【猎云网（微信号：ilieyun）】10月2日报导（编译：葛兰东）
从大型机到个人电脑，从互联网到智能手机，核算机技能的每一个严重前进都为更多的人在数字前沿发明晰时机。
但越来越多的人忧虑，科技职业的新前沿——人工智能，正在反转这一趋势。
核算机科学家表明，人工智能研讨的本钱越来越高，需求大型数据中心进行杂乱的核算，这使得更少的人可以轻松取得开发自动驾驶轿车或数字助理等未来产品所需的核算才能。
他们表明，风险在于，开创性的人工智能研讨将是一个贫富差距显着的范畴。具有这些数据中心的首要是一些大型科技公司，如谷歌、微软、亚马逊和Facebook，它们每年都要花费数十亿美元建造自己的数据中心。
研讨人员宣布正告之际，人们对大型科技公司的实力日益感到忧虑。人们的注意力大多会集在当时这一代技能上——查找、在线广告、交际媒体和电子商务。可是科学家们忧虑探究未来科技开展的妨碍，由于这需求惊人的核算才能。
大型科技公司的现代数据中心规划巨大且保密。这些修建有足球场那么大，或许更大，有成百上千台电脑的架子。门是防弹的，墙面是防火的，外人很少被答应进入。
那些云核算的引擎室，它们为智能手机和笔记本电脑供给了丰厚的娱乐和信息，并使数百万开发人员可以编写根据云的软件应用。
但在大型科技公司以外的人工智能研讨人员看来，他们的范畴呈现了令人忧虑的趋势。艾伦人工智能研讨所最近的一份陈述，利用了另一个人工智能实验室OpenAI的数据，发现核算量需求在比如言语了解等人工智能使命中处于领先地位，在曩昔的六年里，游戏和常识推理的数量激增了约30万次。
所有这些核算燃料都需求为所谓的深度学习软件模型供给动力，这些模型的功能会跟着更多的核算和数据而进步。近年来，深度学习一直是人工智能取得打破的首要驱动力。
微软亿万富翁联合创始人Paul Allen于2014年创建的艾伦研讨所，其首席执行官Oren Etzioni表明：“成功的话，会带来巨大的优点。但做研讨的本钱正呈指数级添加。作为一个社会和一个经济体，假如只要少量几个当地可以让你走在最前沿，咱们就会遭殃。”
OpenAI的开展表明晰经济的改动，以及深度学习人工智能技能的远景。
OpenAI成立于2015年，并取得了马斯克的支撑。它开始是一家非盈利研讨实验室。它的志向是在人工智能的前沿开发技能，并与更广泛的国际共享收益。这一想象暗示了一个有构思的程序员的核算传统，即独安闲笔记本电脑上作业，想出了一个巨大的主意。
本年春天，OpenAI在一款名为Dota 2的杂乱电子游戏中，运用其技能打败了国际冠军人类玩家团队。它的软件经过几个月的不断测验和过错学会了这款游戏，相当于玩了4.5万年的游戏。
OpenAI的科学家们现已意识到，他们从事的作业更像是粒子物理或气候模仿，这些范畴需求巨大的核算资源。例如，赢得Dota 2，需求花费数百万美元租借数以万计的云核算数据中心内的核算机芯片，这些数据中心由谷歌和微软等公司运营。
作为OpenAI与微软协议的一部分，这家软件巨子终究将成为该实验室仅有的核算资源。
OpenAI的首席科学家Ilya Sutskever说：“假如你没有满足的核算机，你就无法取得打破。”
学术界也对先进的人工智能软件所耗费的能量提出了忧虑。马萨诸塞大学阿姆赫斯特分校的三位核算机科学家在最近的一篇研讨论文中估量，练习一个大型的深度学习模型，可以发生相当于五辆美国轿车寿数的碳脚印。(大型科技公司表明，他们购买了尽或许多的可再生动力，减少了数据中心对环境的影响。)
Etzioni和他在艾伦研讨所的合著者表明，或许可以经过改动衡量人工智能技能成功程度的方法，至少部分地处理这两个问题——电力运用和核算本钱。
他们说，该范畴全神贯注地专心于准确性，使研讨倾向了一条过于狭隘的路途。
功率也应加以考虑。他们主张研讨人员也陈述在项目中取得效果的“核算价格标签”。
自从他们的“绿色人工智能”论文在7月份宣布以来，他们的观点在研讨界引起了很多人的共识。
罗切斯特大学核算机科学教授Henry Kautz指出，准确度“实际上仅仅咱们在理论和实践中所关怀的一个方面”。他说，其他方面包含动力的运用量，AI技能作业需求多少量据和多少娴熟的人力。
Kautz弥补说，假如研讨项目不那么依靠原始的核算才能，一个更多维的视角或许有助于在大型科技公司的学术研讨人员和核算机科学家之间树立公正的竞赛环境。
大型科技公司正在努力进步其数据中心和人工智能软件的功率，他们表明，这将使外部开发者和学术界更简单取得核算才能。
谷歌人工智能部分的出色科学家John Platt指出，谷歌最近开发的深度学习模型EfficientNets，比传统模型小10倍，速度更快。他说：“这是民主化的用武之地。咱们期望这些模型可以被尽或许多的人练习和运用。”
几年来，这些大科技公司现已给大学供给了数百万美元的赞助和捐献，但一些核算机科学家说，他们应该做更多的作业来缩小AI研讨人员的贫富差距。他们说，现在，科技巨子与大学之间的联系首要是作为买家，把教授、研讨生乃至本科生都招走。
华盛顿大学教授Ed Lazowska表明，这些公司最好也为学术研讨供给实质性支撑，包含更大程度地获取其丰厚的核算资源——因而，对构思和打破的竞赛超出了企业的壁垒。
Lazowska以为，一种更具支撑性的联系将契合他们公司的本身利益。不然，他说，“咱们将看到学术界培育下一代核算机科学家的才能明显削弱，而这些核算机科学家将为这些公司供给动力。”
在西雅图艾伦研讨所的Etzioni说，研讨小组将致力于研讨进步人工智能技能功率的技能。“这对咱们来说是一个巨大的推进，”他表明。
可是Etzioni着重，他所说的绿色人工智能应该被视为“一个添加发明力的时机，而不是一种约束”——或许是一种对深度学习的代替，深度学习依靠于巨大的核算才能，他称之为赤色人工智能。
事实上，艾伦研讨所刚刚达到了一个AI的里程碑，它在八年级的规范科学考试中正确答复了90%以上的问题。这一豪举是用赤色的AI深度学习东西完成的。
