人工智慧AlphaGo的成功,，過去認為來自Google擅長的大規(guī)模資料處理以及演算法計算,。不過令外界意想不到的是，執(zhí)行長桑德·皮查（Sundar Pichai）在今日的Google2016年開發(fā)者大會上發(fā)表一款Google自行研發(fā)的機器學(xué)習(xí)專用晶片,，更是造就AlphaGo的祕密武器,。

特製晶片效能為現(xiàn)有技術(shù)往前推進七年

皮采指出,，Google在幾年前就已著手研發(fā)客製化的特殊應(yīng)用積體電路（ASIC）,，而這款專用于Google開源機器學(xué)習(xí)演算法TensorFlow、也是提升AlphaGo計算速度的特製晶片TPU（Tensor Processing Unit）,，用以改善機器學(xué)習(xí)相關(guān)應(yīng)用,，迄今已使用超過一年。

為了加速機器學(xué)習(xí)進程,，TPU捨棄掉傳統(tǒng)晶片如CPU和GPU的高精確度,，減少計算需要的電晶體數(shù)量并提升每瓦效能。根據(jù)Google說法,，“TPU讓機器學(xué)習(xí)的每瓦效能提高一個數(shù)量級,，相當于將晶片效能往前推進七年或三代的摩爾定律”。

目前,，Google使用機器學(xué)習(xí)的應(yīng)用超過百種,，例如搜尋、語音辨識和自駕車,。Google杰出硬體工程師諾曼?約皮（Norman Jouppi）指出：“這類程式需要耗費龐大資金才能提供快速集中的運算能力和電力,，自製機器學(xué)習(xí)加速器讓Google可更加經(jīng)濟地加快產(chǎn)品推出。”迄今,，Google已使用超過1千個TPU,，運用于街景、智慧訊息回覆和搜尋,，幫助改善搜尋結(jié)果相關(guān)性,，以及提升地圖和導(dǎo)航產(chǎn)品的精確度。

除了Google內(nèi)部產(chǎn)品可受惠于這套最新的機器學(xué)習(xí)演算法,，Google的云端機器學(xué)習(xí)服務(wù)也開放開發(fā)者利用這套演算法打造自己的應(yīng)用服務(wù),。“我們的目標是引領(lǐng)機器學(xué)習(xí)產(chǎn)業(yè)，并讓創(chuàng)新得以在顧客身上實現(xiàn),。透過在基礎(chǔ)建設(shè)加入TPU,，我們可以透過軟體如TensorFlow和云端機器學(xué)習(xí)將Google的力量帶給開發(fā)者。機器學(xué)習(xí)正在改變開發(fā)者如何打造讓消費者受惠的智慧應(yīng)用,，我們非常高興看到未來生活的可能性,。”約皮表示。

Google并非唯一為了加快人工智慧而採用新的晶片設(shè)計的公司,?！度A爾街日報》指出，微軟正在使用一款名為Field Programmable Gate Arrays的可編程晶片,，以加速人工智慧運算,，應(yīng)用于Bing搜尋引擎。NVIDIA推出的GPU則被應(yīng)用在人工智慧計算,，這款晶片過去也被Google用于AlphaGO的早期測試,。

透過自行生產(chǎn)客製化晶片,，Google將更可掌控支出、技術(shù)規(guī)格以及未來發(fā)展藍圖,。但這是否代表Google對第三方晶片供應(yīng)商如Intel或Nvidia的依賴將日益降低,？約皮表示，“我們依然購買大量的CPU和GPU,，”但不愿透露購買數(shù)量是否較過去少,。

文章來源：機房監(jiān)控 http://youring.cn