特斯拉|“不务正业”的特斯拉，要当人工智能巨头？秘密就藏在这张图里！( 三 )

文章插图
1956年，达特茅斯夏季会议上各路大牛提出了AI定义，大大推动了AI和人工神经网络的发展，也被广泛人为是AI元年。当时人们信心满满，认为不用20年就能打造出跟人脑差不多一样的AI系统。结果在不断研究中发现，深度神经网络的算法太过复杂，从而无从下手。于是放弃了当初\"大而全\"的目标形式，转为以执行单一目标为方向。
文章插图
这其中除了因为对人类大脑的认识非常肤浅（到现在也没有进步多少），以及人工神经网络架构的局限和软件算法的局限之外，更多的就是算力问题，也就是受到半导体行业发展的限制。李开复博士在做他的语音识别功能博士论文时，哪怕在当时他所采用语音数据库算非常大的，其实也不过仅有100MB，却花费了他导师近10万美刀，在1988年相当于两套房子的价格。而如今动辄几个PB的数据量，算力成为了限制很多AI发展的瓶颈。这里补充一个知识：不同的处理器芯片所具备的能力各不相同。例如CPU更多的通用计算，可以理解为总指挥，负责逻辑上更线性的计算和判断；而GPU则是专职于图像处理的芯片，能够同时吞吐较大的数据量和进行矩阵计算，加之已经是成熟的量产产品，所以被大量应用于AI学习。而NPU（Neural Processing Unit，神经网络处理器）则是从设计层面就专职为神经网络学习优化的，像谷歌的TPU和特斯拉的FSD芯片都属于NPU序列，这类芯片扔掉了类似GPU中不需要的功能，仅为神经网络所需要的数据处理形式服务，其速度和能效要高很多。但是，这里还需要区分ASIC（Application Specific Integrated Circuit，专用集成电路）芯片和FPGA（Field Programmable Gate Array，可编程逻辑门阵列）芯片，其中ASIC芯片就是生产后，其运行逻辑和功能就固定了，不能修改，为某项任务（软件）而生，能效极高；而FPGA则是可以通过软件改变其运行逻辑，为半定制的芯片，可以通过软件对其进行修改，适合进行训练和优化所用，能效相比ASIC芯片低一些。像TPU和FSD都属于ASIC芯片，而特斯拉此次发布的Dojo芯片就属于FPGA序列。回过头来，市场上既没有符合需求的车载芯片可用，也没有符合需求的超算来更好的利用这些数据，特斯拉想要实现这一切，在当时只有自己去做软件和硬件，当年特斯拉在2016年立项做FSD芯片时，谷歌的专属AI芯片TPU才刚刚问世，而车载的AI芯片几乎没有能用的。所以，当年很可能FSD和Dojo的立项时间不会差太远，只是由于考虑到能耗和需求问题，Dojo等到7nm的技术相对成熟后，才开始逐步推进。从另一个纬度上去理解Dojo的必然性，是从神经网络学习的计算量级上去理解。在2019年\"Autonomous Day\"发布会上，特斯拉其实已经明示了会去掉雷达，走向纯视觉，且是视频级别的数据进行直接处理。举个简单的例子，一张1080p的图像，以最简单的神经网络结构，如果不利用激活函数（tanh、ReLU）进行数据\"优化\"，其运算量大概需要4万多亿次；即便采用激活函数优化的卷积神经网络处理，其运算量也将达到1.3亿多次；而如果以视频形式处理，一秒按24帧计算，也有24张图像，综合算下来其运算量是惊人的。
文章插图
值得注意的是，自动驾驶收集的数据中95%左右都是无效数据，也就是对神经网络训练压根没用，简单理解来说就是你每天做几乎相同的卷子，是得不到任何提升的。所以即便特斯拉的车辆仅在特定触发条件下才会收集部分数据，但得到的数据量依然非常庞大，需要Dojo这样为特斯拉自身软件优化过的定制超算，才能大大提高效率。此外，前文提到过\"无监督训练\"也是Dojo的另一个核心目的，用于大幅度提高训练效率。在神经网络训练中，其实海量的研究人员都是\"调参侠\"，简单理解也就是通过不断调\"权重\"来让神经网络判断越来越准确，或者是通过人工标注各种\"正确答案\"，让其学习。这就会导致\"人\"成为了效率的短板，从而致使整个过程的训练速度大幅降低。而如果实现\"无监督训练\"，也就是系统自己通过海量数据和以前\"学习\"的结果进行自动标注和调整，那么其效率将会是量子级别的提升。举个简单的例子，谷歌的Alpha Go击败世界围棋大师相信很多人都知道，也是一个人工智能在特定领域击败人类的标志事件。作为对比，Alpha Go经过人工参与调整和标注的训练结果，经历了几年时间击败了全球高手。而作为无监督训练的范例Alpha Zero，仅用三天时间自己与自己对弈，就击败了Alpha Go Lee，在21天打到了Alpha Master的水平，并在40天超越了所有的旧版本。总结起来，如果特斯拉完成了Dojo的打造，那么就能够以惊人的效率用海量的数据进行训练，解决各种\"边缘场景\"的问题，加快自动驾驶系统的成熟和完善；更关键的是，特斯拉对其软硬件的垂直整合度非常高，不仅不受制于别人，而且能够以此作为服务，给外界提供深度学习的训练业务。马斯克曾表示，一旦相对完善了Dojo，将会开放Dojo作为服务给外界提供训练业务，并且Dojo能够承接几乎所有的机器学习任务。