如果說人工智能（AI）能夠迅速蠶食掉軟件，那么谷歌可能擁有最大的胃口。在今年的I/O開發(fā)者大會上，谷歌發(fā)布了更為強大的芯片和以機器學(xué)習(xí)為基礎(chǔ)的超級計算機，它們將有助于谷歌成為以AI為重點的硬件制造商。

在I/O開發(fā)者大會上，谷歌首席執(zhí)行官桑達爾·皮查伊（Sundar Pichai）介紹了谷歌研發(fā)的新計算機處理器，用于支持機器學(xué)習(xí)技術(shù)。近年來，機器學(xué)習(xí)已經(jīng)在IT行業(yè)掀起強大風(fēng)暴。此舉也反映出快速進步的AI正如何改變谷歌本身，已經(jīng)有可靠跡象顯示，谷歌希望能領(lǐng)導(dǎo)AI軟件和硬件等相關(guān)方面的發(fā)展趨勢。

或許最重要的是，或者說至少對于研究機器學(xué)習(xí)技術(shù)的人來說，谷歌新的處理器不僅可以更快的速度執(zhí)行任務(wù)，它還能被以令人難以置信的效率訓(xùn)練。谷歌新處理器名為云張量處理單元（Cloud Tensor Processing Unit），它以谷歌的開源機器學(xué)習(xí)框架TensorFlow的名義命名。

訓(xùn)練是機器學(xué)習(xí)領(lǐng)域最基礎(chǔ)的部分。舉例來說，為了開發(fā)出能夠識別照片中熱狗的算法，你可能需要訓(xùn)練算法識別數(shù)以萬計的熱狗照片，直到其學(xué)會區(qū)分。但是訓(xùn)練某個大模型的運算非常復(fù)雜，而且這種訓(xùn)練可能需要持續(xù)數(shù)天甚至數(shù)周。

皮查伊還在開發(fā)者大會上公布了機器學(xué)習(xí)超級計算機，或稱Cloud TPU Pod，它以Cloud TPU集群為基礎(chǔ)，可高速處理數(shù)據(jù)連接。皮查伊稱，谷歌也在研發(fā)TensorFlow Research Cloud，它由數(shù)以千計的TPU組成。皮查伊表示：“我們正建立我們所謂的AI優(yōu)先數(shù)據(jù)中心，Cloud TPU正幫助優(yōu)化訓(xùn)練和推理，這為AI取得顯著進步打下基礎(chǔ)。”谷歌將制造1000套Cloud TPU系統(tǒng)，為那些愿意公開分享自己研發(fā)工作細節(jié)的AI研究人員提供支持。

皮查伊在主題演講中還宣布多個AI研究計劃，包括努力開發(fā)能夠?qū)W習(xí)如何從事耗時工作的算法，包括微調(diào)其他機器學(xué)習(xí)算法。他還稱，谷歌正為醫(yī)學(xué)圖像分析、基因組分析以及分子發(fā)現(xiàn)開發(fā)AI工具。在開發(fā)者大會之前，谷歌高級研究員杰夫·迪恩（Jeff Dean）表示，這些項目有助于幫助AI進步。他說：“許多頂級研究人員還沒有像他們所希望的那樣，獲得強大的計算能力支持。”

谷歌進軍以AI為重點的硬件和云服務(wù)領(lǐng)域，部分原因是受其自身業(yè)務(wù)加速的驅(qū)動。谷歌已經(jīng)在使用TensorFlow為搜索、語音識別、翻譯以及圖形處理等提供支持。此外，谷歌也在Alphabet子公司DeepMind開發(fā)的智能程序AlphaGo中使用這種技術(shù)。

但從戰(zhàn)略上看，谷歌可能在防止其他公司在機器學(xué)習(xí)領(lǐng)域取得主導(dǎo)地位。比如專門研發(fā)和制造圖形處理芯片的英偉達，其芯片已經(jīng)開始被用于深度學(xué)習(xí)領(lǐng)域，并在各種產(chǎn)品中變得越來越突出。為了提供某些措施以衡量其Cloud TPU提供的加速表現(xiàn)，谷歌表示其翻譯算法可能受到訓(xùn)練，使用新硬件后比現(xiàn)有硬件速度快得多。32個最好的GPU全天的訓(xùn)練量，TPU Pod只需要發(fā)揮1/8的水平就可在1個下午完成。

谷歌云計算團隊首席科學(xué)家、斯坦福大學(xué)AI實驗室主管李飛飛（Fei-Fei Li）稱：“這些TPU可提供驚人的128萬億次浮點運算，它們是專為驅(qū)動機器學(xué)習(xí)技術(shù)的芯片。”與之相比，iPhone 6可提供100萬億次浮點運算。谷歌表示，他們還可能為研究人員設(shè)計使用其他硬件的算法，這就是他們所謂的“民主化機器學(xué)習(xí)”。自從谷歌2015年發(fā)布TensorFlow以來，越來越多的研究人員開始使用它。谷歌宣稱，TensorFlow已經(jīng)成為世界上使用最廣泛的深度學(xué)習(xí)框架。

機器學(xué)習(xí)專家目前正處于供不應(yīng)求的狀態(tài)，因為許多行業(yè)的公司都希望能夠利用不斷取得進展的AI力量。皮查伊表示，解決這種技術(shù)短缺的方案之一就是開發(fā)機器學(xué)習(xí)軟件，用以取代AI專家開發(fā)機器學(xué)習(xí)軟件的部分工作。

在谷歌開發(fā)者大會上，皮查伊公布了谷歌下屬AI研究團隊Google Brain正正進行的AutoML項目，研究人員已經(jīng)展示，他們的學(xué)習(xí)算法可以自動化執(zhí)行特定任務(wù)的機器學(xué)習(xí)軟件設(shè)計中最棘手的部分工作。在某些情況下，他們的自動化系統(tǒng)還能夠提出媲美人類機器學(xué)習(xí)專家甚至超越他們的方案。皮查伊表示：“這讓人感到非常興奮，它可以加速整個領(lǐng)域發(fā)展，幫助我們解決今天面對的某些最具挑戰(zhàn)性的問題。”

皮查伊希望AutoML項目擴大開發(fā)者數(shù)量，他們可通過減少專業(yè)知識要求來更好地利用機器學(xué)習(xí)。這非常符合谷歌的定位策略，其云計算服務(wù)成為開發(fā)和托管機器學(xué)習(xí)的最佳平臺。谷歌也正努力在企業(yè)云計算市場吸引更多新客戶，因為谷歌在這個市場落后于亞馬遜和微軟。

AutoML項目的目標(biāo)是幫助人們更容易使用深度學(xué)習(xí)技術(shù)，谷歌和其他公司正利用它支持語音識別、圖像識別、翻譯以及機器人研究等。深度學(xué)習(xí)可讓數(shù)據(jù)通過一系列松散的數(shù)學(xué)計算層幫助軟件變得更聰明，這種計算層受到生物學(xué)啟發(fā)，為此被稱為人工神經(jīng)網(wǎng)絡(luò)。谷歌AutoML項目機器學(xué)習(xí)研究員富國樂(Quoc Le)表示，為神經(jīng)網(wǎng)絡(luò)的數(shù)學(xué)模型選擇正確的框架非常重要，但卻并不容易。