Project Adam vs. Artificial Brain，微软与谷歌角力人工智能

【编者按】谈到人工智能、神经网络，人们首先想到的往往就是Google，这有一大部分原因是基于搜索巨头当下的业务。然而微软近日的一则报告显示，该公司图像识别项目Project Adam可以在更少资源下，更快的完成分析――1/30机器，1/2的时间。

免费订阅“CSDN云计算”微信公众号，实时掌握第一手云中消息！

CSDN作为国内最专业的云计算服务平台，提供云计算、大数据、虚拟化、数据中心、OpenStack、CloudStack、Hadoop、Spark、机器学习、智能算法等相关云计算观点，云计算技术，云计算平台，云计算实践，云计算产业资讯等服务。

以下为译文

微软的新人工智能系统，图像识别项目Project Adam，基于各种狗图片的数据集

我们进入了一个新的人工智能时代。

时至今日，包括Google、Facebook、微软、Apple等顶级技术公司都在通过“深度学习”大力发展人工智能，以寻求各个领域提升，代表性应用包括语音识别、语言转换及计算机视觉。 在人工智能新篇章中，谷歌一般被认为是先行者，近日该公司更聘请了深度学习运动核心研究员――多伦多大学的Geoff Hinton。此前，Google还曾多次展示AI技术对真实世界应用的提升作用，其中包括深度学习对语音搜索及安卓智能设备的改进，更在语音识别与计算机视觉领域留下多项纪录。

在7月14日Washington Redmond的Microsoft Research Faculty Summit上，微软研究团队宣称他们已经通过Adam深度学习系统把机器学习带入了新的纪元。通过微软了解到，对比之前的系统，Adam在图像识别上将达到两倍的速度（基于狗或植被数据集的训练），然而只使用了不到三十分之一的机器。微软研究院负责人Peter Lee称，Adam旨在建立最大的大脑。Peter Lee还透露，在一个称为ImageNet 22K的基准测试中，Adam的神经网络性能已高于Google Brain公布的数据。这个测试基于2.2万个类型的图片上，其中包括Google Brain。

Adam项目团队：Karthik Kalyanaraman、Trishul Chilimbi、Johnson Apacible、Yutaka Suzue（从左至右）

微软称Adam新深度学习算法的目的不是为了打败Google，其中的关键在于探索更好的优化让机器能更好地处理数据。

Adam工作原理

类似其他的深度学习系统，Adam运行在一个标准服务器阵列上，资源通过Azure组织。深度学习旨在通过神经网络建立更类似大脑的思维方式，通常情况下组件神经元需要大量的服务器。而对比常见的神经网络，Adam最大的特点是使用了异步模式。

随着计算系统变得越来越复杂，系统内机器间的信息交互已成为难点，异步机制无疑可以缓解这个问题。本质上说，异步是将整个系统拆解为可独立运作单元，同时在需要时又可以作为一个整体共享资源。然而问题就在于，虽然这个技术可以在手机和平板上工作良好（计算分布在不同的计算机芯片上），但是在大规模服务器场景下却并不如人意，已成为许谷歌等多大型公司（包括）攻克的难关。在Adam内，微软使用了威斯康星大学开发的技术――“HOGWILD! ”。

HOGWILD! 初始设计是为了保证同一台计算机中各个芯片的独立运行，甚至可以保证不同芯片在同一处内存中写入时不会发生覆盖。HOGWILD! 的使用并不常见，因为不同机器同时写入会导致数据冲突（覆盖写入），然而也不排除一些例外，比如计算系统越小，HOGWILD!引发冲突的几率就越低。Adam无疑让HOGWILD!的运用更加深入，让它适用于整个神经网络的计算机集群。微软Adam项目研究院Chilimbi表示，微软让HOGWILD的使用场景变得更加广泛，让异步进行的更加深入。

虽然神经网络的密集度更高，数据冲突的概率更大，但是如果系统可以处理同一计算同时返回结果的情景，冲突就可以避免。其原理就在于，当机器修改主服务器时，往往进行的都是增量更新。微软表示这个设置可以让神经网络更快及更准确的完成训练，比如说图像识别。百度首席科学家Andrew Ng表示，这是一个积极的策略，它将节省大量的计算资源。

令Andrew兴奋的是，Adam运行的基础是CPU而不是GPU，Andrew表示，当下许多神经网络系统使用GPU来避免通信瓶颈，Adam走出了一个不同的道路，这才是最有价值的事情。

神经网络能处理大量的数据，但是他们却需要跨越更多CPU。另一种选择是使用GPU，它可以更快速处理数据，但是问题在于，通信系统远远承受不了GPU的数据输出，这也是许多人认为GPU不适合当下神经网络规模的原因。

HOGWILD!究竟如何

微软当下对Adam的赞赏可见一斑，但是许多专家认为这个系统的建立思路与谷歌并没有什么不同。在不知晓网络调教的情况下，很难清楚微软使用什么方法达到了所公布的性能。因为违背常理，微软的研究显然让人更加有兴趣，Matt Zeiler（Clarifai创始人，原Google Brain项目成员）表示。他认为，Adam准确性的提升应该来自机器数量增加，在更多HOGWILD! 的研究后，微软是否是赢家这个谜底显然会被揭开。

微软研究院负责人Peter表示，项目当下还处于初期状态，只部署在一个内部APP上，它可以在你拍摄某个物体后识别它的照片是否已存在你手机上。微软研究院负责人Peter曾用它识别狗和bug是否为病毒。虽然暂时还未有App的公布计划，但是微软研究院负责人Peter更看好它在电子商务、机器人以及情绪分析领域的前景，微软更基于Adam是否能提高FPGA做了相关探索。

FPGA表示Adam有希望成为“机器智能”未来的一部分，虽然神经网络的成熟应用可能还需等几十上百年，但毫无疑问的是，科学一直在进步。（更多内容见原文视频）

原文链接： Microsoft Challenges Google’s Artificial Brain With ‘Project Adam’ （编译/仲浩 审校/魏伟）

生活不易，码农辛苦
如果您觉得本网站对您的学习有所帮助,可以手机扫描二维码进行捐赠