新闻动态 欧德蒙及行业热门新闻

2030年全球深度学习2/3将在中国完成,算力成AI发展最大瓶颈

通过审视计算力、数据和深度学习研究人员数量的增长,证明深度学习可能会在逐渐放缓的发展步伐中走向停滞。以中国的深度学习发展情况作为典型研究例子,首先认为到2030年全世界有66%到80%的研究都将发生在中国,而根据人口数据和经济发展情况,绝大部分AI研究员可以拥有的GPU数量将不超过1-4颗。在数据大爆发的背景下,这将极大地阻碍AI的发展。

欧德蒙作为国内长期的 AI 研究方向的公司,对目前研究领域存在的短期思维及其陷阱进行了批判性的审视。欧德蒙通过计算和硬件的使用情况来讨论数据和计算能力的长期发展趋势。虽然更多的数据可以提高预测性能,但它带来了相当沉重的计算负担。在欧德蒙自主研发的百万级大数据平台智能云的实践中发现拥有处理这样大批量数据的计算能力的对技术处理的深度要求非常得高,AI一定可以帮助我们实现繁荣和解决难题,但前提是,我们要更多的选择探索。如果我们不解决这个问题,深度学习领域可能会停滞不前。


计算能力的大大提升、数据的快速增长,所有这些趋势使得计算效率对于深度学习的长期进展至关重要。如果我们的算法不能用更少的计算资源来做到更多的话,那么这个领域将会很快停滞。如果我们希望AI在未来几十年内继续繁荣,我们就需要克服这个问题。解决方案必须是算法和软件——我们不能再依赖硬件来实现增长。


在智能云中,虽然数据增长来自于用户数的增长,但是可以预期有用数据的总体增长也是指数级的,目前也已经有两百多万的数据量,在庞大的数据中训练深度学习模型,欧德蒙的计算能力增长也越显庞大。一直以来人们普遍认为:“训练深度学习模型时使用的数据越多,模型就越好,所以我们需要更多的数据!但是,这并不完全准确, 这个前提是建立在有足够的计算能力上,开发这些技术是要收到计算能力的制约的,虽然现在超大规模的数据量还有些不切实际,但很快这个问题就会被解决。深度学习研究社区应该有足够多的数据,欧德蒙介绍道:运算(operation)的简单变化可以为整个深度学习社区带来巨大的效果,并建立一种有用和实用的方法。对于所有受计算资源约束的研究实验室,这一研究方向也是可行的。


目前国内的AI技术正迅猛发展,欧德蒙作为国内AI公司的代表之一,到2030年,只要中国解决了算力这一问题,全球深度学习2/3将在中国完成。