趨勢丨設計的代價：深度學習已經接近計算極限
2020-07-27 16:49
Ai芯天下
關注
深度學習時代AI模型需規模化擴展
現代AI模型需要消耗大量電力，而且對電力的需求正以驚人的速度增長。在深度學習時代，構建一流AI模型所需要的計算資源平均每3．4個月翻一番。
在當今以深度學習為中心的研究范式當中，AI的主要進步主要依賴于模型的規模化擴展：數據集更大、模型更大、計算資源更大。
在訓練過程中，神經網絡需要為每一條數據執行一整套冗長的數學運算（正向傳播與反向傳播），并以復雜的方式更新模型參數。
在現實環境中部署并運行AI模型，所帶來的能源消耗量甚至高于訓練過程。實際上，神經網絡全部算力成本中的80％到90％來自推理階段，而非訓練階段。
因此，數據集規模越大，與之對應的算力與能源需求也在飛速增長。模型中包含的參數量越大，推理階段所帶來的電力需求就越夸張。
雖然深度網絡會是解決方案的一部分，但還需要涉及組合原則和因果模型的互補方法，以捕捉數據的基本結構。此外，面對組合性爆炸，需要要再次思考如何訓練和評估視覺算法。
每一次人工智能低谷來臨之前，都會有科學家夸大和炒作他們創造的潛力，僅僅說他們的算法就能夠很好地完成某項任務是不夠的。
對大多數問題來說，深度學習并不是正確的解決方法，不要試圖為所有的問題尋找通用人工智能解決方案，因為它根本就不存在。
結尾：
深度學習的發展可能已達極限，但其影響還將持續深遠。為了避免在“人工智能冬天”中被淘汰的命運，能做的最好的事情就是明確你要解決的問題，并理解其本質；然后，尋找為特定問題提供解決方案的直觀路徑的方法。
分享
聲明：
本文由入駐維科號的作者撰寫，觀點僅代表作者本人，不代表OFweek立場。如有侵權或其他問題，請聯系舉報。
請輸入評論內容...
請輸入評論/評論長度6~500個字
最新活動更多
- 1 AI狂歡遇上油價破百，全球股市還能漲多久？ | 產聯看全球
- 2 OpenAI深夜王炸！ChatGPT Images 2.0實測：中文穩、細節炸，設計師慌了
- 3 6000億美元估值錨定：字節跳動的“去單一化”突圍與估值重構
- 4 Tesla AI5芯片最新進展總結
- 5 連夜測了一波DeepSeek-V4，我發現它可能只剩“審美”這個短板了
- 6 熱點丨AI“瑜亮之爭”：既生OpenClaw，何生Hermes？
- 7 AI界的殺豬盤：9秒刪庫跑路，全員被封號，還繼續扣錢！
- 8 2026，人形機器人只贏了面子
- 9 DeepSeek降價90%：價格屠夫不是身份，是戰略
- 10 AI Infra產業鏈卡在哪里了？
