引述外媒报道，从大型机到个人计算机再到互联网再到智能手机，计算领域的每一个重大进步都为更多的人提供了在数字前沿进行发明的机会。
但是，人们越来越担心，科技的新前沿人工智能正在逆转这一趋势。
计算机科学家表示，人工智能研究正变得越来越昂贵，需要由巨型数据中心进行复杂的计算，使越来越少的人可以轻松获得必要的计算能力，从而开发出可以看到，交谈的自动驾驶汽车或数字助手等未来产品背后的技术和原因。
他们说，这样做的危险是，开创性的人工智能研究将是一个有和没有的领域。最主要的是一些大型科技公司，例如Google，Microsoft，Amazon和Facebook，它们各自每年花费数十亿美元建设其数据中心。
他们警告说，在没有训练的营地中，将是大学实验室，这些实验室传统上是创新的源泉，这些创新最终将为新产品和服务提供动力。
南加州大学研究实验室信息科学研究所执行主任克雷格·克诺伯克（Craig Knoblock）说：“这些公司构成的巨大计算资源构成了威胁，大学无法竞争。”
在研究科学家的警告之际，人们越来越担心大型科技公司的力量。大多数焦点都集中在当前的技术上-搜索，在线广告，社交媒体和电子商务。但是，科学家们担心探索技术的未来会遇到障碍，因为这需要惊人的计算量。
大型高科技公司的现代数据中心无处不在，而且机密。建筑物的大小相当于一个足球场的大小，或者更大，可容纳数十万台计算机。门是防弹的。墙壁是防火的。局外人很少被允许进入。
这些是云计算的引擎室。它们帮助向智能手机和便携式计算机提供娱乐和信息的聚宝盆，并使数百万开发人员能够编写基于云的软件应用程序。
但是，大型科技公司之外的人工智能研究人员却看到了该领域令人担忧的趋势。艾伦人工智能研究所（Allen Institute for AI）的最新报告与另一个人工智能实验室OpenAI的数据进行了比较，观察发现，要成为诸如语言理解，游戏玩法和常识性推理之类的AI任务的领导者，需要大量的计算工作。在过去六年中估计有300,000次。
所谓的深度学习软件模型需要涡轮增压，这需要所有的计算能力，随着更多的计算和更多的数据，其性能会提高。近年来，深度学习一直是AI突破的主要动力。
“成功的话，将会带来巨大的好处。”艾伦研究院首席执行官奥伦·埃兹奥尼（Oren Etzioni）于2014年由微软亿万富翁联合创始人保罗·艾伦创立。“但是，进行研究的成本正在成倍增加。作为一个社会和经济体，如果只有少数几个地方可以处于最前沿，那么我们将遭受苦难。”
OpenAI的发展显示出不断变化的经济状况，以及对深度学习AI技术的承诺。
OpenAI成立于2015年，在Elon Musk的支持下，最初是一个非营利性研究实验室。它的目标是在人工智能的前沿发展技术，并与更广阔的世界分享其利益。这个愿景表明了受启发的程序员的计算传统，他独自在笔记本电脑上工作，提出了一个很大的想法。
今年春天，OpenAI使用其技术在名为Dota 2的复杂视频游戏中击败了世界冠军队。其软件经过数月的不断试验和错误学习，相当于超过45,000年的游戏经验。
OpenAI科学家已经意识到，他们从事的工作更多是粒子物理学或天气模拟，这些领域需要大量的计算资源。例如，要在Dota 2上获胜，就需要花费数百万美元来租用Google和Microsoft等公司运营的云计算数据中心内数以万计的计算机芯片。
今年早些时候，OpenAI演变成一家营利性公司以吸引融资，并在7月宣布微软将进行10亿美元的投资。OpenAI表示，大部分资金将用于实现其目标所需的计算能力，其中包括在偿还投资者后广泛分享AI的利益。
作为OpenAI与Microsoft达成的协议的一部分，这家软件巨头最终将成为实验室唯一的计算资源。
OpenAI首席科学家Ilya Sutskever说：“如果您没有足够的计算能力，就无法取得突破。”
学术界也对高级AI软件消耗的功率提出了担忧。马萨诸塞大学阿默斯特分校的三位计算机科学家在最近的一份研究报告中估计，训练大型的深度学习模型可以产生与五辆美国汽车（包括汽油车）相同的碳足迹。（大型高科技公司表示，他们购买了尽可能多的可再生能源，从而减少了数据中心对环境的影响。）
Etzioni先生和他在艾伦研究所（Allen Institute）的合著者说，也许可以通过改变衡量AI技术成功的方式至少部分地解决有关电力使用和计算成本的担忧。
他们说，该领域一心一意地专注于准确性，这使研究沿着狭窄的道路倾斜。
效率也应予以考虑。他们建议研究人员也报告在项目中取得成果的“计算价格标签”。
自他们的“绿色AI”论文于7月发表以来，他们的信息在研究界引起了很多共鸣。
罗切斯特大学计算机科学教授亨利·考茨（Henry Kautz）指出，准确性“实际上只是我们在理论和实践中关心的一个维度。”他说，其他包括使用多少能源，需要多少数据。以及AI技术需要多少熟练的人力才能发挥作用。
考茨补充说，如果研究项目对原始计算火力的依赖程度降低，那么从更多维的角度来看，可以帮助平衡大型科技公司的学术研究人员和计算机科学家之间的竞争环境。
大型科技公司正在追求其数据中心和人工智能软件的更高效率，他们说这将使外部开发人员和学者更容易获得计算能力。
Google人工智能部门的杰出科学家约翰·普拉特（John Platt）指出了其最近开发的深度学习模型EfficientNets，其规模和速度比传统模型小10倍。他说：“这使使用民主化。” “我们希望这些模型能够被尽可能多的人训练和访问。”
多年来，大型科技公司已向大学提供了数百万美元的赠款和捐款，但一些计算机科学家表示，他们应该做更多的工作来缩小AI研究的有与无之间的差距。他们说，今天，科技巨头与大学之间的关系很大程度上是作为买家，雇用了教授，研究生甚至大学生。
华盛顿大学教授埃德·拉佐夫斯卡（Ed Lazowska）表示，这两家公司还应该为学术研究提供实质性支持，包括更大程度地利用其计算财富，因此，对创意和突破的竞争已经超出了公司的壁垒。
拉佐斯卡先生认为，一种更具支持性的关系将符合他们的公司自身利益。否则，他说：“我们将看到学术界生产下一代将为这些公司提供动力的计算机科学家的能力大大削弱。”
Etzioni先生说，在西雅图的艾伦研究所，该团队将寻求提高人工智能技术效率的技术。他说：“这对我们来说是一个巨大的推动力。”
但是Etzioni先生强调，他所谓的绿色AI应该被视为“更多机智的机会，而不是束缚” –或替代依赖大量计算能力的深度学习，他称之为红色AI
的确，艾伦研究所通过在标准的八年级科学考试中正确回答了90％以上的问题，从而达到了AI里程碑。这项壮举是通过深度学习的红色AI工具实现的。返回搜狐，查看更多
责任编辑：