在2018年及其以后，深層神經(jīng)網(wǎng)絡(luò)和機器學習在更大的人工智能（AI）領(lǐng)域會如何發(fā)展？我們?nèi)绾文荛_發(fā)出越來越復(fù)雜的機器以在日常生活中幫助人類？

這些都是普渡大學機器學習硬件教授尤金尼奧·庫魯爾塞羅(Eugenio Culurciello)關(guān)注的問題。請注意，本文的重點并非有關(guān)AI的預(yù)測，而是對該領(lǐng)域發(fā)展軌跡、趨勢以及技術(shù)需求的詳細分析，以幫助創(chuàng)造更有用的AI。當然，并非所有的機器學習都是針對AI的，還有些其他容易實現(xiàn)的目標，下面我們就仔細審視下。

目標

AI領(lǐng)域的目標是通過機器上實現(xiàn)人類和超人的能力，以便讓它們在日常生活中幫助我們。自動駕駛車輛、智能家居、人工助理以及安全攝像頭將是植入AI技術(shù)的首批目標，家庭烹飪和清潔機器人、無人偵察機和機器人則是第二批目標。

其他目標還有移動設(shè)備上的助理，全職陪伴助理（可以聽到和看到我們的生活經(jīng)歷）。而AI領(lǐng)域的終極目標是打造完全自主的合成實體，它可以在日常工作中以相當于人類或超越人類的水平行事。

軟件

在這里，軟件被定義為通過優(yōu)化算法訓練的神經(jīng)網(wǎng)絡(luò)構(gòu)架以解決特定的任務(wù)。今天，神經(jīng)網(wǎng)絡(luò)是用來學習解決問題的實際工具，其中涉及通過大數(shù)據(jù)集進行分類學習。但這并不是全部AI，它要求在現(xiàn)實世界中，在沒有監(jiān)督的情況下學習，也要吸取以前從未見過的經(jīng)驗，常常需要把以前學到的知識結(jié)合起來以解決當前的挑戰(zhàn)。

如何讓目前的神經(jīng)網(wǎng)絡(luò)演變成AI？

神經(jīng)網(wǎng)絡(luò)架構(gòu)：幾年前，當神經(jīng)網(wǎng)絡(luò)架構(gòu)發(fā)展起來的時候，我們經(jīng)常認為從數(shù)據(jù)中自動學習算法的參數(shù)擁有巨大優(yōu)勢，而且這比手工編寫的算法功能更強大。

我們必須嘗試從頭開始訓練多個架構(gòu)，并看看哪一個最有效。這就是我們今天使用的、非常耗時的試錯過程!我們應(yīng)該克服這一限制，并在這個非常重要的問題上多加思考。

無監(jiān)督學習：我們不能總是干預(yù)神經(jīng)網(wǎng)絡(luò)，引導它們的每一次體驗。我們不能在每個實例中都糾正它們，并提供它們的性能反饋。我們的生活也要持續(xù)下去！

但這正是我們今天利用受監(jiān)督神經(jīng)網(wǎng)絡(luò)所做的：我們?yōu)槊總€實例提供幫助，使它們能夠正確執(zhí)行。相反，人類只需從少數(shù)幾個例子中學習，并且能夠以連續(xù)的方式自我校正和學習更復(fù)雜的數(shù)據(jù)。

預(yù)測神經(jīng)網(wǎng)絡(luò)：目前神經(jīng)網(wǎng)絡(luò)的一個主要局限是它們沒有人類大腦最重要的特征之一，即預(yù)測能力。關(guān)于人腦如何工作的一個主要理論是它能不斷地預(yù)測，即擁有預(yù)測代碼。

如果你仔細想想，就會發(fā)現(xiàn)我們每天都在使用它。你提起一個自認為很輕的物體，但結(jié)果它卻很重。這會讓你感到驚訝，因為當你接近它的時候，你已經(jīng)預(yù)測它將如何影響你和你的身體，或者你的整體環(huán)境。

或者，在現(xiàn)代世界里，當我們匆忙出門時，我的手機落在哪里。構(gòu)建預(yù)測神經(jīng)網(wǎng)絡(luò)是我們與現(xiàn)實世界互動的核心，并能在復(fù)雜的環(huán)境中發(fā)揮作用。因此，這是任何強化學習的核心網(wǎng)絡(luò)。

當前神經(jīng)網(wǎng)絡(luò)的局限性：無法預(yù)測，無法解釋理由，以及暫時的不穩(wěn)定性，因此我們需要一種新的神經(jīng)網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)膠囊（Neural Network Capsules）就是解決當前神經(jīng)網(wǎng)絡(luò)局限性的一種方法，但我們認為它必須有些額外的特點：

1、視頻幀操作：這很簡單，因為我們需要做的就是讓膠囊路由查看最近時間的多個數(shù)據(jù)點。這相當于在最近的重要數(shù)據(jù)點上建立起關(guān)聯(lián)內(nèi)存。請注意，這些不是最近幀的最新表達，而是它們最新的不同表達。

可以通過僅保存與預(yù)定義值不同的表達來獲得不同內(nèi)容的不同表達。這個重要的細節(jié)只允許保存最近歷史上的相關(guān)信息，而不是一系列無用的相關(guān)數(shù)據(jù)點。

2、預(yù)測神經(jīng)網(wǎng)絡(luò)能力:這已經(jīng)是動態(tài)路由的一部分，它迫使各層預(yù)測下一層表達。這是一種非常強大的自我學習技巧，在我們看來，它勝過了我們在社區(qū)中發(fā)展的所有其他非監(jiān)督表現(xiàn)學習。膠囊現(xiàn)在需要能夠預(yù)測長期的時空關(guān)系，但目前還沒有實現(xiàn)。

轉(zhuǎn)移學習：或者稱我們?nèi)绾巫屵@些算法通過觀看視頻自學，就像我們學習如何烹飪新的東西一樣。這是一種能力，需要我們上面列出的所有因素，而且對于加強學習也很重要。現(xiàn)在你可以通過舉例子的方式來訓練你的機器去做你想讓它做的事情，就像我們?nèi)祟愐粯印?/p>

強化學習：這是深神經(jīng)網(wǎng)絡(luò)研究的“圣杯”，即教機器如何在真實的世界環(huán)境中學習！這需要自學、持續(xù)學習、預(yù)測能力，還有很多我們不知道的東西。在強化學習領(lǐng)域有很多東西需要了解，但對作者們來說，這只觸及到問題的表面。

強化學習通常被稱為“蛋糕上的櫻桃”，意思是它只是塑料合成大腦上微不足道的訓練。但是，我們?nèi)绾尾拍艿玫揭粋€“通用”大腦輕松地解決所有的問題呢？

這是個“先有雞還是先有蛋”的問題！今天，要想一個個地解決強化學習的問題，我們需要使用標準神經(jīng)網(wǎng)絡(luò)：一個深度的神經(jīng)網(wǎng)絡(luò)，它接收大量的數(shù)據(jù)輸入，如視頻或音頻，并將其壓縮成表示；一個序列學習神經(jīng)網(wǎng)絡(luò)，如RNN，以便了解任務(wù)。

這兩個部分都是問題的明顯解決方案，目前顯然是錯誤的，但這是每個人都在使用的，因為它們是當前可用的構(gòu)建塊。

不要更多的遞歸神經(jīng)網(wǎng)絡(luò)(RNN)：因為它們在并行化方面表現(xiàn)特別糟糕，甚至在特殊的定制機器上也很慢，因為它們的內(nèi)存帶寬使用率很高，內(nèi)存帶寬存在限制。基于注意力的神經(jīng)網(wǎng)絡(luò)更高效，可更快速地進行訓練和部署，并且在訓練和部署方面的可伸縮性更少。

在神經(jīng)網(wǎng)絡(luò)中，注意力有可能使許多架構(gòu)發(fā)生真正的改變，但它并沒有得到應(yīng)有的認可。聯(lián)想記憶和注意力的結(jié)合是下一波神經(jīng)網(wǎng)絡(luò)發(fā)展的核心。我們認識到，基于注意力的神經(jīng)網(wǎng)絡(luò)將逐漸取代基于RNN的語音識別，并在強化學習構(gòu)架和通用人工智能中找到它們的方法。

分類神經(jīng)網(wǎng)絡(luò)中信息的定位：實際上這是一個已經(jīng)解決的問題，將被嵌入到未來的神經(jīng)網(wǎng)絡(luò)架構(gòu)中。

硬件

深度學習硬件才是進步的核心。現(xiàn)在讓我們忘記2008-2012年深度學習的快速擴展，近年的進步主要取決于硬件：在社交媒體的幫助下，每部手機上的廉價圖像傳感器都可以收集巨大的數(shù)據(jù)集，但其只處于次級重要程度。GPU允許加速深層神經(jīng)網(wǎng)絡(luò)的訓練。在過去2年里，機器學習硬件蓬勃發(fā)展，尤其是針對深度神經(jīng)網(wǎng)絡(luò)的硬件。

有幾家公司正在這個領(lǐng)域努力，包括英偉達、英特爾、Nervana、Movidius、Bitmain、Cambricon、Cerebras、DeePhi、谷歌、Graphcore、Groq、華為、ARM以及Wave Computing等，他們都在開發(fā)定制的高性能微型芯片，能夠訓練和運行深層神經(jīng)網(wǎng)絡(luò)。

關(guān)鍵是提供最低功耗和最高的可測量性能，同時計算最近有用的神經(jīng)網(wǎng)絡(luò)操作，而不是每秒鐘的原始理論操作。但是在這個領(lǐng)域很少有人了解硬件是如何真正改變機器學習、神經(jīng)網(wǎng)絡(luò)和AI的，很少有人知道微型芯片的重要性以及如何開發(fā)它們。

培訓或推理：許多公司都在制造能提供神經(jīng)網(wǎng)絡(luò)訓練的微型芯片。這是為了獲得英偉達市場的一部分，它是迄今為止事實上的培訓硬件。但這種訓練只占深層神經(jīng)網(wǎng)絡(luò)應(yīng)用的很小部分。對于每個訓練步驟，實際應(yīng)用程序中都有上百萬個部署。

例如，你現(xiàn)在可以在云端使用的一個目標檢測神經(jīng)網(wǎng)絡(luò)，它曾經(jīng)被訓練過一次，并且在很多圖像上都是可以使用的。但是一旦經(jīng)過訓練，它就可以被數(shù)以百萬計的計算機用于數(shù)十億的數(shù)據(jù)。

我們在這里想說的是，訓練硬件的重要性和你所使用的次數(shù)相比是微不足道的，而制作用于訓練的芯片組需要額外的硬件和額外的技巧。

這將導致相同性能卻消耗更高的功率，因此不是當前部署的最佳狀態(tài)。訓練硬件是很重要的，而對推理硬件進行修改卻很簡單，但它并不像許多人認為的那樣重要。

應(yīng)用程序：能夠更快、更低功率地提供培訓的硬件在這個領(lǐng)域非常重要，因為它將允許更快地創(chuàng)建和測試新的模型和應(yīng)用程序。但真正重要的一步是應(yīng)用所需的硬件，主要是推理硬件。

今天有許多應(yīng)用之所以無法使用，主要是因為硬件而不是軟件。例如，我們的手機可以是基于語音的助手，目前是次優(yōu)的，因為它們不能一直運行。就連我們的家庭助理也離不開電源，除非我們在周圍安裝更多麥克風或設(shè)備，否則就不能跟著我們。

但也許最大的應(yīng)用是將手機屏幕從我們的生活中移除，并將其嵌入到我們的視覺系統(tǒng)中。如果沒有超級高效的硬件，所有這些和更多的應(yīng)用將是不可能的。

贏家和輸家：在硬件方面，贏家將是那些能夠以最低功耗發(fā)揮更高性能、并能將設(shè)備迅速投入市場的公司。想象用手機代替SoC，這種情況每年都會發(fā)生。現(xiàn)在想象下將神經(jīng)網(wǎng)絡(luò)加速器嵌入到內(nèi)存中。這可能會更快地征服市場，并快速滲透，這就是我們所說的贏家。

應(yīng)用程序

我們在上面的“目標”部分簡要地討論了應(yīng)用程序，但是我們需要詳細討論一下。AI和神經(jīng)網(wǎng)絡(luò)將如何進入我們的日常生活？這是我們的名單：

分類圖像和視頻：已經(jīng)存在于許多云服務(wù)中。下一步就是在智能攝像頭領(lǐng)域做同樣的事情，今天在這里也有許多供應(yīng)商。神經(jīng)網(wǎng)絡(luò)硬件將允許移除云并在本地處理越來越多的數(shù)據(jù)，保護隱私和節(jié)省網(wǎng)絡(luò)帶寬將成為贏家。

語音助理：它們正在成為我們生活中的一部分，可以在我們的智能設(shè)備中播放音樂和控制基本設(shè)備。但是對話是一種基本的人類活動，我們常常認為它是理所當然的。

你可以對話的小型設(shè)備是一場正在發(fā)生的革命。語音助理正變得越來越好，可以更好地服務(wù)于我們。但它們?nèi)匀慌c電網(wǎng)相連，我們想要的真正助理應(yīng)該能隨時伴在我們身側(cè)。

手機怎么樣？硬件在這里再次勝出，因為它將使上述期望成為可能。Alexa、Cortana以及Siri可以始終陪伴著你。手機很快就會成為你的智能家居設(shè)備，這又是智能手機的又一次勝利。

但我們也希望它在我們的車里，并伴隨我們在城市中移動。我們需要本地處理語音，減少云端支持。更多的隱私和更少的帶寬成本。硬件有望在1-2年內(nèi)提供給我們。

烹飪機器人：下一個最大的設(shè)備將是烹飪和清潔機器人。在這里，我們可能很快就有硬件，但我們顯然缺乏軟件。我們需要轉(zhuǎn)移學習、持續(xù)學習和強化學習。

一切都像魔法那樣，因為你知道：每個食譜都是不同的，每種烹飪成分看起來都不一樣。我們不能硬編碼所有這些選項。我們真的需要一個可以學習和推廣的合成實體來做這個。

我們離它還很遠，但并非遙不可及。以目前的速度前進，可能只需要幾年就能實現(xiàn)。正如我在過去幾年所做的那樣，我感肯定這些都能實現(xiàn)。