我们说人工智能如何如何聪明，主要是除了必要的硬件芯片外，一大原因是AI算法速度惊人。毕竟即便硬件在不断突破，但对于人工智能从业者而言，大家训练数据的硬件往往差不太多，但一种优化算法的突破，在速度上，往往能和其他机器拉开十倍几十倍上百倍的距离。我们说上个月AI精通了下象棋，前几天又在下围棋上让人类甘拜下风，而现在又在打麻将上超越了人类，一个比较重要的因素就是归功于AI算法，其实是算法在幕后玩命优化和努力。
所以你觉得人工智能要进化成超越人类的新物种还要多久，如果不好估算，可以参考一下这一个人工智能算法领域的“新摩尔定律”，当然一人客在这个新摩尔定律词汇上加了双引号，也就是它并不是一个科技上的定性命名，而是根据人工智能非营利组织OpenAI的一个分析报告里提炼出来的结论。
这个非盈利组织宣布将开始追踪机器学习模型的效率，并对AI算法演进的情况进行定量追踪，结果显示算法改进效率吊打摩尔定律。报告分析显示，自2012年以来，要训练一个人工智能模型在基准测试ImageNet图像分类任务中达到同等的分类效果，所需的算力每16个月就会减少1/2。
与2012年相比，现在训练一个神经网络达到 AlexNet的水平所需的算力会减少到1/44（相比之下，摩尔定律在相同时间之内，效率只有12倍左右的增长）。结果表明，对于投入了大量资金的AI研发，算法演进显然比传统的硬件进步带来了更多的收益。
是的，算法的突破是推动人工智能发展的非常重要的因素。提升算法效率，可以定义为减少训练算法完成某项任务所需的算力。这就是一人客开头阐述的，虽然有硬件的进步，不过以此为基础，对AI而言大家也差不多，拉开距离的往往是算法演进。
在这次报告的分析中，Open AI是利用开源的方法来测量各种模型达到AlexNet 水平的效率的。在机器翻译、 Go 和 Dota 2比赛中，在较短的时间内效率提升速度更快。
比如我们大家都很熟悉的那个围棋大战中大胜人类的人工智能阿尔法狗，它所在的公司Deepmind之后推出的AlphaZero是一个从零开始自学下棋的系统，进步速度很快，和在他一年前推出的版本 AlphaGoZero相比，达到相同的性能，只需要8分之一的算力。
当然这里还有一点需要说明，相同的算力，其实在2019年是比2012年能完成更多的任务的。从这个意义上讲，可以将某些AI研究进程分为两个阶段，类似于半导体中的「tick tock」发展模型。根据摩尔定律的情况，OpenAI推测算法效率可能超过传统的摩尔定律。这个，也许是人工智能领域的新摩尔定律。算法效率，在大幅度推进行业的发展。
文章来源：网易 编辑：茶茶
