当前,人工智能三要素中,数据正以大爆炸的速度迅速增长,算法也在随之不断进步,而一直处于稀缺状态的算力则是当今AI发展的重大挑战之一。随着业界创新与实践,各式各样的AI加速器不断孕育而生,而这其中,如何进行统一有效的AI性能测量,并在这个基准上不断有效地提升AI性能,则是长期以来整个AI从业者关注的话题。
8月28日,AICC2019人工智能计算大会即将在北京举行,来自阿里巴巴、寒武纪、百度、SPEC、英特尔、鲲云科技等著名企业、机构的专家大咖们,将齐聚首次开设的AI计算与基准测试主题论坛,分享AI芯片、AI加速和AI基准测试的前沿洞察,共议AI算力提升。
算力的稀缺和昂贵,一直是AI从业人员尤其是算法研究者的痛点,芯片行业著名的摩尔定律,已经跟不上AI对算力要求的发展。
近期,AI芯片的设计,开始朝着专用芯片的方向发展。“专芯专用”,在特定领域的算力,可以呈现出几何级别的增长,动辄实现数十倍到上百倍的提升。IDC和浪潮联合发布的《2018-2019年中国人工智能计算力发展评估报告》认为,算力是人工智能系统整体发展并快速应用的核心要素和主要驱动力。探讨AI算力的发展方向,并且统一衡量各种类型的AI芯片的性能,已成为AI从业者密切关注的议题。
另据了解,在不久前举行的2019年国际智能计算机大会上,国际测试委员会(Bench Council)联合中国科学院有关院所、国家超算深圳中心等科研机构,发布了“智能终端(IoT AI)、边缘智能(Edge AI)、智能数据中心、智能超级计算机(HPC AI)、科学大数据”等5项测试标准。而这些人工智能测试标准的发布及后期实施,也将有望引导整个AI产业在“标准”下健康有序发展。
高手云集,AI算力的先进技术和经验尽在其中
据悉,针对业界普遍关注的AI芯片发展、AI性能评价标准体系、以及最新的AI加速平台等话题,来自全球不同行业、不同领域的7位顶级专家及学者将在本届AICC2019人工智能计算大会中,向AI从业者分享来自实验室、企业实践最新的研发成果及行业应用。
AI计算与基准测试论坛议程(以实际执行为准)
其中,阿里巴巴集团阿里云智能事业群总监徐凌杰,将为我们带来《后通用芯片时代:AI应用引领数据中心变革》的演讲。他的观点十分犀利——“不能很好被专用芯片加速的AI应用都将淘汰”,在这场演讲中,他将探讨AI芯片专业化的趋势,将如何影响AI应用,并促进数据中心的变革。
寒武纪是AI芯片领域的先行者,也是专注于专用计算芯片开发的企业之一。寒武纪副总裁刘道福,将在论坛上分享《人工智能芯片技术发展与应用》。
百度paddlepaddle主任研发架构师董大祥,分享的是《飞桨大规模分布式训练与应用》。飞桨是功能完备的端到端开源深度学习平台,集深度学习训练和预测框架、模型库、工具组件和服务平台为一体,超大规模并行深度学习能力是该平台的特色之一。
SPEC一直是权威的性能评估机构,在基准测试上拥有良好的口碑。SPEC ML Chair康真健,将带来《SPEC与Machine Learning基准测试》, 探讨不同的硬件、不同的计算框架下的AI计算,也可以有统一的基准和方法测试性能。
英特尔机器学习专家、Mlperf基准测试专家马国凯将带来《MLPerf机器学习基准测试介绍》。
鲲云科技创始人CEO,鲲云人工智能应用创新研究院执行院长牛昕宇将带来《高性能AI加速,提供下一代人工智能计算平台》。
英特尔大数据分析和人工智能创新院,高级项目经理乐鹏飞将带来《统一的端到端大数据分析及人工智能平台》。
VMware中国AI实验室首席科学家贺劲将为大家带来《vSphere – The Premiere Platform for AI and by AI》主题分享。
作为中国AI计算领域最具影响力的技术盛会,AICC2019人工智能计算大会可谓精彩纷呈,本届会议主题为“计算 预见AI未来”。核心板块包括主论坛与自动驾驶、产业AI创新、AI计算与基准测试、AI+视觉计算、AI+创投五大主题论坛,其中主论坛嘉宾云集了来自中国工程院、英国皇家工程院、百度、中国新一代人工智能发展战略研究院、浪潮、Uber、Facebook等机构的AI产学研顶尖专家学者,共聚一堂解读AI产业趋势,分享前沿AI计算技术。大会首日还将举行AI千人训练营,力邀NVIDIA、百度、平安科技、浪潮的资深AI工程师讲解最新AI计算技术与应用,帮助学员从零入门AI。
此外,在AICC 2019大会期间,组委会还将重磅发布《2019-2020中国AI计算力发展报告》,公布中国AI计算力城市榜单与热力分布等重要研究成果,为AI投资、创业与就业提供科学指导。
AICC大会由中国工程院信息与电子工程学部主办,浪潮集团承办,旨在围绕人工智能的产业需求研讨AI计算,促进AI技术创新、合作发展与人才培养。目前,AICC大会已成为AI计算领域最具分量的前沿技术交流平台,每年都会吸引数千名AI产业与技术领袖、顶级AI专家和AI开发者等参与。
http://aicconf.net/?discountCode=2019
点击链接了解大会更多详情,抢AICC免费门票。
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。