山东时时彩后一走势|山东时时彩官网地址|

图灵奖得主大卫·帕特森:大湾区需要优秀人才 开源体系助力研发

  本报记者 翟少辉 周智宇 惠州报道

  4月11日,由清华大学五道口金融学院、清华大学深圳国际研究生院和麻省理工大学(MIT)斯隆管理学院共同举办的“科学企业家”项目第6期班在惠州正式开学。值得一提的是,相较于前5期班,本次开班特别面向粤港澳大湾区的科学企业家,旨在将全球前沿科技创新与大湾区产业、企业发展需求结合,直接助力湾区建设。

  “中国许多全球知名的优秀公司都位于(粤港澳)大湾区。”4月14日,受邀前来授课的2017年图灵奖得主大卫·帕特森(David Patterson)在接受21世纪经济报道记者专访时表示,“我们相信,我们在此从事研发的?#38469;酰?#23558;有助于激发大湾区内的企业及其产品进一步创?#38534;!?/p>

  大卫·帕特森是美国国家工程院院士和美国国家科学院院士,并曾于2004年至2006年担任美国计算机协会(ACM)主席。他曾长期在加州大学伯克利分校任教,直至2016年退休,并被誉为计算机架构领域“20世纪后半段最杰出的几人之一”。

  2018年3月,帕特森与斯坦福大学前校长、谷歌母公司Alphabet董事长约翰·轩尼诗(John Hennessy)一同被授予2017年图灵奖,以表彰他们开创了一种系统的、定量的方法来设计和评价计算机体系结构,并对RISC(精简指令架构)微处理器行业产生了持久的影响。

  用开源为大湾区培养人才

  “在我看来,硅谷和(粤港澳)大湾区?#27982;?#20020;一个典型的问题,那就是人才。”帕特森对21世纪经济报道记者表示,如何让优秀的人才?#21019;?#36896;、完善产品则是这个问题的另一个维度。

  帕特森指出,大湾区内有着许多全球知名的中国科技公司,这是其优势。而像加州大学伯克利分校与清华大学,则在通过在清华-伯克利深圳学院(TBSI)合作,尝试发展一种新的开源硬件设想,构建所有人都可以免费、不受限的使用的模块,激发公共创?#38534;?#27492;前,帕特森已经宣布,正式依托TBSI建设开源RISC-V(第五代精简指令架构)实验室RIOS。

  TBSI的合作?#37096;?#20197;吸引优秀的人才聚焦在一些关键的问题上,进行相应的研发。帕特森表示,“我们在这里(指粤港澳大湾区)研发这些?#38469;酰?#23558;有助于激发大湾区企业和他们的产品创?#38534;!?/p>

  帕特森回忆称,“我仍然记得在我加入伯克利之初,他们告诉我的第一件事之一就是,伯克利是一个在乎影响力的地方,不计算论文数、引用数,看中的是对现实世界的影响。我热爱这点,这引导?#23435;?#30340;职业生涯。”

  帕特森将这样的价值观引入了亚洲、引入了TBSI合作项目。基于RISC-V的开源体系,TBSI设立了RIOS实验室。通过该开源体系,多地的研究者均可以参与到研发相应模式的硬件中,?#28304;?#20351;支?#25351;?#22810;的公司创造出更多优秀的产品。

  “开源是一个社会性的主意,人们来自不同的组织、公司、产业、高校,一起在一个通用的领域创造一个适用于所有人的事物。”帕特森表示,通过这个体系,众多的参与者、多样的观点汇集在大湾区中,可?#28304;?#36896;出更好的科技并将其分享出去。

  此外,帕特森表示,开源能?#36745;?#35768;高校直接影响科技。因此,通过开源,学术界将很快就能够看到与外界的实时合作,并通过在应用?#38469;跎系?#21442;与和合作、通过像TBSI这样的合作,高效地创造出新?#38469;?#24182;将其分享。

  在帕特森看来,RIOS实验室这样的国际项目允许学生通过着手解决重要问题来获得经验,从而研究出切实可用的产品。“这就是,不仅仅要让科技遇上产品,而且是在大湾区培养出那些能够帮助科技塑造产品的人才。”

  “对于我来?#25285;?#24320;源是发展?#38469;?#30340;最好路径,所有人都可以各取所长。”帕特森认为,伯克利大学已经发现,开源是伯克利大学能够发挥“影响力”的最佳机遇。

  帕特森长期以来一直致力于积极推动中美高校开展合作研究,多年来他推动了加州大学伯克利分校与清华大学的学术合作,并对中国与清华的计算机科研教育提出许多宝贵建议。2018年11月,清华大学授予帕特森名誉博士学位。

  RISC-V助力两大科?#35760;?#21183;

  帕特森表示,包括他在内的很多人认为,当前科技发展的两大末端是云计算和物联网。前者基于遍布全球的大型数据?#34892;模?#25968;以万?#39057;?#35745;算机与网络互连,使得海量信息和数据得以被收集。后者则是依赖电池供电的小型网联设?#31119;?#23427;们可以置于口袋中、?#36335;?#19978;或是车上某处。

  “两个末?#21496;?#21463;‘硅’的驱动。”他?#25285;?#22312;云端,你需要性能非常强悍、功耗非常高的芯片,他们甚至需要配备液冷。但对于物联网,你需要最微小的芯片,尽可能延长电池续航能力,因?#26031;?#32791;低?#20219;?#37325;要。”在他看来,在TBSI的合作对于上述两个科技?#36739;?#21457;展都会有益。

  微处理器指令集是沟通硬件和软件之间的?#24085;海?#20063;被称作处理器的“灵魂”。目前市面上处于主导地位的是Arm与英特尔x86架构。RISC-V则是帕特森在2010年率领伯克利团队创造的全新开源指令集,被视为将改变目前处理器架构领域的竞争格局。目前,为维护该指令标准而成立的RISC-V基金会成员已超过150家公司,除英特尔和Arm外几乎所有计算机领域的主要公司均参与其中。

  帕特森认为,RISC-V最大的优势在于开源。“我们不会人为去限制谁可以参与建造,谁不可以,它是开放的。一个好的主意会激发出竞争者力求更好地尝试。”他认为,相较于早前已专利化的RISC版本,RISC-V更为简洁、优雅。前者如今已经常为了营收需求而加入新特征,这并不是助力科技发展。

  RISC-V的优势还在于计算成本的降低。“它没有所谓的使用或是授权费用,向所有创新开放。”帕特森说。

  帕特森表示,RISC-V被设计成同?#26412;?#26377;标准化和定制化特征:可以运行大量软件,也允许加入新的、特定的指令?#22270;?#36895;器。其将在摩尔定律失效的情况下为产业的进一步发展创造条件。

  “几乎在我的整个职业生涯中,行业都在受摩尔定律驱动。芯片?#31995;?#26230;体管数量每隔数年就会翻倍,性能越来越强,这驱动了一系列的创?#38534;!?#20182;?#25285;?#20294;现在这已经结束了。目前来看,能够?#20013;?#21019;?#38534;?#21046;造出更好的产品的方式,在于计算机架构设计提升。”

  举例来?#25285;?#35745;算机架构就如同建筑,如果砖和水泥的?#20998;?#24050;达到极限,改?#39057;?#20851;键就将是如何最好地使用砖和水泥去建设。

  人工智能需要针对性的硬件设备

  3月27日,美国计算机协会(ACM)宣布将2018年图灵奖颁给了Yoshua Bengio、Yann LeCun、Geoffrey Hinton三位人工智能领域的“先驱者”,这被视为人工智能发展的重要里程碑。

  帕特森正是今年图灵奖的评审委员之一。“他们三人是最值得敬重的人,我认为他们是机器学习‘三剑客’。”帕特森?#25285;?#20182;们‘人人为我,我为人人’,帮助?#22270;?#21169;了这场基于神经网络?#38469;?#30340;机器学习革命。”他指出,仅仅是在过去10年之中,我们已经能见到许多应用可以比人类更出色地完成诸多任务,“这是一个惊喜”。

  “人工智能领域走过数十年之后,我们已见到了许多切实的进步和颇具价值的产品。”帕特森表示,“三剑客”的贡献造就了一批正在改变世界的科技,对于获得图灵奖这一计算机科学领域的最高荣耀,三人实至名归。

  2016年5月,帕特森结束了在计算机架构领域40年的学术生?#27169;?#20174;加州大学伯克利分校正式退休。2个月后,帕特森加入谷歌,从事谷歌的AI芯片研究。如今,谷歌AI主页上对帕特森的介绍已是“谷歌杰出工程师”。

  云计算与人工智能的发展使得谷歌公司在新建数据?#34892;納系?#36164;产支出日渐庞大,为此,谷歌希望能够研发一款新的芯片,性能可?#28304;?#21040;市面主流处理器的10倍以上,并且能够支持人工智能对复杂计算能力的要求。谷歌称其为TPU(?#24085;?#35745;算单元),而这也是加入谷歌之后帕特森的工作重点。

  有观点认为,在2010年前后深度学习网络对性能的需求和摩尔定?#21892;?#39048;初现,使得对定制AI芯片的兴趣大增。不过,业界?#28304;斯?#28857;不一。有分析认为,谷歌TPU所代表的专用AI芯片更具优势,其更擅长处理AI框架、模型下的工作负载。也有观点指出,由于AI尚处早期,不同的框架和模型不断涌现,因此更具可编程?#38498;?#36890;用性的GPU更具优势。

  在帕特森看来,TPU确实只适用于特定需求,而GPU在机器学习上表?#25351;?#20026;出色。“不过,GPU原本是为图形而发明的,它能够适用于早期的机器学习只是一个巧合。”

  他认为,过去5-7年是机器学习的开启阶段,GPU仅是其中表?#25351;?#20026;出色的通用微处理器。“TPU则是硬件设?#39057;?#24320;端,尤其是对于神经网络、机器学习,此后我们会看到更多类?#39057;?#20363;子。”帕特森?#25285;?#20316;为一个计算机架构师,如果你审视GPU会发现其中包含有机器学习所不需要的部分。”

  帕特森表示,GPU的应用已有一段时间,虽然其目前已经在机器学习领域扮演关键角色,但他期待的则是未来机器学习领域的研究人员可以使用上更有针对性的硬件设备。

  (编辑:辛灵,如有任何问题或建议请联系:[email protected]

特色专栏

?#35753;?#25512;荐
山东时时彩后一走势