赛迪智库:我国应大力发展人工智能算法框架
2017年10月的《Nature》杂志发表了人工智能公司Google DeepMind的最新研究成果——新一代的AlphaGo Zero,其使用无监督学习算法,通过规则输入和自我博弈进行学习,在仅40天的训练后成功击败上一代产品,实现了从“灌输式”教导学习到“白板式”自我学习的飞跃。
AlghaGo Zero的成功,建立在硬件的升级和卷积神经网络算法的提升上。更深层次的分析、硬件的分布式使用和复杂的卷积神经算法的运行,都是构建在合理有效的人工智能算法框架之上,从而实现大幅提升学习能力和学习效率的预期。也就是说,人工智能学习框架是人工智能学习的基础和核心,为复杂神经网络算法在学习效率、运行性能、灵活度、可扩展性等方面提供强有力的支撑。
算法框架成为又一个必占高地
人工智能算法框架是搭建人工智能系统的底层基础,一般包含主流的神经网络算法模型,提供稳定的深度学习API,支持训练模型在服务器和GPU、TPU间的分布式学习,部分框架还具备在包括移动设备、云平台在内的多种平台上运行的移植能力,从而带来前所未有的算法运行速度和实用性。它已在字符识别、图像分类、语音识别、无人自动驾驶、自然语言处理等众多领域内取得了突破性的进展。具体来讲,人工智能算法框架的研发具有以下几个重要意义:
一是算法框架是人工智能技术创新的重要方向。算法框架能够极大地提高人工智能学习效率,从而使Alpha Go在极短时间内学习到战胜前任的技能。一方面,算法框架降低了深度学习的难度,提供进行深度学习的底层架构、接口,以及大量训练好的神经网络模型,减少用户的编程耗时。另一方面,大部分深度学习框架具有良好的可扩展性,支持将复杂的计算任务优化后在多个服务器的CPU、GPU或TPU中并行运行,缩短模型的训练时间。
二是算法框架是人工智能融合应用的基础支撑。人工智能算法框架为智能应用提供了底层支撑技术,Alpha Go系统正是建立在Google的TensorFlow框架的支撑之上。此外,TensorFlow还被广泛应用于Google的搜索、翻译、邮件等服务。另一家人工智能巨头IBM使用Caffe框架进行自然语言处理,在扩展效率上取得重大突破,实现了更快、更精准的图片处理和语音识别。
三是算法框架是人工智能核心生态圈建立的关键环节。算法框架是决定人工智能技术、产业、应用的核心环节,是人工智能核心生态圈建立的基础和关键。算法框架的研发能够促进生态圈关联及外围的芯片、系统、软硬件平台等产业发展,从而促进人工智能核心生态圈的建设。
欧美发达国家已经在人工智能算法框架方面进行了大量的研究和开发应用。Google、亚马逊、微软、IBM等国际科技巨头纷纷布局算法框架,抢占技术和市场先机,开发开源了TensorFlow、MXNet、CNTK、Caffe等一批主流人工智能算法框架。
其中,Google的TensorFlow目前是GitHub上最受欢迎的深度学习开源项目,被大量人工智能项目采纳为基础算法框架。一方面助力Google扩大了人工智能应用市场,建立人工智能核心生态圈,另一方面帮助Google吸引了大批人工智能人才,为其长远发展储备力量。可以看出,算法框架已然成为人工智能领域又一个必须抢占的核心前沿领地。
研用结合完善核心生态圈
我国正在全面推进人工智能的发展,规划在2030年成为世界主要人工智能创新中心。为此,我国在人工智能的发展上应具有前瞻性和预见性,现阶段要重点发展人工智能算法框架,抢占核心技术的制高点,率先建立起以人工智能算法框架为核心的生态圈,从而占据长期有效的竞争优势。笔者建议,当前我国应重点从以下几个方面开展工作:
一是着力整体布局,抢占战略制高点。我国要抢占人工智能算法框架研究领域的战略制高点,建议从制定算法框架发展指南、建立以研究算法框架为核心任务的创新中心、设立算法框架研究重大科技项目、统筹政府和市场多渠道资金投入等四方面着手,全面推动技术的快速发展。
二是着力自主创新,推动核心技术攻关。我国要实现算法框架的核心技术突破和自主创新,应从夯实技术基础入手,支持科研团队对算法稳定性、运行效率、可用性等进行重点研究,重点突破跨平台移植、跨系统运行、分布式学习等核心技术,强化基础支撑能力,进而助力科技公司加快研发商业级和工业级算法框架,以及用于特定领域的专用算法框架。
三是着力研用结合,壮大产业实力。我国要统筹利用在理论研究方面的优势积累,应从引导科研机构与产业界积极合作、鼓励科研资源开放共享、建立政产学研用相结合的创新型组织、鼓励企业积极探索深度学习框架应用场景等四个方面入手,强化从理论研究向实际应用转化的能力。
四是着力开放开源,营造创新环境。我国要营造创新良好的算法框架发展环境,建议遵循开源开放原则,联合建设国家主导的开源社区,引领各方积极参与贡献力量。同时,要促进创新主体互动,协同推进发展,从而建立以算法框架研发为核心,芯片、系统、软硬件平台研发布局为支撑的科技创新体系,完善人工智能核心生态圈。