在意識(shí)到自己需要大力加快運(yùn)算速度才能實(shí)現(xiàn)下一個(gè)人工智能突破后，F(xiàn)acebook 決定自行開發(fā)人工智能芯片來「狙擊」亞馬遜與谷歌。近日，F(xiàn)acebook 首席人工智能科學(xué)家 Yann LeCun 在接受英國(guó)《金融時(shí)報(bào)》采訪時(shí)就此披露了大量第一手消息，編譯如下：

Facebook 首席人工智能科學(xué)家、當(dāng)代人工智能先驅(qū)之一的 Yann LeCun 在接受英國(guó)「金融時(shí)報(bào)」采訪時(shí)表示，公司當(dāng)前的目標(biāo)包括打造一個(gè)具備「常識(shí)」、能與人類就任何主題展開交流的的數(shù)字助理，他認(rèn)為這是當(dāng)今語(yǔ)音控制設(shè)備必須踏出的關(guān)鍵一步；此外，F(xiàn)acebook 還希望能將 AI 變成實(shí)用的社交網(wǎng)絡(luò)管控工具，協(xié)助人類實(shí)時(shí)監(jiān)控視頻并決定哪些內(nèi)容可以在平臺(tái)上出現(xiàn)。

為此，Yann LeCun 說 Facebook 與多家芯片公司展開了合作，比如最近與英特爾的合作項(xiàng)目，以及 Facebook 自行開發(fā)、可支持自家 AI 程序的定制「ASIC」芯片?！副娝苤現(xiàn)acebook 經(jīng)常根據(jù)自身業(yè)務(wù)需求來構(gòu)建硬件矩陣，ASIC 芯片是其中一個(gè)例子。我們將為此竭盡全力「這是 Facebook 首次以官方的形式公開其在 AI 芯片領(lǐng)域的愿景。談及 Facebook 在芯片以及計(jì)算系統(tǒng)基礎(chǔ)方面取得突破的可能性，Yann LeCun 補(bǔ)充道：「往下絕對(duì)擁有巨大的發(fā)展空間。」

無論如何，F(xiàn)acebook 自行打造專屬的 AI 芯片將給 Nvidia 帶來長(zhǎng)期挑戰(zhàn)，因?yàn)?Nvidia 是目前 AI 圖形處理器的主要生產(chǎn)商，接下來將面臨來自大數(shù)據(jù)中心客戶退出的短期擠壓。實(shí)際上，一款速度快、功耗低，用來執(zhí)行指定任務(wù)的專業(yè) AI 芯片，不僅只有谷歌、亞馬遜、蘋果等大公司在傾力投入，當(dāng)中還包括幾十家初創(chuàng)企業(yè)。

大家之所以會(huì)對(duì)芯片設(shè)計(jì)和硬件架構(gòu)的前景表示關(guān)注，是因?yàn)橐庾R(shí)到只有在基礎(chǔ)計(jì)算方面取得根本性突破，才能避免 AI 走進(jìn)死胡同。

Yann LeCun 表示，在人工智能整個(gè)發(fā)展歷史中，研究人員提出有突破性的見解以前，往往都會(huì)在硬件層面先取得長(zhǎng)足進(jìn)步。「在一段相當(dāng)長(zhǎng)的時(shí)間里，人們都沒有什么具體想法」這阻礙了人工智能的發(fā)展。其中就包括反向傳播——當(dāng)今深度學(xué)習(xí)系統(tǒng)中非常核心的一項(xiàng)技術(shù)，它通過將算法重新進(jìn)行計(jì)算以最大限度減少錯(cuò)誤。反向傳播是早期研究的一個(gè)明顯延伸，一直到計(jì)算硬件發(fā)展成熟之后才在 20 世紀(jì) 90 年代得到廣泛應(yīng)用。

Facebook 在過去也曾經(jīng)設(shè)計(jì)過其他類型的硬件，比如針對(duì)數(shù)據(jù)中心設(shè)備的新想法，然后再開放供其他人使用。Yann LeCun 表示，同樣的理念也會(huì)應(yīng)用到 AI 芯片的設(shè)計(jì)上，并補(bǔ)充道：「我們的目的是讓更多的人因此受益。」

此外，F(xiàn)acebook 還會(huì)將研究重點(diǎn)放在新神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)上，這是深度學(xué)習(xí)系統(tǒng)的核心，它有效促進(jìn)了圖像識(shí)別與語(yǔ)音識(shí)別等領(lǐng)域的發(fā)展。三十年前，當(dāng) Yann LeCun 還在在 AT＆T 貝爾實(shí)驗(yàn)室投身于 AI 芯片研究工作時(shí)，他建立了第一個(gè)「卷積」神經(jīng)網(wǎng)絡(luò) - 一種借鑒了動(dòng)物視覺皮層如何工作的設(shè)計(jì)，而這在當(dāng)今的深度學(xué)習(xí)系統(tǒng)中很是常見。

▲ Facebook 首席人工智能科學(xué)家 Yann LeCun

今天的神經(jīng)網(wǎng)絡(luò)經(jīng)常使用一個(gè)被稱作監(jiān)督學(xué)習(xí)的技術(shù)，該技術(shù)需要大量的數(shù)據(jù)進(jìn)行訓(xùn)練，一旦在 Facebook 這種體量的公司上運(yùn)行，還將消耗大量電力。據(jù)Yann LeCun介紹，如今 Facebook 每日需要對(duì)上傳至系統(tǒng)上的 2-3億張照片進(jìn)行大量即時(shí)分析，其中包括使用面部識(shí)別技術(shù)辨別照片中的人物、為描述場(chǎng)景起標(biāo)題、以及識(shí)別類似裸露等在平臺(tái)上不被允許的內(nèi)容。

Facebook 正致力于“做一切可以降低功耗并改善延遲的事情”來提升系統(tǒng)處理速度。他補(bǔ)充道，在網(wǎng)站上對(duì)視頻進(jìn)行實(shí)時(shí)監(jiān)控的巨大需求，導(dǎo)致需要對(duì)神經(jīng)網(wǎng)絡(luò)重新進(jìn)行設(shè)計(jì)。

為此，F(xiàn)acebook如今正努力尋找全新的神經(jīng)網(wǎng)絡(luò)架構(gòu)，以便能模擬人類智能的更多方面，使其能更自然地與人類進(jìn)行交互。Yann LeCun表示，F(xiàn)acebook正在在大力投入建設(shè)“自我監(jiān)督”（self-supervised）系統(tǒng)，該系統(tǒng)能夠?qū)φ鎸?shí)世界做出更廣泛的預(yù)測(cè)，而不只是根據(jù)訓(xùn)練數(shù)據(jù)來得出結(jié)論。這將使系統(tǒng)對(duì)世界產(chǎn)生廣泛的理解，從而讓人類得以應(yīng)對(duì)新情況。

“就新用途而言，F(xiàn)acebook很希望開發(fā)出具體一定“常識(shí)”水平的智能數(shù)字助理 ”他如此說道。 “這些助理?yè)碛邢鄳?yīng)知識(shí)背景，你可以就任何話題與它們進(jìn)行探討?！比欢瑒?chuàng)建這種具有常識(shí)的計(jì)算機(jī)的想法尚處于早期階段，Yann LeCun表示，這種更深層次的智能“不會(huì)在明天突然發(fā)生”。

“我們都希望機(jī)器能夠像人類或者動(dòng)物一樣能夠理解當(dāng)世界對(duì)你的交互做出反應(yīng)時(shí)會(huì)發(fā)生什么。為此，我們?cè)谝蚬P(guān)系的研究方面下了很大功夫，“他這么說道。 “如何在不確定性中做出預(yù)測(cè)是當(dāng)今的主要挑戰(zhàn)之一?！?/p>

Facebook是推動(dòng)當(dāng)今神經(jīng)網(wǎng)絡(luò)研究工作的一個(gè)重要力量。Yann LeCun周一將在舊金山舉行的芯片會(huì)議上發(fā)表演講來概述這項(xiàng)工作。其中就包括可以根據(jù)數(shù)據(jù)調(diào)整其設(shè)計(jì)的網(wǎng)絡(luò)，以便能夠更靈活地應(yīng)對(duì)現(xiàn)實(shí)世界。另一個(gè)關(guān)于網(wǎng)絡(luò)的研究途徑是僅“除去”那些需要用來解決特定問題的神經(jīng)元，這種方法借鑒了人類大腦的運(yùn)作方式，可以有效降低功耗。其他研究工作還包括將計(jì)算機(jī)存儲(chǔ)器添加到神經(jīng)網(wǎng)絡(luò)當(dāng)中，以便在與人類進(jìn)行“對(duì)話”時(shí)，可通過保留更多信息來形成更強(qiáng)的上下文語(yǔ)境。

另外值得一提的是，關(guān)于神經(jīng)網(wǎng)絡(luò)如何發(fā)揮作用的研究進(jìn)展很可能對(duì)芯片的設(shè)計(jì)產(chǎn)生影響，給制造當(dāng)今領(lǐng)先AI芯片的公司帶來更多競(jìng)爭(zhēng)。Yann LeCun補(bǔ)充說道，谷歌的TPU——已成為當(dāng)今最強(qiáng)大的機(jī)器學(xué)習(xí)芯片 “仍然被業(yè)界普遍使用”， “然而他們的假設(shè)不一定適用于未來的神經(jīng)網(wǎng)絡(luò)架構(gòu)?！?/p>

另一方面，硅設(shè)計(jì)的靈活性可能還存在其他缺點(diǎn)。例如，微軟有計(jì)劃在其所有數(shù)據(jù)中心的服務(wù)器中植入一種被稱為 field programmable gate array 的新類型芯片。雖然在使用上更加靈活，然而卻降低了處理大量數(shù)據(jù)時(shí)的效率，使它們?cè)趹?yīng)對(duì)特定任務(wù)時(shí)在芯片處理方面處于劣勢(shì)地位。