中国工程院院士、浪潮集团首席科学家王恩东近日在人工智能计算大会上指出，目前识别准确度不高是人工智能面临的一个重大挑战，提高准确度需要更强计算力的支持。
王恩东表示，“当前的人工智能热潮不仅源于算法创新，更源于计算技术的创新，GPU、FPGA等计算加速技术与深度学习的深度结合，推动了整个人工智能学科的复兴。站在这个视角来看，计算已经成为驱动人工智能持续进化的重要力量。”
他认为，目前识别准确度不高是人工智能面临的一个重大挑战，提高准确度就需要提高模型规模和精细度，提高线下训练的频次，需要更强计算力的支持。从这个角度来看，“准确度也是算出来的”。资金充裕的互联网公司、人工智能创业公司为了提供业务竞争力，不断提高计算力部署规模，庞大的基础设施投资使得这些公司在人工智能模型的准确度上保持着领先优势。
来自第三方的数据佐证了计算力已经成为人工智能持续进化的重要驱动力。自2012年以来，每3.5个月用于AI的计算量就会翻一倍，6年内用于AI的计算量已经增长了30万倍，而同时期的芯片性能仅提高了30倍左右，远远超过了摩尔定律。
由于模型复杂度以及训练规模的快速提升，AI计算在完成了单机到分布式的转变后，正在向大规模和超大规模分布式计算升级，传统的高性能计算技术被越来越多的引入人工智能领域，Horovod等分布式深度学习框架的迅速流行即得益于此。
王恩东指出，“当前，我国正迈入从AI产业化向产业AI化发展的新时期，完成这一转变不能仅仅靠技术本身，生态的作用会越来越重要。应用是产业AI化的瓶颈也是最大的机会，要从根本上解决应用的问题，需要建立开放融合的人工智能生态，从底层硬件到上层应用软件，产业的上中下游要紧密配合，面向多样化个性化的用户需求，向终端用户提供整体解决方案，才能让人工智能用起来，用好它”。
广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码、口令等形式），用于传递更多信息，节省甄选时间，结果仅供参考，IT之家所有文章均包含本声明。