機器學習領域之間的知識遷移是現(xiàn)在AI中存在的一個重要問題。來自IBM Research的Kamil Rocki最近開發(fā)了一款“超級計算機”，每秒可處理10億幀，能幫助開發(fā)出更高效的機器學習算法和更強健的人工智能記憶。

總是有些聰明人，能解決那么棘手的問題。

機器學習算法能夠在最困難的棋盤游戲、經(jīng)典的電子游戲甚至一些現(xiàn)代游戲中戰(zhàn)勝人類。

但是它們?nèi)匀挥幸恍┖艽蟮木窒扌?，主要與“記憶”有關——或者更確切地說，與缺乏記憶有關。

在IBM Research從事人工智能研究的計算機科學家Kamil Rocki最近開發(fā)了一款“超級計算機”，用于從數(shù)千個虛擬Game Boy身上開發(fā)機器學習應用程序。Rocki希望這個項目能幫助開發(fā)出更高效的機器學習算法和更強健的人工智能記憶。

不同ML領域間的知識遷移是難點

計算機科學家訓練了一個人工神經(jīng)網(wǎng)絡(一種松散地以人腦為基礎的計算架構)，以便它能夠執(zhí)行特定的任務，比如打敗特定的游戲。

然而，如果一個已經(jīng)掌握了俄羅斯方塊的神經(jīng)網(wǎng)絡想要學習一款更復雜的游戲，比如《超級馬里奧兄弟》，那么這個神經(jīng)網(wǎng)絡基本上是從零開始，無法利用它在俄羅斯方塊上的經(jīng)驗更快地學習《超級馬里奧兄弟》。

Rocki的Game Boy計算集群是一個工具，他希望能夠借此幫助解決現(xiàn)在人工智能研究中的一個主要問題：機器學習領域之間的知識遷移。

2015年，谷歌的DeepMind證明了單個神經(jīng)網(wǎng)絡能夠掌握幾種不同的Atari 2600游戲。這是邁向神經(jīng)網(wǎng)絡記憶的一步，然而正如羅基在博客中描述他的“超級計算機”時所解釋的那樣，這些游戲在復雜性方面并沒有太大的差異。

《太空入侵者》的播放頻率為100MHz，是FPGA全速的四分之一。

在DeepMind的神經(jīng)網(wǎng)絡所掌握的大多數(shù)Atari游戲中，玩家與操縱桿的動作及其在屏幕上的結果之間的關系都是通過即時反饋來明確的。

這與《波斯王子》(Prince of Persia)等游戲截然不同。在這些游戲中，玩家的行為可能不會立即產(chǎn)生反饋，而且屏幕上也不會一直顯示分數(shù)。

Rocki在他的博客中解釋說，要用人工智能處理這些游戲，他覺得需要一個神經(jīng)網(wǎng)絡，它必須能夠快速地進行游戲，并且同時運行幾個游戲。

Rocki寫道：“想象一下，你可以在百分之一的時間內(nèi)完成《波斯王子》，同時運行10萬款游戲?！?/p>

神經(jīng)網(wǎng)絡還必須在一個游戲機上實現(xiàn)。

游戲機上有各種各樣的游戲可供選擇，這些游戲并不需要耗費大量資源才能運行，這樣才能測試它在更復雜游戲上使用先驗知識的能力。

Rocki在他的研究中考慮了幾種不同的游戲機，包括街機版的太空入侵者、Atari2600、任天堂娛樂系統(tǒng)(NES)和Game Boy Classic。

但問題是，這些系統(tǒng)中速度的峰值都是每秒3000幀。如果Rocki想真正提高機器學習的速度，他必須弄清楚如何在這些平臺上以每秒數(shù)億幀的速度運行。

最終，Rocki決定使用Game Boy，因為該游戲機擁有超過1,000款可供選擇的游戲，在復雜性方面存在很多差異。 Game Boy Classic的160×144兩位(bit)彩色屏幕也易于處理，這使得運行游戲的系統(tǒng)變得更加容易。

Rocki試圖根據(jù)自己的主觀判斷，通過游戲的復雜性來組織Game Boy游戲。像《太空入侵者》這樣的游戲在左邊，不那么復雜，而《Pokemon》和《波斯王子》則在右上角，更加復雜。

為此，Rocki在現(xiàn)場可編程門陣列(FPGA)中模擬了大多數(shù)游戲機核心的英特爾8080 CPU。FPGA是一種強大、專業(yè)的計算機芯片，可用于大規(guī)模模擬其他硬件。

例如，在最初的《太空入侵者》街機控制臺中使用的8080 CPU以每秒100萬次(1 MHz)的速度運行。

然而，當這個CPU在FPGA中模擬時，它的時鐘頻率可高達400 MHz，這就像以每秒24,000幀的速度運行游戲一樣。

不僅如此，單個FPGA一次可以模擬100個這樣的CPU，在單個FPGA芯片上每秒總共可以產(chǎn)生240萬幀。

Rocki在一封電子郵件中說，有1296個FPGA芯片連接在一起，每秒可以從數(shù)百個模擬Game Boys中產(chǎn)生大約10億幀。(理論上，這可以在50塊FPGA芯片上實現(xiàn)，但Rocki說，他和同事們并沒有“把它們推到極限”。)

硬件加速的俄羅斯方塊，以100MHz的速度播放，大約是全速的四分之一。

正如Rocki在他的博客中所寫，使用他的Gameboy超級計算機進行的測試到目前為止相當成功。

他認為這款工具是更廣泛的趨勢之一，在未來十年內(nèi)將AI算法與先進的硬件解決方案相結合。

這可能最終會讓我們走上更強大的人工智能之路。