計算是系統和軟件所做的工作，它可以對海量的數據進行篩選，從中獲得有洞察的信息并生成新的能力。

算盤、六分儀、算尺和計算機等數學工具見證了人類的進步史。這些數學工具幫助人們往來貿易、征服大海，并提高了人們的認知與生活質量。 如今，人工智能（）計算成為了的數學工具，正推動著科學和的發展。

AI 計算的定義

AI 計算是一種計算機器學習的數學密集型流程，通常會使用加速系統和軟件，它可以從大量數據集中提取新的見解并在此過程中學習新能力。 我們如今生活在一個數據時代，因此，AI 計算是這個時代的革命性技術，它能夠找到人類無法找到的規律。 例如，美國運通使用 AI 計算來每年數十億次信用卡交易中的欺詐行為；醫生使用 AI 計算來尋找腫瘤，并在無數醫療影像中發現細微的異常情況。

AI 計算的三個步驟

在介紹眾多 AI 計算用例前，我們先來了解一下它是如何運作的。 首先，用戶（通常是數據科學家）需要整理和準備數據集，這個階段稱為提取/轉換/加載（ETL）。這項工作現在可以通過 Apache Spark 3.0 在 NVIDIA??上加速進行。Apache Spark 是目前最流行的開源大數據挖掘引擎之一。 然后，數據科學家會選擇或設計最適合其應用的 AI 模型。 一些在開拓新領域或尋求競爭優勢的公司會從頭開始設計并訓練自己的模型。這個過程除了需要一定的專業知識外，還可能需要一臺 AI 超級計算機和 NVIDIA 的幫助。

機器學習運維（MLOps）更加詳細地描述了 AI 計算的三個主要步驟——ETL（最上面的一行）、訓練（右下）和推理（左下）。 許多公司選擇采用預訓練 AI 模型并根據其應用需求進行自定義。在提供軟件、服務和支持的門戶網站 NVIDIA NGC 上，有幾十種預訓練模型和定制工具可供使用。 最后，公司會通過他們的模型來篩選數據。這個關鍵步驟被稱為推理，AI 將會在這個步驟中提供可行的洞察與見解。 這三個步驟需要消耗很多精力，但好在每個人在各種幫助下都能夠使用 AI 計算。 例如，NVIDIA TAO 工具套件可以使用遷移學習將三個步驟簡化為一個，這種方法不需要大型數據集就能為新的應用定制現有的 AI 模型。除此之外，NVIDIA LaunchPad 還為用戶提供了各種模型部署用例的實踐培訓。

AI 模型的內部構造

AI 模型被稱為，其靈感來自于人類大腦內部的網狀構造。 這些 AI 模型展開后看起來就像是由多層線性代數方程組成的數學“千層面”。作為目前最流行的一種 AI 形式，得名就是因為它由許多這樣的‘層’組成。

識別圖像的深度學習模型示例（選自美國國家科學院的一篇關于深度學習的文章，圖片來源：藝術家 Lucy Reng-Ikkanda） 進一步聚焦，你就會看到每一層都由眾多方程式堆棧組成，每個方程式都代表著一組數據相互關聯的可能性。 AI 計算將每一層中的每一個方程堆棧相聯系，以尋找規律。這是一項龐大的工程，需要高度并行的處理器在高速計算機上共享大量數據。

GPU 計算與 AI 的結合

事實上，AI 計算的引擎是 GPU。 NVIDIA 于 1999 年推出了第一款 GPU，用于需要大規模并行計算的游戲 3D 圖像渲染。 GPU 計算很快被推廣到電影大片的圖形服務器中。科學家和研究者在世界上最大的超級計算機上使用 GPU，其可應用的研究范圍小到化學中的微小分子，大到天體物理學中的遙遠星系。 當 AI 計算在十多年前出現時，研究者很快就開始使用 NVIDIA 的可平臺運行并行處理。下面的簡單回顧了 GPU 的歷史。

AI 計算的歷史

AI 這個概念至少可以追溯到艾倫·圖靈所在的時代，這位英國數學家在二戰期間幫助破解了密碼信息。 1947 年，圖靈在一次演講中說：“我們想要的是一臺能夠從經驗中學習的機器。” NVIDIA 為了紀念他的遠見卓識，以他的名字命名了 NVIDIA 的一個計算架構。 圖靈的展望在 2012 年成為了現實。研究者在 2012 年開發出了能夠比人類更快、更精準識別圖像的 AI 模型。ImageNet 比賽的結果也大大加快了的發展。 今天，以機器學習界大咖 Andrew Ng 創立的 Landing AI 為代表，許多公司正在使用 AI 和計算機視覺提高制造業的效率，與此同時，AI 也在為體育、智慧城市等領域帶來更接近真人的視角與思維方式。

AI 計算開啟對話式 AI

2017 年 Transformer 模型面世后，AI 計算在自然語言處理方面獲得了巨大的進步，出現了一種名為“atnon”的機器學習技術。它可以捕捉如文本、語音等連續數據中的上下文。 如今，對話式 AI 已十分普遍。它可以解析用戶在搜索框中輸入的句子，也可以在用戶開車時讀出短信并讓你口述回復。 這些大型語言模型還被應用于藥物研發、翻譯、聊天、軟件開發、呼叫中心自動化等眾多領域。

AI+圖形：創造 3D 世界

許多意想不到的領域的用戶正在體驗 AI 計算的力量。 最新的電子游戲憑借著實時光線追蹤與 NVIDIA DLSS 將畫面真實性提高到了更高級別。后者利用 AI 在 GeForce RTX 平臺上為用戶提供了超流暢的游戲體驗。 這僅僅是個開始。新興的神經圖形學將加速虛擬世界的創建，以填充 3D 互聯網與元宇宙。

神經圖形學將加速虛擬世界的設計和開發，填充 3D 互聯網與元宇宙

AI 計算用例

汽車、工廠和倉庫 汽車制造商正在運用 AI 計算以提供更加平穩、安全的駕駛體驗，并為乘客提供化車載信息娛樂功能。 梅賽德斯-奔馳正在與 NVIDIA 聯手開發軟件定義汽車。該公司即將推出的車型將提供由 NVIDIA DRIVE Orin 中央計算機驅動的智能和功能。這些系統將在數據中心使用建立在 NVIDIA Omniverse 基礎上的 DRIVE Sim 軟件進行測試和驗證，以確保它們能夠安全應對各類場景。

梅賽德斯-奔馳在 CES 上宣布，它還將使用 Omniverse 設計并規劃其全球各地的制造和裝配設施。

許多公司通過在 NVIDIA Omniverse 中創建 AI 數字孿生工廠來提高工廠的效率，寶馬集團也是其中之一。如下視頻所示，百事可樂等消費業巨頭也為其物流中心采用了這種方法。

工廠和倉庫內的自主機器人進一步提高了制造業和物流業的效率。許多機器人由 NVIDIA Jetson 邊緣 AI 平臺驅動，并通過 NVIDIA Isaac Sim 在和數字孿生中使用 AI 進行訓練。

過去一年里，就連拖拉機和割草機都通過 AI 實現了自主運行。

位于加州利弗莫爾的初創企業 Monarch Tractor 在去年 12 月推出了一款 AI 驅動的電動車，促進了農業的自動化；位于科羅拉多州博爾德的 Scythe 于去年 5 月推出了一款裝有八個攝像頭和十多個的自主電動割草機 M.52。

保護網絡安全，檢測基因序列 AI 計算用例的數量和種類十分驚人。 網絡安全軟件在數字指紋等 AI 技術幫助下更快檢測出網絡釣魚和其他網絡威脅。

醫療領域的研究者們在 2022 年 1 月依靠 AI 計算在 8 小時內完成了整個基因組的測序，打破了紀錄，其研究成果有可能治愈罕見遺傳病。

AI 計算還被應用在銀行、零售、郵局、電信、交通運輸和能源網絡等多個領域。 如今，AI 計算技術不斷開拓新應用，研究者正在開發更新、更強大的方法。 過去一年中，另一種強大的神經網絡——擴散模型開始流行。這種模型可以將文字描述轉換成精美的圖像。研究者預測這些模型的應用將進一步拓展 AI 計算的版圖。

（轉載自：www.elecfans.com/d/2055940.html）