2019年7月，微软宣布对总部位于旧金山的人工智能非营利组织OpenAI投资10亿美元，将与OpenAI长期合作构建新的AzureAI超级计算技术，进一步扩展大规模AI能力，兑现其通用人工智能（AGI）的承诺。作为交换，OpenAI同意将其部分知识产权授权给微软，微软随后将把这些知识产权商业化并出售给合作伙伴，并在OpenAI开发下一代计算硬件的过程中，在Azure上训练运行AI模型。几个月后，二者合作的第一个成果展示在世人面前。
最新超算性能堪比世界Top5当地时间2020年5月19日，微软在Build2020开发者大会上宣布了专为OpenAI的AI模型而设计的超级计算机。超级计算机性能如何，国际上有个知名标准——TOP500。始于1993年的TOP500榜单，对全球500台性能最佳的超级计算机进行基准测试与细化。
实际上，TOP500每年6月和10月都会更新排名。最新的排名显示，Top5分别为IBM研发的Summit、IBM研发的Sierra、我国的“神威·太湖之光”、我国的“天河二号”以及DellEMC研发的Frontera。而微软表示，最新与OpenAI和合作研发的这款超级计算机居于世界Top5之列，这意味着它可在峰值时每秒执行38.7到100.7万亿次浮点运算。了解到，这一超级计算机拥有285,000个CPU内核、10,000个GPU和400Gbps的网络连接。
其目的在于训练大规模人工智能模型，这些人工智能模型可从出版的书籍、教学手册、历史课、人力资源指南和其他公开来源中获取数十亿页的文本。比如：英伟达自然语言处理模型，该模型包含83亿参数或模型内部可用于预测的可配置变量；微软图灵模型，该模型包含170亿参数，是世界上最大的公开可用的语言AI模型；Facebook最近开源的Blender聊天机器人框架，包含94亿参数；OpenAI的GPT-2模型，包含15亿参数，可在简短的提示下生成令人印象深刻的人性化文本。
对此，OpenAI首席执行官SamAltman评价道：随着我们越来越多地了解到我们需要什么，以及组成超级计算机的所有组件的不同限制，我们发现，一旦有人能设计出梦想中的系统，微软就能将其研发出来。我们看到，更大型的系统是训练更强大模型的重要组成部分。
研究表明，这些大型模型之所以表现良好，是因为它们能够精准识别语言、语法、知识、概念和语境的细微差别，因此可胜任多项任务：总结冗长的演讲，在现场游戏聊天中调节内容，在数千个法律文件中查找相关段落，甚至通过浏览GitHub生成代码。微软已经开始用图灵模型来加强对Bing、Office、Dynamics和其他生产力产品的语言理解了。微软图灵模型在过去一年里已被整个微软公司用来提高工作效率：必应的字幕生成和问答功能显著提升、一些领域对搜索问题的回答最高提高了125%。在Office中，智能查找功能进步，比如：Word中的搜索功能、提取重要的句子以便快速定位Word中关键信息的KeyInsights功能、Outlook中可自动生成回复的建议回复功能；Dynamics365SalesInsights利用该模型基于与客户的交互可向卖方建议进一步操作。
从技术角度来看，大型模型优于以往的模型，就在于自我监督。这是指，它们可以通过数据各部分之间的关系，从数据中生成标签，而这对于实现人类级别的人工智能至关重要。而有监督的学习算法相反是以人工标记的数据集为基础进行训练，可能难以对特定行业、公司或主题的任务微调。正如微软首席技术官KevinScott所说：这些模型令人兴奋的地方在于，它们所能实现的功能非常广泛，其潜在优势远远超出了一种人工智能模型的微小进步。
这就像在自然语言处理和计算机视觉领域同时做了上百件令人兴奋的事情。这些感知领域的组合会产生新的应用，甚至是现在很难想象的一些应用。
OpenAI迄今最大的赌注一直以来，OpenAI都表示强大计算能力是迈向AGI的必经之路，也是AI能够学习人类所能完成的任何任务的必经之路。不过，这台超级计算机是否强大到足以实现任何接近AGI的功能，我们尚不清楚。2018年，OpenAI发布的一项分析显示，从2012年到2018年，用于最大人工智能培训的电脑数量增长了逾30万倍，其中有3个半月翻了一番，远远超过摩尔定律的速度。
2019年，GregBrockman曾在接受外媒FinancialTimes的采访时表示，2025年前后，OpenAI将把微软10亿美元的全部投资用于构建一个能够运行“人脑大小的AI模型”的系统。虽然包括两位人工智能先驱YoshuaBengio和YannLeCun在内的行业知名人士认为AGI不可能存在，但OpenAI的联合创始人和支持者们——GregBrockman、首席科学家IlyaSutskever、ElonMusk、ReidHoffman和前YCombinator总裁SamAltman——认为，强大的计算机结合强化学习和其他技术，可以改变AI发展模式。
可以说，这台超级计算机的发布代表了OpenAI在这一愿景上迄今为止最大的赌注。图灵模型与AGI相去甚远，但微软表示将通过超级计算机探索大型模型，这些模型可以在文本、图像和视频数据中以一般化的方式学习。
实际上OpenAI也是如此。此前外媒曾报道，OpenAI的Foresight团队进行了一项实验，旨在测试他们通过训练具有越来越大量数据和计算的算法能在多大程度上推进AI能力。另外，OpenAI正在开发一个以图像、文本等数据为基础的系统，该系统使用了大量计算资源，被公司领导层认为是极有希望实现AGI的。
事实上，GregBrockman和SamAltman尤其相信AGI将比任何人类都掌握更多的领域，主要是能识别人类无法发现的复杂的跨学科联系。同时，他们预测，AGI与社会科学等相关领域的研究人员密切合作，可能有助于解决气候变化、医疗和教育方面的长期挑战。与此同时，其他玩家发展势头不减。
前不久，IBM详细介绍了一款“神经计算机”（NeuralComputer），IBM利用数百种定制设计的芯片，训练时间达到了每秒120万帧，创下了最新记录。北京时间2020年5月14日，英伟达也发布了第八代安培GPUA100，AI算力提升20倍，号称史上最大的性能飞跃。证据表明，效率的提高可能会抵消不断增长的计算需求。
另一项最新的OpenAI调查发现，自2012年以来，将AI模型训练成与流行基准（ImageNet）中的图像分类性能相同所需的计算量每16个月减少两倍。但是与新的算法方法相比，计算对性能的贡献程度仍然是一个悬而未决的问题。此外，值得一提的是，OpenAI在游戏和媒体合成方面已经利用较少的资源取得了显著的AI收益：在谷歌云平台上，为了自我提升，OpenAIFive每天要在256张NvidiaTeslaP100显卡和128000个处理器内核上玩180年的游戏，以击败Dota2的职业玩家（以及公开比赛中99.4%的玩家）。OpenAI在至少64个英伟达V100显卡和920个机器上训练了一个系统，每个机器有32个CPU内核，以便用机械手操纵魔方。
OpenAI的点唱机模型在896个V100显卡上运行模拟，学习从零开始生成任何风格的音乐（包括歌词）。微软迎来新的市场机遇从另一个角度看，无论最新的超级计算机只是一个小小的垫脚石，还是向AGI的目标迈出了一大步，实际上都有可能为微软带来新的市场机遇。了解到，通过AIatScale计划，微软正在提供资源，以优化的方式在AzureAI加速器和网络上训练大型模型。
它将训练数据拆分成多个批次，用于跨集群训练模型的多个实例，并定期进行平均以产生单个模型。此外，在Build开发者大会上，微软还发布了一个新版本DeepSpeed，即一个PyTorch开源深度学习库，它减少了大型分布式模型训练所需的计算能力，可在相同的架构上训练超过大15倍以上、快10倍以上的模型，还支持ONNXRuntime分布式培训。
微软表示，当与DeepSpeed一起使用时，ONNX上的分布式培训使跨硬件和操作系统的模型能够实现高达17倍的性能改进。正如微软首席技术官KevinScott表示：通过开发这种用于训练大型人工智能模型的前沿架构，我们正在让Azure变得更好。我们正在建设更好的计算机、更好的分布式系统、更好的网络、更好的数据中心。
这些都会推动整个Azure的性能、成本和灵活性变得更好。引用来源：[1]https://venturebeat.com/2020/05/19/openai-microsoft-azure-supercomputer-ai-model-training/[2]https://venturebeat.com/2020/05/14/ibm-claims-its-neural-computer-achieves-record-ai-model-training-time/原创文章，未经授权禁止转载。详情见转载须知。
本文关键词：最新,超算,冲刺,世界,Top5,OpenAI,的,10亿,AGI,梦,bob体ob体育
本文来源：bob体ob体育-www.tyronerhabbphoto.com