitreihendaten.
Im März 2016 trat AlphaGo, das von DeepMind gestartete Go-Programm für künstliche Intelligenz, gegen den weltbesten menschlichen Go-Meister Lee Sedol an und erregte beispiellose Aufmerksamkeit aus der ganzen Welt. Dieses epochale Ereignis Der Mensch-Maschine-Krieg endete mit dem überwältigenden Sieg der künstlichen Intelligenz und wurde zu einem Katalysator, der die Welle der künstlichen Intelligenz auf ein ganz neues Niveau trieb. Ein weiterer wichtiger Wegbereiter für künstliche Intelligenz ist das Aufkommen groß angelegter vorab trainierter Modelle, die mittlerweile in großem Umfang für die natürliche Sprach- und Bildverarbeitung eingesetzt werden und mithilfe von Transferlernen eine Vielzahl von Anwendungen abdecken.
Zum Beispiel hat GPT-3 gezeigt, dass ein großes Modell mit hoher struktureller Komplexität und einer großen Anzahl von Parametern die Leistung von Deep Learning verbessern kann. 3. Es ist eine große Anzahl groß angelegter Deep-Learning-Modelle entstanden.
INTELLIGENZ UND COMPUTINGRechenleistung ist einer der wichtigen Faktoren, die intelligentes Computing unterstützen.
Angesichts der astronomischen Datenquellen, heterogenen Hardwarekonfigurationen und sich ändernden Rechenanforderungen in der Informationsgesellschaft erfüllt intelligentes Computing hauptsächlich den Rechenleistungsbedarf intelligenter Aufgaben durch vertikale und horizontale Architekturen.
Vertikale Architekturen zeichnen sich durch eine homogene Recheninfrastruktur aus, die vor allem die Rechenleistung durch den Einsatz intelligenter Methoden zur Verbesserung der Ressourcennutzungseffizienz verbessert.
Im Gegensatz dazu koordiniert und plant die horizontale Architektur heterogene und weiträumige Rechenressourcen, um die Effizienz des kollaborativen Rechnens zu maximieren.
Als Reaktion auf den Rechenbedarf der weltweiten COVID-19-Forschung hat Folding@home beispielsweise im April 2020 400.000 freiwillige Computerhelfer zusammengebracht, um in drei Wochen ein Rechenvolumen von 2,5 Exaflops zu erreichen, was mehr ist als jede andere Maschine in diesem Jahr Supercomputer der Welt müssen über eine starke Rechenleistung verfügen.
Obwohl in den Bereichen Intelligenz und Informatik große Erfolge erzielt wurden, stehen diese beiden Bereiche immer noch vor einigen Schwierigkeiten.
Herausforderungen der Intelligenz
Künstliche Intelligenz mittels Deep Learning ist derzeit hinsichtlich Interpretierbarkeit, Allgemeingültigkeit, Evolvierbarkeit und Autonomie noch ungelöst.
Die meisten aktuellen Technologien der künstlichen Intelligenz können im Vergleich zur menschlichen Intelligenz nur eine schwache Rolle spielen und nur in bestimmten Bereichen oder Aufgaben funktionieren. Es ist noch ein weiter Weg, um eine leistungsstarke und allgemeine künstliche Intelligenz zu erreichen.
Schließlich gibt es auch große theoretische und technische Herausforderungen beim Upgrade von datenbasierter Intelligenz auf vielfältigere Formen der Intelligenz, einschließlich Wahrnehmungsintelligenz, kognitive Intelligenz, autonome Intelligenz und Mensch-Maschine-Fusionsintelligenz.
Computing-Herausforderungen
Die digitale Welle hat zu einem beispiellosen Wachstum bei Anwendungen, Verbindungen, Terminals und Benutzern sowie der Menge der generierten Daten geführt, die alle eine enorme Rechenleistung erfordern.
Zum Beispiel verdoppelt sich die benötigte Rechenleistung für künstliche Intelligenz alle 100 Tage, was bedeutet, dass sie in den nächsten fünf Jahren voraussichtlich um mehr als eine Million Mal ansteigt.
Da das Mooresche Gesetz nachlässt, wird es immer schwieriger, mit derart schnell steigenden Anforderungen an die Rechenleistung Schritt zu halten.
Moores Gesetz: Die Anzahl der Transistoren, die auf einem integrierten Schaltkreis untergebracht werden können, verdoppelt sich etwa alle zwei Jahre
Die Bearbeitung großer Aufgaben in einer intelligenten Gesellschaft beruht auf verschiedenen spezifischen Berechnungen Durch die effektive Kombination von Ressourcen können sich herkömmliche Hardwaremodelle nicht gut an intelligente Algorithmen anpassen, was die Entwicklung von Software stark einschränkt.
Bis heute gibt es noch keine allgemein akzeptierte Definition von Intelligent Computing.
Einige Forscher betrachten intelligentes Computing als eine Kombination aus künstlicher Intelligenz und Computertechnologie, aber diese Ansicht beschränkt die Definition von intelligentem Computing auf den Bereich der künstlichen Intelligenz und ignoriert gleichzeitig die inhärenten Einschränkungen der künstlichen Intelligenz und die Unterschiede zwischen Menschen und Maschinen und Die wichtige Rolle triadischer Interaktionen zwischen Dingen.
Eine andere Denkrichtung betrachtet intelligentes Computing als rechnerische Intelligenz, die menschliche oder biologische Intelligenz imitiert, um optimale Algorithmen zur Lösung spezifischer Probleme zu implementieren, und betrachtet intelligentes Computing hauptsächlich als algorithmische Innovation.
In diesem Artikel schlagen Forscher eine neue Definition des intelligenten Rechnens aus der Perspektive der Lösung komplexer wissenschaftlicher und sozialer Probleme vor, wobei die drei Grundräume der Welt, nämlich der menschliche soziale Raum, der physische Raum und der Informationsraum, immer stärker berücksichtigt werden integriert.
Definition von Intelligent Computing
Intelligent Computing bezieht sich auf das Zeitalter der digitalen Zivilisation, das die weltweite Vernetzung unterstützt und neue Computerbereiche umfasst theoretischer Methoden, architektonischer Systeme und technischer Kompetenzen. Intelligentes Rechnen erledigt Rechenaufgaben zu minimalen Kosten basierend auf spezifischen tatsächlichen Anforderungen, stellt ausreichend Rechenleistung bereit, ruft den besten Algorithmus auf und erzielt die besten Ergebnisse.
Die neue Definition von Intelligent Computing wird als Reaktion auf den schnell wachsenden Computerbedarf bei der Integration der menschlichen Gesellschaft, der physischen Welt und des Informationsraums vorgeschlagen. Intelligentes Rechnen ist menschenorientiert und strebt nach hoher Rechenleistung, hoher Energieeffizienz, hoher Intelligenz und hoher Sicherheit.
Ziel ist die Bereitstellung allgegenwärtiger, effizienter, sicherer, autonomer, zuverlässiger und transparenter Computerdienste zur Unterstützung großer und komplexer Computeraufgaben. Abbildung 1 zeigt den gesamten theoretischen Rahmen des intelligenten Rechnens, der verschiedene Rechenparadigmen verkörpert, die die Integration von Mensch, physischer Information und Information unterstützen.
Erstens sind intelligente Computer weder bestehende Computer, Cloud Computing, Edge Computing noch andere Computertechnologien ( (z. B. neuronales morphologisches Rechnen, optoelektronisches Rechnen und Quantencomputing) werden nicht einfach integriert. Vielmehr handelt es sich um eine Form des Rechnens, die reale Probleme durch systematische und umfassende Optimierung vorhandener Rechenmethoden und -ressourcen auf der Grundlage der Aufgabenanforderungen löst.
Im Gegensatz dazu gehören bestehende große Computerdisziplinen wie Supercomputing, Cloud Computing und Edge Computing zu unterschiedlichen Bereichen: Supercomputing zielt darauf ab, hohe Rechenkapazitäten zu erreichen, Cloud Computing legt Wert auf plattform-/geräteübergreifenden Komfort, während Edge Computing auf Servicequalität und Übertragungseffizienz abzielt.
Intelligentes Computing koordiniert dynamisch die Datenspeicherung, Kommunikation und Datenverarbeitung zwischen den Bereichen Edge Computing, Cloud Computing und Super Computing, baut verschiedene domänenübergreifende intelligente Computersysteme auf und unterstützt End-to-End -End-Cloud-Zusammenarbeit, Inter-Cloud-Zusammenarbeit und Supercomputing-Verbindung.
Intelligentes Rechnen sollte die vorhandene Computertechnologie voll ausnutzen und, was noch wichtiger ist, die Bildung neuer Theorien, Architekturen, Algorithmen und Systeme für intelligentes Rechnen fördern.
Zweitens wird das Konzept des intelligenten Rechnens vorgeschlagen, um die Probleme bei der zukünftigen Integration und Entwicklung des Raums zwischen Mensch und physischer Information zu lösen.
Mit der Entwicklung informationstechnologischer Anwendungen im Big-Data-Zeitalter verschwimmen die Grenzen zwischen physischem Raum, digitalem Raum und menschlicher Gesellschaft zunehmend.
Die menschliche Welt hat sich zu einem neuen Raum entwickelt, der durch die enge Integration von Menschen, Maschinen und Dingen gekennzeichnet ist Dynamisch gekoppelte Großsysteme, in denen Menschen, Maschinen und Dinge auf hochkomplexe Weise integrieren und interagieren, fördern künftig die Entwicklung und Innovation neuer Computertechnologien und Anwendungsszenarien.
Das obige ist der detaillierte Inhalt vonIn fünf Jahren wird die von KI benötigte Rechenleistung das 1-Millionenfache überschreiten! Zwölf Organisationen veröffentlichten gemeinsam einen 88-seitigen Artikel: „Intelligent Computing' ist das Gegenmittel. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!
