AlphaGo依靠“深度學習”技術 展現計算未來
2016-03-14 09:32:47 騰訊科技1971年,全世界最快的汽車是法拉利Daytona,時速280公里;全世界最高的建筑是紐約雙子塔,高度415米;同年11月,英特爾推出了首款商用微處理器芯片,名為4004,里面包含2,300個微型晶體管,每個晶體管的尺寸跟一個血紅細胞相仿。
自 那以后,芯片的進步速度一直都符合英特爾聯合創始人戈登·摩爾(Gordon Moore)的預測。根據他創造的“摩爾定律”,隨著硅晶圓上的晶體管數量越來越多,處理器性能大約每兩年提升一倍,從而改善性能、降低成本。現代化的英 特爾Skylake處理器大約包含17.5億個晶體管——4004上的一個晶體管大約相當于50萬個這種晶體管的體積。但物理世界中卻很難保持如此高速的 發展。倘若1971年之后的汽車和摩天大樓保持同樣快的發展速度,那么現在最快的汽車可以達到十分之一的光速,最高的建筑則能達到月球高度的一半。
摩 爾定律的影響隨處可見。當今世界約有30億人使用智能手機,每一部智能手機的性能都超過1980年代占據整個房間的超級計算機。有無數的行業被數字革命顛 覆。海量的計算能力甚至減少測試的數量,因為模擬爆炸比真實爆炸更容易測試原子武器。摩爾定律已經成為一項文化修辭:無論是在硅谷內外,人們都希望科技每 年都能進步。
但現在,50年過去了,摩爾定律似乎走向終結。縮小晶體管的體積已經無法繼續確保成本的降低和速度的提升。
但這并不意味著計算的進步將會戛然而止,但進步的性質的確會發生改變。芯片仍會越來越好,但提升的速度卻會越來越慢——英特爾表示,數據運算速度只能每兩年半增加一倍。不僅如此,未來的計算進步程度還將通過另外三個領域來進行評估,而不僅僅是原始的硬件性能。
摩爾定律之后
第一個是軟件。本周的Alpha Go連勝韓國頂尖圍棋選手李世石兩局。由于異常復雜,因此計算機科學領域始終對圍棋很感興趣:圍棋棋局的可能性甚至比宇宙中 的粒子數還多。因此,圍棋系統不能簡單地依靠原始的計算能力。相反,AlphaGo需要依靠“深度學習”技術,從而在一定程度上模擬人腦的工作方式。它本 周取得的成功表明,完全可以通過新的算法實現巨大的性能提升。事實上,硬件的緩慢進步已經給了科學家以更大的動力,促使其開發更加聰明的軟件。
第 二個進步領域則是“云計算”,也就利用數據中心組成網絡,從而通過互聯網提供服務。當電腦是獨立設備時,無論是大型機還是臺式PC,其性能都完全取決于自 身的處理器芯片。但如今的電腦可以在不改變硬件的情況下提升計算能力,他們可以在搜索電子郵件或者計算最佳路徑時調用云端的龐大計算資源,而且使用過程非 常靈活。由于相互連接,所以性能得以提升:智能手機的衛星定位、動作感應和無線支付等功能現在已經與處理器速度同等重要。
第 三個進步領域則要依靠新的計算架構——針對具體任務優化的特制芯片,以及利用量子力學來同時計算多組數據的外來技術。當通用微處理器速度快速增長時,沒有 必要使用這種方法,但現在的芯片已經專門針對云計算、神經網絡、計算機視覺和其他任務進行了設計。這類專用硬件將被嵌入云端,在需要的時候進行調用。這同 樣表明,終端用戶設備的原始硬件性能不再像以前那么重要,因為大量的計算工作都是在云端完成的。
速度不是一切
這 會對實際應用產生什么影響?摩爾定律不再是一條物理定律,而是一條自證預言——整個科技行業都會依照這樣一條定律來協調發展。它的失效將令科技進步更加難 以預測,可能會突然出現大幅提升性能的新技術。進步過程可能會斷斷續續,因為改善性能的新技術只會間歇出現。但由于多數人只會根據功能來評判自己的計算設 備,而不太看重處理速度,所以他們可能并不會感受到太大的影響。
對企業來說,摩爾定律 的失效將被云計算革命所掩蓋。企業升級PC的頻率已經降低,而且不再使用自己的電子郵件服務器。然而,這種模式要依靠快速而可靠的上網連接。這會促進寬帶 基礎設施的需求:由于計算能力的提升越來越多地發生在數據中心里,所以網速較慢的地區不太容易受益于此。
對科技行業自身而言,摩爾定律的失效將強化云計算的發展邏輯,而這一行業已經被為數不多的幾家大公司所主導,包括亞馬遜、谷歌、微軟、阿里巴巴、百度和騰訊。他們都在努力改善自家云基礎架構的性能。他們還在積極物色擁有新技術的創業公司:谷歌2014年收購了DeepMind,正是這家公司開發出了本周名聲大噪的AlphaGo。
50多年來,晶體管的不斷縮小令電腦價格穩步降低,性能穩步提升。隨著摩爾定律逐漸失效,進步的節奏將被打亂。但電腦和其他設備仍將越來越強大——只不過,體現形式將會有所變化,而且會更加多樣。