摩尔定律放缓 科学家另辟他径挖掘芯片性能

以下为文章全文：

阿里·法尔哈迪（Ali Farhadi）手心里拿着一部价值5美元的树莓派电脑，他的研究团队刚刚往这部微型电脑植入了一项强大的程序，使其可以识别上万种物体。为此，他兴奋不已。

法尔哈迪博士是艾伦人工智能研究所（the Allen Institute for Artificial Intelligence）的计算机科学家。他将这个程序称为“指尖上的人工智能”。该实验程序可以大大降低人工智能的成本，并提高隐私，因为你不需要通过互联网共享信息。

对于微电子工业，该AI系统具有更重要的象征意义。它进一步接近了硅半导体的物理极限：跟竞争产品相比，它只使用了1/32的内存，运行速度却快了57倍。

对替代计算方法的研究变得越来越急迫。几十年来，计算机研发人员每两年就能获得更便宜和更快速的芯片。随着晶体管尺寸不断缩小，计算机以加速度变得更加强大和更加便宜——这就是著名的摩尔定律。

两年前，由于制造成本激增，且制造技术提升越来越难，晶体管的成本不再快速下降。芯片厂商商不再能够——至少是暂时——轻松地生产出更便宜、更快速的芯片。

然而，如果说硅有极限，但是人类的聪明才智没有极限。借助更好的算法和新型硬件电路，科学家可以看继续设计出性能更强大、成本更低的计算机。

佐治亚理工学院的电气工程师托马斯·孔特（Thomas M. Conte）说：“这是一个有趣的旅程。今天，你进入一个缝缝补补的世界，你要为一个特定的问题找到一个更好的解决方案。我们将来就采用这种方法推进研究。”

今年夏天，英特尔收购了Nervana Systems公司。这是一家专门为AI程序设计更高效硬件的小型制造商。

本月初，美国阿贡国家实验室（Argonne National Laboratory，简称ANL）、莱斯大学和伊利诺伊大学厄巴纳-香槟分校的研究人员发表了一份研究论文，论述了他们针对英特尔芯片开发的编程技术如何做到以低得多的能耗完成同样的工作。

这些超级计算机设计师称，这项新方法意义非常重大。超级计算机正在从petaflop（1千万亿次浮点计算/秒）时代进入exaflop（1百亿亿次浮点计算/秒）时代，解决高能耗问题成为科学家们面对的最艰巨挑战。

我们需要更强大的超级计算机，是因为它们能够解决一些基本的科学问题，比如预测气候变化将给人类带来的哪些危害。

由于摩尔定律放缓，百亿亿次级计算机的诞生一再受阻。人们原本预计它将在2018年诞生，但现在人们又将其诞生的时间推迟到了2023年。

阿贡实验室的论文指出，未来的exaflop超级计算机性能将提升1000倍，能耗也增加1000倍。为了减少这些能耗，研究人员关闭了英特尔芯片中负责“数学精度”的一半电路，然后将省下来的电量用于提升计算结果的质量。

莱斯大学计算机科学家克里希纳·帕勒姆（Krishna V. Palem）说：“数学精度就像一个旋钮。问题是你用节省下来的电量做什么。”

研究人员正在尝试像汽车换挡那样使用微处理器的不同模式，根据不同的问题，自动来回切换处理器的精度。

经验丰富的超级计算机设计师马克·史尼亚（Marc Snir）说：“我们要仔细研究如何节省能量，还有很多工作要做。”史尼亚同时是伊利诺伊大学厄巴纳-香槟分校分校的计算机科学家。

阿贡实验室的研究人员正在探索由帕勒姆博士提出的想法。帕勒姆在2003年首次提出了他称之为做“不精确计算”的想法。他建议折衷精确度，以换取计算效率的大幅度提升。

起初，他尝试利用由于制造缺陷导致部分晶体管不能工作的芯片来证明他的“不精确”的想法。

最近，他又转向利用他的想法让处理器变得更加节能。

帕勒姆博士说，该小组计划将阿贡实验室的研究用于更有效地运行与气候变化相关的数学模型。

他最近与莱斯大学和首尔国立大学的研究室同事一起，展示了如何运用这个不精确性解决室内定位的难题，因为GPS通常不能在建筑物内运作。莱斯大学的研究人员采用了一种称为“散列函数”的技术。散列函数使用较小的数值表示大量数据，如数字照片。他们依靠这种图像来确定位置。

艾伦研究所的研究人员使用神经网络来识别物体，而莱斯大学科学家将智能手机摄像头捕获的周围场景与手机本身存储的图像库进行匹配。该方法将所有照片的数据进行压缩，然后在简单的手持计算机上计算方位。在通常情况下，这需要先ping互联网上的整个数据网络。

跟艾伦研究所的研究人员一样，莱斯大学的科学家认为，他们的算法能效高，可以保护隐私，因为它不需要通过互联网发送数据。而且，他们在最近的一篇文章中称，他们能够在现有方法的基础上，“将能源和计算成本降低到500分之一”。

这些科学家表示，随着计算工程发展的减缓，计算机的进步将越来越依赖人类的创造力。

在上个月的斯坦福大学演讲中，电气工程师艾伦·黄（Alan Huang）展示了如何通过将互联网链接重新配置成甜甜圈的形状——而不是现在使用的二维网格——将互联网延迟减少一半，大大加快数字视频的传输速度，同时减少传输数据所需的计算机设备数量。